Biografie
Kim Tang beschäftigt sich in seiner aktuellen Doktorarbeit mit der Nutzung biomedizinischer Textdaten mittels natürlicher Sprachverarbeitung und künstlicher Intelligenz für datengetriebene medizinische Anwendungen. Während seiner bisherigen akademischen Laufbahn an der RWTH Aachen University lag sein Schwerpunkt auf KI im Kontext der Erklärbarkeit und des verteilten Lernens. Durch zwei Auslandssemester an der Kwantlen Polytechnic University in Vancouver und an der National Chiao Tung University in Hsinchu gewann er Einblicke in die internationale Forschung zu KI-basierter Bildverarbeitung und Informationsgewinnung. Seit Januar 2025 ist er für die Softwareentwicklung und Forschungsausrichtung des verteilten Lernens bei BI-K im Rahmen der Projekte PrivateAIM und BETTER verantwortlich.
Kontakt
- E-Mail fu-sung.tang@uk-koeln.de
- Büro Postadresse: Kerpener St. 62 - 50937 Köln Besuchsadresse: BI-K - Geb. 705 - Zülpicher Str. 58e - 50672 Köln - 1 OG - Raum 1.010
- Google Scholar
- Gitlab
- ResearchGate
- ORCID
- GitHub
Fachliche Ausbildung
Fachgebiete
Forschungsfokus
- Federated Learning
- Transparency
-
Researcher (Distributed Analytics)University of Cologne, Medical Faculty and University Hospital Cologne, Institute of Biomedical Informatics
-
PhD Student (Computer Science in Medicine)RWTH Aachen University, Institute of Applied Medical Engineering
-
-Master Student (Computer Science)RWTH Aachen University
Master thesis focus on distributed analytics
-
-Bachelor Student (Computer Science)RWTH Aachen University
Bachelor thesis focus on explainability of biomedical text classification
Aktuelle Lehre
Medical Image processing
Dieser Kurs bietet eine Einführung in die wichtigsten Konzepte der medizinischen Bildverarbeitung. Ziel der Veranstaltung ist die Vermittlung von praxisnahem Grundlagenwissen, das zur Auswertung von medizinischen Bilddaten benötigt wird.
In KLIPS anzeigenMedical AI - Explainable AI for Diabetes Prediction: A Hands-On Seminar with Python
In diesem Seminar lernen Medizinstudierende, wie künstliche Intelligenz zur Vorhersage von Diabetes eingesetzt werden kann. Anhand eines konkreten Beispieldatensatzes entwickeln sie ein einfaches KI-basiertes Klassifikationsmodell mit Python in einer interaktiven vorinstallierten Programmierumgebung. Es werden dabei Inhalte zur Grundthematik, dem Einlesen und Analysieren der Ausgangsdaten, der Klassifizierung sowie der Evaluierung der Ergebnisse vorgestellt und durch diverse Aufgaben vertieft. Besonderer Fokus wird dabei auf die Erklärbarkeit gesetzt, um Nachvollziehbarkeit der Klassifizierungen zu ermöglichen und Ergebnisse auch klinisch genauer betrachten zu können. Inhalte des Seminars: Einführung in die Problemstellung: Wie kann KI bei der Diabetes-Diagnose unterstützen? Datenexploration: Verständnis der Features und ihrer Bedeutung Aufbau eines KI-basierten Klassifikationsmodells Evaluierung der Modellleistung Einblick in Modellinterpretation: Welche Merkmale (Features) sind entscheidend? Studierende, die an beiden Sitzungen teilnehmen, erhalten auf Anfrage eine Teilnahmebescheinigung.
In KLIPS anzeigenAI in Medicine Series
Künstliche Intelligenz verändert die Medizin bereits grundlegend, aber wie funktionieren die zugrunde liegenden Methoden und welche Chancen und Herausforderungen bieten sie? In dieser Seminarreihe wird in jedem Vortrag ein neues, praxisnahes Thema behandelt, darunter die Grundlagen einiger KI-Methoden, ethische Herausforderungen und mögliche Lösungen. Die Vorträge, die je nach Referent auf Deutsch oder Englisch gehalten werden, sind thematisch miteinander verbunden, aber in sich abgeschlossen.
In KLIPS anzeigenCoding Basics in Python
Einführung in die grundlegenden Konzepte der Programmierung in Python, die für die Auswertung von medizinischen und Forschungsdaten erforderlich sind. Die Teilnehmer werden in diesem interaktiven Seminar aus erster Hand lernen, wie sie ihren eigenen Code entwickeln und ausführen können.
In KLIPS anzeigenWissPro - Literaturrecherche
Dieser Kurs richtet sich an Medizinstudierende, die sich für WissPro 1 und 2 interessieren und sich mit Literaturrecherche befassen. Er umfasst eine Einführungsvorlesung zu Strategien und Best Practices der Literaturrecherche sowie Präsentationen zu den Themen, die von verschiedenen Mitarbeitenden unseres Instituts angeboten werden. Die Arbeit wird nach einem Zeitplan mit mehreren Kontrollpunkten organisiert und endet mit Präsentationen der Teilnehmenden vor Ort.
In KLIPS anzeigen
