Bayessches Netz fuer Pharmakovigilanz-Signale modellieren
Übersicht
Worum es bei diesem Projekt geht.
Modelliere ein Bayessches Netz aus 18.000 Nebenwirkungsmeldungen, validiere es zeitlich und erhalte dein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Baue ein Bayessches Netz, das aus historischen Nebenwirkungsmeldungen die wahrscheinlichsten zusaetzlich auftretenden Symptome fuer einen neuen Fall vorschlaegt.
Earning criteria — what you'll demonstrate
- Strukturlernen in Bayesschen Netzen mit Hill-Climbing und BIC-Score anwenden
- Bedingte Wahrscheinlichkeitstabellen mit Dirichlet-Prior schaetzen
- Exakte Inferenz (Variable Elimination) auf einem realen Netz ausfuehren
- Probabilistische Modelle fuer ein klinisch geschultes Publikum erklaeren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Probabilistic Graphical Models
Master · Ai Ml
Fit score: 1
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
Ein Bayessches Netz auf einem realen Gesundheits-Datensatz zu lernen, ehrlich zu validieren und fuer Domaenenexpertinnen aufzubereiten ist exakt das, was ein Data Scientist im Pharma- oder Versicherungsumfeld in der ersten Projektphase liefert.
Dieses Projekt schärft
- bayesian-networks
- model-evaluation
- healthcare-data
Applied AI Scientist
Strukturlernen mit Domaenen-Constraints zu kombinieren und das Ergebnis klinisch plausibel zu argumentieren ist die taegliche Arbeit angewandter KI-Wissenschaftler in regulierten Branchen.
Dieses Projekt schärft
- structure-learning
- probabilistic-inference
- healthcare-data
ML Researcher
Hill-Climbing, BIC und Variable Elimination sauber umzusetzen und gegen Kalibrierungsmetriken zu pruefen ist Grundhandwerk in jeder probabilistischen Forschungsgruppe.
Dieses Projekt schärft
- bayesian-networks
- structure-learning
- probabilistic-inference
Noch eine Sache