生物医学数据科学课程是一套多学科课程,让学生深刻了解如何可收集的医学数据与真实的病理过程关联。科学允许进行详细分析并揭示观察到的和隐藏的医学现象之间的隐含依赖关系。
医学数据分析是一种现代与快速发展的实践。 目前全球需求很高。 医学数据科学家能够对任何类型个人数据进行基本分析。因此,获得医学数据分析所需的知识允许“生物医学数据科学” 硕士毕业生在世界许多国家申请高需求职位。
课程目的:
该课程目的是培养能够对各类医疗数据进行详细分析的高等专家。生物医学数据前途很大, 越来越受欢迎,需要高技能的专家。 “生物医学数据科学” 英语授课的硕士学位课程除了用于任意数据的高级数据分析的一套课程以外, 还有生物和医学鉴定的数据课程。成功完成该课程使毕业生在医疗数据中心有资格,在学术界或保险业应用所获得的技能。
课程目标:
课程期间学生将获得以下主要领域的理论和实践知识:
- 高级统计
- 机器学习
- 预测分析
- 电子健康记录 (EHR) 处理
学习成果(知识、技能、能力)
毕业后学生要达到收集医学数据及其映射的高水平。医疗电子记录中学生还将获得某些模式的识别技能,以便做出相关预测。
作为健康信息学专家 学生将能够应用医学知识。论文答辩时毕业生将有下述能力:
- 收集来自不同患者的数据集
- 进行电子健康记录分析
- 进行医疗保健分析
- 设计个性化的健康预后
相关链接
- 脸谱网页:StudySibFU
- Skype: StudyatSibFU
- VK网页:international_education_sibfu
- 西联大基础生物学与生物工艺学学院
西伯利亚联邦大学在数据科学和医学数据处理方面的领先专家设计我校生物医学数据科学课程 。 我校与当地、联邦医疗中心合作,以获得实时的非个性化数据。
课程完成后,无论数据类型如何,硕士将有足够的技能来处理数据。毕业生有很好的机会找到一份高薪的工作职位。
职业前景
- 毕业生可以申请在医疗中心担任统计员或数据经理,在保险公司担任数据分析师。除了医学领域以外, 硕士毕业生的技能允许处理任何类型的数据。
- 硕士研究所毕业后还可以考博士继续在我校研究数据科学或统计学.
教学方法
我们专注于以学生为主的学习方法。通过提供一定的帮助我校来指导学生完成课程,以便查找和分析信息。 通常与教授讨论这些主题,以充分了解信息并确定进一步发展的最佳步骤。
设施、设备和软件
为了达到学习课程的最高水平,学生将有机会在医疗机构中练习医疗数据收集,并与医学专家讨论这些数据。
Master Thesis 硕士学位论文
为了顺利毕业,学生必须写好硕士论文并在论文委员会面前通过答辩。 论文必须包括学生学习结果的详细报告,以及他/她在学习期间创造和调查的原始想法。
研究领域 | 生物医学、数据分析、数据可视化 |
---|---|
期限: | 2 年 |
开学日期 | 9月1日 |
教学方式: | 全日制 |
教育模式: | 完全在线或混合 |
硕士学位: | 科学硕士(M.Sc.) |
学分: | 120 ECTS 学分 (注:ECTS为欧洲学分互认系统) |
教学语言: | 英语 |
入学要求: |
|
学费: | 学费将公布 不包括住宿费及生活费。签订学习合同时价格会有一些变动。 |
报名时间: | 07月29日前 |
住所: | 校园内学校提供双人间和三人间 (20欧元/月)。 |
其他: | 学校可以提供机场接送服务并办理俄罗斯留学签证邀请函的服务。 |
安德烈·舒瓦耶夫
- 博士、副教授,西联大基础生物学与生物工艺学学院
研究兴趣: 生物物理学、计算神经生理学、数据分析
Google Academy: https://scholar.google.com
电子邮箱: Ashuvaev@sfu-kras.ru
课程计划
课程 | 考试 / 考察 | ECTS 学分 |
---|---|---|
F第一学年 | ||
第一个学期 | ||
人体解剖学和生理学基础 | 考察 | 2 |
临床数据挖掘 | 考试 | 3 |
高级编程 | 考察 | 2 |
生物圈和全球环境问题 | 考察 | 3 |
科学方法论和哲学 | 考试 | 4 |
学术英语写作与沟通 | 考试 | 5 |
研究研讨会 | 考察 | 2 |
硕士论文:研究 | 9 | |
第二个学期 | ||
信号处理 | 考试 | 5 |
生物医学数据中的机器学习 | 考察 | 4 |
高级编程 | 考试 | 4 |
生物医学数据分类 | 考察 | 3 |
高级统计方法 | 考察 | 3 |
研究研讨会 | 考察 | 2 |
任意选修课: 生物学中的优化和数据分析 | 考察 | 2 |
硕士论文:研究 | 5 | |
第二学年 | ||
第一个学期 | ||
预测分析 | 考试 | 5 |
生物医学数据中的机器学习 | 考察 | 4 |
生物医学数据分类 | 考试 | 5 |
高级统计方法 | 考察 | 3 |
选修课: 模式识别 | 考察 | 3 |
选修课: 研究生物系统的最先进设备和方法 | 考试 | 3 |
选修课: 高级生物统计学 | 考试 | 5 |
选修课: 高级生物统计学 | 考试 | 5 |
任意选修课: 痕量动力学 | 考察 | 2 |
硕士论文:研究 | 7 | |
第二个学期 | ||
硕士论文:研究 | 22 | |
硕士论文:答辩 | 6 |