EHR-basierte Phaenotypisierung fuer ein Basler Pharma-Forschungsteam
Übersicht
Worum es bei diesem Projekt geht.
Baue einen XGBoost-Klassifikator mit Regel-Vorfilter aus 250.000 EHRs, bewerte gegen 200 manuell verifizierte Fälle und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Identifiziere aus einem grossen EHR-Datensatz seltene Phaenotyp-Patient:innen mit hoher Praezision und uebergibst eine produktive Pipeline.
Earning criteria — what you'll demonstrate
- EHR-Daten methodisch sauber aufbereiten (Code-Mapping, Zeitfenster, fehlende Werte)
- Regel-Wissen und ML-Lernen in einer Pipeline kombinieren
- Klassifikatoren auf stark imbalancierte klinische Datensaetze trimmen
- Modell-Outputs in priorisierte Arzt-Review-Listen uebersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning for Healthcare and Biomedicine
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 RollenApplied AI Scientist
EHR-basierte Phaenotypisierung fuer klinische Studien ist eine zentrale angewandte KI-Aufgabe in Pharma-Forschungsteams.
Dieses Projekt schärft
- clinical-ml
- phenotyping
- ehr-data
Data Scientist
Regelbasiertes und ML-Wissen in einer Pipeline zu verheiraten ist Senior-Data-Scientist-Disziplin in Pharma- und Versorgungsforschung.
Dieses Projekt schärft
- supervised-learning
- xgboost
- ehr-data
ML Researcher
Klassifikation auf extrem imbalancierten klinischen Datensaetzen methodisch sauber zu loesen ist eine wiederkehrende Forschungsaufgabe in klinischen ML-Laboren.
Dieses Projekt schärft
- clinical-ml
- phenotyping
- supervised-learning
Noch eine Sache