Risiko-Stratifizierung von Herzinsuffizienz-Patient:innen fuer ein Heidelberger Universitaetsklinikum
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein Gradient-Boosting-Modell zur Risiko-Stratifizierung und vergleiche es mit einem klinischen Score. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Liefere ein kalibriertes, fair stratifiziertes 12-Monats-Risiko-Modell fuer Herzinsuffizienz-Patient:innen, das den klinischen Standard-Score klar schlaegt.
Earning criteria — what you'll demonstrate
- Klinische Risiko-Modelle gegen etablierte klinische Scores fair vergleichen
- Wahrscheinlichkeits-Kalibrierung als Pflichtfeld in klinischen ML-Anwendungen einsetzen
- Subgruppen-Fairness als Hygiene-Standard, nicht als Add-on bewerten
- Modelle so dokumentieren, dass Aerzt:innen sie verstehen und kritisch nutzen koennen
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
Klinische ML-Anwendungen mit Kalibrierung, Subgruppen-Fairness und Modell-Karten zu liefern ist genau die taegliche Arbeit von Applied-AI-Scientists in akademischen Medizinzentren.
Dieses Projekt schärft
- risk-stratification
- clinical-ml
- calibration
Data Scientist
Senior-Data-Scientists im Healthcare-Bereich muessen Modelle gegen klinische Standard-Scores fair vergleichen und Fairness als Pflicht behandeln.
Dieses Projekt schärft
- calibration
- fairness-evaluation
- xgboost
ML Researcher
Methodisch saubere zeitliche Validierung und Subgruppen-Analyse sind Senior-Forschungsdisziplinen in klinischen ML-Laboren.
Dieses Projekt schärft
- risk-stratification
- fairness-evaluation
- clinical-ml
Noch eine Sache