|
Klinische Datenwissenschaften (ClinicalDataScience)
- Dozent/in
- PD Dr. Dennis Toddenroth
- Angaben
- Vorlesung mit Übung
4 SWS, benoteter Schein, ECTS-Studium, ECTS-Credits: 5, Sprache Deutsch, Master
Zeit und Ort: Do 14:15 - 15:45, 0.055; Bemerkung zu Zeit und Ort: Besprechungsraum (0.055) des Lehrstuhls für Medizinische Informatik (Wetterkreuz 15, 91058 Erlangen-Tennenlohe, Erdgeschoss)
- Studienfächer / Studienrichtungen
- WPF INF-MA ab 1 (ECTS-Credits: 5)
- Voraussetzungen / Organisatorisches
- Bitte melden Sie sich mit Angabe Ihrer Matrikelnummer, Ihres Studienfachs, Ihrer StudOn-Kennung und Ihres Abschlusses (Bachelor/Master) bis zum 13. April 2022 per E-Mail an mailto:martin.ross@fau.de an. Die Teilnehmerzahl ist beschränkt. Einschreibungen werden nach Reihenfolge der Anmeldung akzeptiert.
Übungstermine (90 Minuten pro Woche) werden in der ersten Vorlesung besprochen und vereinbart.
- Inhalt
- Der zunehmende Umfang elektronisch vorliegender klinischer Daten erweitert die Möglichkeiten, diese auch zur automatisierten Analyse bisher unentdeckter medizinischer Zusammenhänge und zur Erzeugung neuen medizinischen Wissens zu verwenden. Derartige Datenauswertungen hängen oft nicht von einzelnen Fragestellungen oder Hypothesen ab, insofern unterscheiden sich die angewendeten explorativen Methoden auch von entsprechend etablierten statistischen Verfahren. Diese Veranstaltung thematisiert die Anwendung solcher automatisierter Auswertungsmethoden auf Patientendaten. Nach einem vergleichenden Überblick über das übliche Vorgehen zur Generierung medizinischen Wissens (biometrische Grundlagen u. Studientypen) werden Grundprinzipien und Gemeinsamkeiten unterschiedlicher Data-Mining-Methoden behandelt; anschließend werden einzelne Methoden und Anwendungsbeispiele vertieft. Innerhalb der Veranstaltung wird eine praktische Einführung in die Programmiersprache R vermittelt ( http://www.r-project.org/ ). Die Teilnehmer sollen sich dabei in praktischen Übungen auch selbständig in einzelne Vorhersageverfahren einarbeiten, um diese dann auf medizinische Beispieldatensätze praktisch anzuwenden und die so erzeugten Beobachtungen kritisch zu interpretieren.
- ECTS-Informationen:
- Credits: 5
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 10, Maximale Teilnehmerzahl: 24
www: https://www.studon.fau.de/studon/goto.php?target=crs_2863149
- Verwendung in folgenden UnivIS-Modulen
- Startsemester SS 2022:
- Klinische Datenwissenschaften (ClinicalDataScience)
- Institution: Lehrstuhl für Medizinische Informatik
|
|
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|