Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 21 Stunden
Schulungsübersicht
Grundlagen von TinyML im Gesundheitswesen
- Merkmale von TinyML-Systemen
- Spezifische Beschränkungen und Anforderungen im Gesundheitswesen
- Überblick über KI-Architekturen für tragbare Geräte
Erfassung und Vorverarbeitung von Biosignalen
- Arbeit mit physiologischen Sensoren
- Techniken zur Rauschunterdrückung und Filterung
- Merkmalsextraktion für medizinische Zeitreihen
Entwicklung von TinyML-Modellen für tragbare Geräte
- Auswahl von Algorithmen für physiologische Daten
- Schulung von Modellen in ressourcenbeschränkten Umgebungen
- Bewertung der Leistungsfähigkeit an Gesundheitsdatensätzen
Bereitstellung von Modellen auf tragbaren Geräten
- Einsatz von TensorFlow Lite Micro für Inferenzen auf dem Gerät
- Integration von KI-Modellen in medizinische tragbare Geräte
- Testen und Validieren auf eingebetteter Hardware
Optimierung von Energie und Speicher
- Techniken zur Reduzierung der Rechenlast
- Optimierung des Datenflusses und des Speicherverbrauchs
- Ausgleich zwischen Genauigkeit und Effizienz
Sicherheit, Zuverlässigkeit und Compliance
- Regulatorische Aspekte für KI-fähige tragbare Geräte
- Sicherstellung der Robustheit und klinischen Verwendbarkeit
- Sicherheitsmechanismen und Fehlerbehandlung
Studienfälle und Anwendungen im Gesundheitswesen
- Tragbare Systeme zur Herzzusammenhangsüberwachung
- Aktivitätserkennung in der Rehabilitation
- Stetige Überwachung von Blutzucker und biometrischen Daten
Zukunftsrichtungen im medizinischen TinyML
- Ansätze zur Fusion mehrerer Sensoren
- Personalisierte Gesundheitsanalysen
- Neueste Low-Power-KI-Chips
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis grundlegender Machine-Learning-Konzepte
- Erfahrung mit eingebetteten oder biomedizinischen Geräten
- Vertrautheit mit der Entwicklung in Python oder C
Zielgruppe
- Mitarbeiter im Gesundheitswesen
- Biomedizinische Ingenieure
- KI-Entwickler
Erfahrungsberichte (2)
Fertigkeiten und Projekte in Claude, eine Vielzahl von Werkzeugen für unterschiedliche Zwecke
Agnieszka Czypionka
Kurs - Generative AI in Healthcare: Transforming Medicine and Patient Care
Maschinelle Übersetzung
Umfassende Informationen zum Hintergrund; wie man eine Prompt-Anfrage formuliert.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Maschinelle Übersetzung