KI für Bewegungswissenschaften
Die Anwendung von KI-Methoden auf dem Gebiet der menschlichen Bewegungsanalyse hat in den letzten Jahren erheblich zugenommen. Das maschinelle Lernen kann dabei sowohl als ein Hilfsmittel eingesetzt werden, um zusätzliche Einblicke in die uns vorliegenden Daten zu verschaffen, als auch um unsere Erfassung dieser Daten zu verbessern. So wurde das maschinelle Lernen beispielsweise bereits sehr erfolgreich im Bereich der Messung menschlicher Bewegungen eingesetzt, wo es uns ermöglicht, die 3D-Bewegungen eines Menschen mit nur einer (tiefenempfindlichen) Kamera in Kombination mit der Erkennung der Körperhülle zu bestimmen.
Darüber hinaus können biologisch inspirierte Arten des maschinellen Lernens - die künstlichen neuronalen Netze - verwendet werden, um unser Verständnis der Funktionsweise biologischer neuronaler Netze zu verbessern. Indem wir die Verknüpfungen, Lernregeln und Netzarchitekturen manipulieren und diese Ergebnisse mit Aufzeichnungen biologischer neuronaler Netze vergleichen, können wir Hypothesen darüber aufstellen, wie biologische Netze funktionieren.
Kurse
In dem Modul "Maschinelles Lernen für die Bewegungswissenschaft" werden diese beiden Aspekte in zwei separaten Kursen behandelt: Recurrent Neural Networks & Bewegungskontrolle und ML-Anwendungen in der Bewegungs-wissenschaft. Die Kurse richten sich sowohl an Informatikstudierende, die sich für einen Einstieg in die Bewegungs-wissenschaft interessieren, als auch an Bewegungswissenschaftler und Bewegungswissenschaftlerinnen, die sich Kompetenzen in maschinellem Lernen aneignen wollen (und natürlich auch für alle anderen, die an der Schnittmenge dieser Bereiche interessiert sind!).
In der ersten Hälfte des Kurses arbeiten wir uns durch mehrere Inhaltsblöcke (mit Texten, Videos, praktischen Übungen usw.), um einen Überblick über das Gebiet zu erhalten und Referenzmaterial für den zweiten Teil des Kurses zu haben. Dort wenden Sie das bisher Gelernte an und sammeln Lernerfahrungen an Miniprojekten.
Beide Kurse können online besucht werden, aber für diejenigen, die einen persönlichen Kontakt vorziehen, werden (optionale) Unterstützungskurse angeboten. Darüber hinaus ist es möglich, den Kurs semesterunabhängig zu nutzen, d.h. die Kursinhalte entweder nach eigenem Ermessen und zu jeder beliebigen Zeit zu studieren, oder dem Leistungspunktesystem zu folgen (dies erfordert die Abgabe von Aufgaben und eines Abschlussprojekts am Ende des Kurses und kann nur innerhalb des Semesters erfolgen).
Recurrent Neural Networks & Bewegungskontrolle
In diesem Kurs kann man lernen, wie eine Unterart künstlicher neuronaler Netze, nämlich recurrent neural networks (RNNs), genutzt werden können, um Einsichten über motorische Kontrolle zu gewinnen. Nach einer Einführung in die motorische Kontrolle und RNNs, lernen wir etwas über die Wahl der Netzwerkarchitektur, die biologische Plausibilität von Lernalgorithmen und wir werden uns einige Studien genauer ansehen, in denen Forscher RNNs zur Erforschung der motorischen Kontrolle eingesetzt haben. In diesem Kurs sind wir daran interessiert, wie unsere Modelle funktionieren, da wir sie als Stellvertreter dafür verwenden, wie biologische Netzwerke funktionieren.
Der Kurs findet jeweils im Wintersemester statt. Sie finden den Kurs im Learnweb. Der Schlüssel für die Einschreibung lautet: Recurrence23. Wenn Sie im Vorfeld Fragen haben, wenden Sie sich per Mail an mdegraaf@uni-muenster.de.
ML-Anwendungen in der Bewegungswissenschaft
In diesem Kurs interessieren wir uns nicht so sehr für das Design und die Funktionsweise der maschinellen Lernmodelle selbst, sondern wir betrachten sie als Werkzeuge in unserem wissenschaftlichen Werkzeugkasten. Wir werden verschiedene Möglichkeiten erörtern, wie maschinelle Lernmodelle im Bereich der Bewegungswissenschaften eingesetzt werden können, z. B. markerlose Bewegungserfassung, Erkennung von gait events, Verletzungs- und Leistungsvorhersage, Prothesensteuerung und mehr.
Die Veranstaltung findet erstmalig im Sommersemester 2024 statt.
