Attribut:Beschreibung-DE
Zur Navigation springen
Zur Suche springen
Dies ist ein Attribut des Datentyps Text.
L
Die Studierenden können Einsatzszenarien für telemedizinische Anwendungen und deren Rahmenbedingungen +
Die Studierenden können Grundlagen der Datengewinnung und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses (Data Sharing), Knowledge Management +
Die Studierenden können Grundlagen der Datengewinnung und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses, Knowledge Management , (FAIR-Prinzipien) - idealerweise an realen Bedingungen +
Die Studierenden können bei gängigen Datenbanken Abfragen +
Die Studierenden können Maßnahmen zur Sicherstellung einer hohen Datenqualität (auf Basis von FAIR-Prinzipien) +
Die Studierenden können Anforderungen an die Informationsverarbeitung bei klinsichen Studien an EDC (Electronic Data Capture) z.B. aus Registern (deutsches Krebsregister) +
Die Studierenden können ethische, politische, regulatorische und soziale Gesichtspunkte für den Umgang und Austausch mit Big Data +
Die Studierenden können Datengewinnung aus telemedizinische und anderen Anwendungen +
Die Studierenden können die Methoden der praktischen, technischen und theoretischen Informatik +
Die Studierenden können Grundlagen der praktischen Informatikfür die Datengewinnung und -analyse z.B. Software-Engineering, Datenstrukturen, Datenbankmanagementsysteme, Informations- und Systemmodellierungstools, Informationssystem-Theorie und -Praxis, Knowledge Engineering, (Konzept-) Darstellung und Beschaffung, Software-Architekturen +
Die Studierenden können Grundlagen der theoretischen Informatik für die Datengewinnung und -analyse, z.B. Komplexitätstheorie, Verschlüsselung/Sicherheit +
Die Studierenden können Grundlagen der technischen Informatik für die Datengewinnung und -analyse, z.B. Netzwerkarchitekturen und -topologien, Telekommunikation, Technologien der drahtlosen Datenübertragung, Virtual Reality, Multimedia +
Die Studierenden können wichtige Standards der Medizinischen Informatik für Datengewinnung, -analyse, -austausch +
Die Studierenden können Analyseverfahren (statistische Modelle, "Machine Learning" und Verfahren künstlicher Intelligenz) +
Die Studierenden können unterschiedliche Arten von wissensbasierten Systemen und medizinische Anwendungen von CDSS (Clinical decision support system) zur Optimierung der Krankenversorgung +
Die Studierenden können Beispiele für maschinelle Lernverfahren und die Grundprinzipien für deren Evaluation am Beispiel künstlicher Neuronaler Netze +
Die Studierenden können den Begriff personalisierte Medizin und medizinische Anwendungen von maschinellen Lernverfahren oder KI-Systemen, insbesondere im Kontext des Medizinproduktegesetzes +
Die Studierenden können die Bedeutung von Begriffsordnungen kontrollierten Vokabularen für die Medizin allgemein +
Die Studierenden können technische und organisatorische Maßnahmen zum sicheren Umgang mit Patientendaten in Versorgung und Forschung sowie Verfahren zur sicheren Übermittlung und Speicherung von Patientendaten und deren Unterscheidung von unsicheren Methoden +
Die Studierenden können ethische, rechtliche und soziotechnische Aspekte +