Die Note setzt sich aus mehreren Leistungskomponenten zusammen (u.a., der Leistung im Semester, der Qualität der schriftlichen Ausarbeitung und der Präsentation des Projektes)

In diesem Praktikum bearbeiten die Studierenende gemeinsam ein Mini-Forschungsprojekt im Bereich von Technologien, die zur Verbesserung des Datenschutzes bei der Verarbeitung medizinischer Daten und Genome beitragen. In Teamarbeit erforschen und wenden die Studierenden aktuelle Techniken zur Wahrung des Datenschutzes anwenden, um komputationale Probleme im Kontext der medizinischen Datenanalyse zu addressieren. Im Laufe des Praktikums werden sich die Studierenden mit verschiedenen Methoden zur Verbesserung des Schutzes persönlicher Daten befassen und ihr Wissen in kurzen Präsentationen untereinander austauschen.

Das Praktikum zielt darauf ab, den Studierenden ein umfassendes Verständnis und praktische Fähigkeiten in der Verwendung von Technologien zur Verbesserung des Datenschutzes für die sichere Verarbeitung sensibler medizinischer Daten, insbesondere genomischer Daten, zu vermitteln. Der Kurs konzentriert sich auf die Integration von Algorithmen des maschinellen Lernens in datenschutzfreundliche Rahmenwerke. Am Ende des Praktikums werden die Studierenden ein Verständnis für die Herausforderungen und Überlegungen zum Datenschutz bei der Verarbeitung medizinischer Daten erlangt haben, Kenntnisse über Technologien zum Schutz der Privatsphäre haben, praktische Fähigkeiten bei der Implementierung von Algorithmen für maschinelles Lernen zum Schutz der Privatsphäre für medizinische Daten und Genome entwickelt haben, Kompromisse zwischen dem Schutz der Privatsphäre und dem Nutzen der Daten bewerten können, Technologien zum Schutz der Privatsphäre auf reale medizinische Szenarien anwenden können, an Gruppenprojekten mitarbeiten und ihre Ergebnisse präsentieren können. Nach Abschluss des Kurses sind die Studierenden in der Lage, die Komplexität datenschutzfreundlicher Technologien im Kontext medizinischer Daten mit dem Schwerpunkt Genomik zu bewältigen und gleichzeitig maschinelles Lernen für wertvolle Erkenntnisse zu nutzen.

Wissenschaftliche Originalliteratur / Scientific publications