Krankheitsverlaufs-Modellierung von Diabetes Typ 2 fuer eine Berliner Versorgungsforschung
Übersicht
Worum es bei diesem Projekt geht.
Implementiere ein Mixed-Effects-Modell und einen Transformer zur Vorhersage des HbA1c-Verlaufs bei Diabetes Typ 2 und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Vergleiche ein statistisches Mixed-Effects-Modell und ein neuronales Sequenzmodell fuer 5-Jahres-HbA1c-Trajektorien und verteidige die methodisch beste Wahl.
Earning criteria — what you'll demonstrate
- Mixed-Effects-Modelle als statistisches Standardverfahren in der Versorgungsforschung anwenden
- Transformer auf irregulaer abgetastete medizinische Zeitreihen anwenden
- Statistische und ML-Methoden methodisch fair vergleichen
- Eine wissenschaftliche Notiz verfassen, die in einer Versorgungsleitlinie zitiert werden koennte
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 RollenML Researcher
Sequenzmodelle gegen statistische Standardverfahren methodisch sauber zu vergleichen ist Kern-Forschungsarbeit in akademischer Versorgungsforschung.
Dieses Projekt schärft
- disease-progression
- sequence-models
- statistical-modeling
Research Scientist
Eine wissenschaftliche Notiz auf Leitlinien-Niveau zu verfassen ist Junior-Research-Scientist-Disziplin in Versorgungsforschung und epidemiologischen Instituten.
Dieses Projekt schärft
- mixed-effects-models
- statistical-modeling
- disease-progression
Applied AI Scientist
Den Trade-off zwischen statistischer Interpretierbarkeit und neuronaler Genauigkeit ehrlich zu verhandeln ist Senior-applied-AI-Arbeit im Gesundheitsbereich.
Dieses Projekt schärft
- clinical-ml
- sequence-models
- disease-progression
Noch eine Sache