ISMB 2024
![](/fileadmin/_processed_/8/a/csm_IMG_20240712_141835_bfcecbed5e.jpg)
Ein kürzlich durchgeführter Workshop mit dem Titel „Federated Ensemble Learning for Biomedical Data“ fand am 12. Juli auf der ISMB (International Society for Computational Biology) in Montreal statt und konzentrierte sich auf die Theorie und Praxis des föderierten Lernens und des föderierten Ensemble Learning. Organisiert von Prof. Dr. Anne-Christin Hauschild (Leitung der Forschungsgruppe Klinische Entscheidungsunterstützung am Institut für Medizinische Informatik), Youngjun Park, Hryhorii Chereda und Maryam Moradpour, behandelte das Tutorial die Konzepte und Vorteile des föderierten Ensemble Learning und demonstrierte die Implementierung von föderierten Random Forest und Ensemble Graph Neural Network (GNN) mit Python. Die Teilnehmenden lernten diese Methoden auf Brustkrebsdaten anzuwenden, einschließlich klinischer und Genexpressionsmerkmale, und erhielten Kenntnisse über die Bereitstellung dieser Modelle in einer föderierten Umgebung. Am Ende des Tutorials erwarben die Teilnehmenden theoretische und praktische Fähigkeiten im föderierten Ensemble Learning und in datenschutzfreundlichen Techniken zur Analyse biomedizinischer Daten. Hier ist eine verbesserte Formulierung des Satzes:
Der Workshop war ein großer Erfolg und wurde von den Teilnehmenden besonders für die umfassende Themenabdeckung und die praxisnahen Einblicke gelobt.