Fairness-Audit eines ICU-Sepsis-Warnsystems fuer einen Muenchner Klinikverbund
Übersicht
Worum es bei diesem Projekt geht.
Prüfe Fairness eines KI-Sepsis-Warnsystems mit statistischen Gruppenvergleichen und erstelle ein Audit. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Pruefe statistisch sauber, ob das Sepsis-Warnsystem Subgruppen ungleich gut warnt, und liefere klinisch tragfaehige Korrektur-Optionen.
Earning criteria — what you'll demonstrate
- Klinische Fairness ueber Genauigkeit hinaus (Vorwarnzeit, Schwellwert) bewerten
- Statistische Tests fuer Subgruppen-Unterschiede mit korrekter Mehrfachvergleichs-Korrektur einsetzen
- Audits methodisch sauber durchfuehren und schriftlich verteidigen
- Korrektur-Optionen klinisch und ethisch gegeneinander abwaegen
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 RollenAI Safety Researcher
Klinische Fairness-Audits mit statistisch sauberen Methoden zu liefern ist genau die Kernkompetenz von AI-Safety-Forscher:innen in der Medizin.
Dieses Projekt schärft
- fairness-evaluation
- auditing
- ml-ethics
Applied AI Scientist
Statistische Tiefe mit klinischer Interpretierbarkeit zu verbinden ist die taegliche Senior-applied-AI-Arbeit in Krankenhausverbuenden.
Dieses Projekt schärft
- clinical-ml
- statistical-testing
- fairness-evaluation
ML Researcher
Audits methodisch sauber zu konzipieren und Korrektur-Optionen zu verteidigen ist Forschungs-Arbeit auf Senior-Niveau in klinischen ML-Laboren.
Dieses Projekt schärft
- auditing
- fairness-evaluation
- clinical-ml
Noch eine Sache