Numerische ODE-Integration für Münchner Pharma-Pharmakokinetik
Übersicht
Worum es bei diesem Projekt geht.
Integriere 12 ODEs für ein pharmakokinetisches Modell, vergleiche drei Verfahren und führe eine Sensitivitätsanalyse durch – mit verifizierbarem Zertifikat.
Das Szenario
Die Forschungsabteilung (rund 2.800 Forschende deutschlandweit) plant in Q4 eine Phase-IIa-Studie — falsche Dosis-Empfehlungen aus dem Modell könnten Probandensicherheit und Studienkosten erheblich beeinträchtigen; die ODE-Integration muss numerisch vertrauenswürdig sein.
Das Briefing
Was Du tust und was Du zeigst.
Welches numerische Verfahren (Dormand-Prince, BDF, Radau) liefert für das steife pharmakokinetische ODE-System die robustesten Ergebnisse, und wie sensitiv ist die Dosis-Empfehlung auf die 5 wichtigsten Parameter?
Earning criteria — what you'll demonstrate
- Steife ODE-Systeme erkennen und passende Verfahren wählen
- Implizite Integrationsverfahren korrekt anwenden
- Globale Sensitivitäts-Analyse mit Sobol-Indizes durchführen
- Numerische Verlässlichkeit für sicherheitsrelevante Entscheidungen dokumentieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Scientific Computing and Numerical Methods
Master · General Studies
Strong alignment
This challenge maps to Scientific Computing and Numerical Methods at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Numerical Odes
Apply numerical odes to solve real industry problems and demonstrate production-level capability.
- Stiff Systems
Apply stiff systems to solve real industry problems and demonstrate production-level capability.
- Scipy
Apply scipy to solve real industry problems and demonstrate production-level capability.
- Sensitivity Analysis
Apply sensitivity analysis to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Scientific Computing
Apply scientific computing to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Data Engineer:in
Pharma-Industrie sucht Data-Engineer:innen, die ODE-Modelle technisch sauber implementieren — die Schnittmenge mit Forscher:innen ist selten und gut bezahlt.
Dieses Projekt schärft
- numerical-odes
- sensitivity-analysis
- python
Backend-Entwickler:in
Backend-Engineer:innen, die Numerik-Pipelines an Forschungs-IT anschließen, werden in Pharma-IT-Abteilungen direkt eingestellt.
Dieses Projekt schärft
- python
- scipy
- scientific-computing
Softwareentwickler:in
Wer steife ODE-Systeme robust handhabt, hat ein seltenes Senior-Profil für wissenschaftliche Software-Häuser.
Dieses Projekt schärft
- numerical-odes
- stiff-systems
- scientific-computing
Noch eine Sache