Bayesianische Logistische Regression für medizinische Risiko-Scores
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen anonymisierten Datensatz von rund 18.000 stationären Aufnahmen mit 35 Features (Vitalwerte, Anamnese-Indikatoren, Labor-Ergebnisse) und einem 30-Tage-Wiederaufnahme-Label. Implementiere eine bayesianische logistische Regression mit PyMC oder NumPyro. Reportiere posterior predictive checks, Calibration und Unsicherheits-Intervalle für die Top-200-Risiko-Patient:innen. Liefere die Pipeline, einen 4-seitigen klinischen Bericht und ein 1-seitiges Memo zur Frage, ob das Modell als CE-Klasse-IIa-Software-Kandidat verfolgt werden sollte.
Das Briefing
Was Du tust und was Du zeigst.
Trainiere eine bayesianische logistische Regression für Wiederaufnahme-Risiko und liefere kalibrierte Unsicherheits-Intervalle für die klinische Stations-Nutzung.
Earning criteria — what you'll demonstrate
- Bayesianische Modelle korrekt aufsetzen und auf Konvergenz prüfen
- Posterior Predictive Checks als Modell-Diagnose-Werkzeug einsetzen
- Unsicherheits-Intervalle klinisch sinnvoll kommunizieren
- Modell-Eignung für regulatorische Klassen einschätzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenData Scientist
Bayesianische Modellierung mit Unsicherheits-Reporting für klinische Entscheider:innen ist die Spezial-Disziplin von Data Scientists in Gesundheits-Settings.
Dieses Projekt schärft
- bayesian-statistics
- uncertainty-quantification
- logistic-regression
Angewandte:r KI-Wissenschaftler:in
Eine Modell-Empfehlung mit Regulatorik-Memo zu schreiben, ist die typische Brückenarbeit zwischen Forschung und klinischer Operations in MedTech-Settings.
Dieses Projekt schärft
- model-calibration
- evaluation
- bayesian-statistics
Maschinelles-Lernen-Forscher:in
Posterior-basierte Auswertung und ehrliches Konvergenz-Reporting sind Forschungs-Disziplin, die für ehrliche bayesianische Modell-Studien Pflicht ist.
Dieses Projekt schärft
- bayesian-statistics
- uncertainty-quantification
- evaluation
Noch eine Sache