Humanitas University

Μεταπτυχιακό στην Ανάλυση Δεδομένων και την Τεχνητή Νοημοσύνη στις Επιστήμες Υγείας (DAIHS)

Το σχέδιο μελέτης έχει δομηθεί έτσι ώστε να συγχωνεύει επιστημονικά πεδία από την επιστήμη δεδομένων με επιστημονικά πεδία από τον ιατροβιολογικό τομέα.

Αυτό θα επιτρέψει την προηγμένη εκπαίδευση στη στατιστική, τον προγραμματισμό υπολογιστών, τη μηχανική μάθηση και την τεχνητή νοημοσύνη, να συνδυαστεί με τη γνώση της βιολογίας, της γενετικής, της ηθικής και των κανονισμών στον τομέα της υγειονομικής περίθαλψης.

Το σχέδιο μελέτης για το DAIHS στοχεύει στην ανάπτυξη ενός πολιτιστικού και επαγγελματικού προφίλ που μπορεί να συμβάλει άμεσα στη βελτίωση τόσο της ζωής των ασθενών όσο και των οργανισμών υγειονομικής περίθαλψης.

Για την επίτευξη αυτού του στόχου, το σχέδιο μελέτης έχει δομηθεί ώστε να συγχωνεύει επιστημονικά πεδία από την τάξη πτυχίου LM Data Science, με επιστημονικά πεδία από τον ιατροβιολογικό τομέα. Αυτό θα μας επιτρέψει να συνδυάσουμε τη βαθιά εκπαίδευση στον προηγμένο προγραμματισμό, τη στατιστική, τη μηχανική μάθηση και την τεχνητή νοημοσύνη με στέρεες γνώσεις βιολογίας, γενετικής, δεοντολογίας και ειδικών κανονισμών στον τομέα της υγειονομικής περίθαλψης.

Το μάθημα είναι δομημένο σε δύο χρόνια και θα διεξαχθεί εξ ολοκλήρου στα αγγλικά. Διεθνείς καθηγητές και ειδικοί με ισχυρή επαγγελματική εμπειρία στο εξωτερικό αποτελούν μέρος του διδακτικού προσωπικού του μαθήματος DAIHS.

Οι φοιτητές θα έχουν επίσης την ευκαιρία να μάθουν σε διεθνείς εμπειρίες ως μέρος της ανάπτυξης της διατριβής.

Το 1ο έτος επικεντρώνεται κυρίως στην παροχή των απαραίτητων γνώσεων στον προηγμένο προγραμματισμό, τη στατιστική, τη μηχανική μάθηση και την τεχνητή νοημοσύνη και λόγω αυτών των χαρακτηριστικών βασίζεται κυρίως στο Πανεπιστήμιο Bocconi. Το 2ο έτος λαμβάνει χώρα στο Humanitas University για να βυθίσει τους φοιτητές στην πραγματικότητα ενός μεγάλου εκπαιδευτικού νοσοκομείου, που εργάζεται σε βιολογικά και κλινικά δεδομένα.

ΣΧΕΔΙΟ ΜΕΛΕΤΗΣ

Το πρώτο έτος επικεντρώνεται κυρίως στην παροχή των απαραίτητων γνώσεων σε προηγμένα στατιστικά στοιχεία, προγραμματισμό, μηχανική μάθηση και τεχνητή νοημοσύνη και βασίζεται κυρίως στο Πανεπιστήμιο Bocconi. Το τελευταίο μέρος του πρώτου έτους και ολόκληρου του δεύτερου έτους, συμπληρώνει την εκπαίδευση κυρίως στο Humanitas University , μέσω μιας καθηλωτικής, πρακτικής εμπειρίας μάθησης που περιλαμβάνει την παροχή υποχρεωτικής ολοκληρωμένης διδασκαλίας, εξετάσεις επιλογής, σεμινάρια, πρακτικές εμπειρίες και ανεξάρτητη έρευνα.

Οι φοιτητές θα έχουν επίσης την ευκαιρία να μάθουν κατά τη διάρκεια διεθνών εμπειριών ως μέρος της ανάπτυξης της διατριβής και της πρακτικής τους άσκησης.

1ο έτος

• Προηγμένες Στατιστικές για Επιστήμες Υγείας
• Προχωρημένος Προγραμματισμός Υπολογιστών
• Τεχνητή Νοημοσύνη – Ενότητα 1
• Απόρρητο, Δεοντολογία και Κανονισμοί στην Εφαρμογή της ΤΝ – Σεμινάριο
• Εκμάθηση μηχανών
• Τεχνητή Νοημοσύνη – Ενότητα 2
• Συστήματα Δεδομένων στην Υγεία
• 1 μάθημα επιλογής από:
  • Αιτιώδης συμπέρασμα
  • Επεξεργασία φυσικής γλώσσας
  • Δυναμική Μοντελοποίηση για Πολύπλοκα Συστήματα
  • Βιολογία και Γενετική
  • Επιστήμη Δεδομένων για Κλινικές
  • Κλινική επιδημιολογία

2ο Έτος

• Αλληλουχία επόμενης γενιάς και Βιοπληροφορική
• Εφαρμογές Τεχνητής Νοημοσύνης στις Επιστήμες Υγείας
• 1 μάθημα επιλογής από:
  • AI και Τεχνικές Οπτικοποίησης-Πλοήγησης στη Χειρουργική και την Ενδοσκόπηση
  • AI Εφαρμοσμένη στην Απεικόνιση (ακτινολογία και ανθρώπινη παθολογία)
  • Σύστημα κλινικής απόφασης και AI
  • Οδηγίες για την Εκτίμηση Ποιότητας και την Αναφορά στη δημοσίευση AI – Σεμινάριο
  • Ξένη Γλώσσα (1ο εξάμηνο)
  • Πρακτική
  • ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ

Humanitas University είναι ένα διεθνώς αναγνωρισμένο ίδρυμα αφιερωμένο στην ιατρική και επιστημονική εκπαίδευση. Προσφέρει υψηλής ποιότητας μαθήματα που διδάσκονται στα αγγλικά και κατατάσσεται μεταξύ των κορυφαίων πανεπιστημίων παγκοσμίως. Σύμφωνα με τις σημαντικότερες παγκόσμιες κατατάξεις, κατατάσσεται:

• Times Higher Education (THE): κατατάσσεται 151η–175η παγκοσμίως και 3η στην Ιταλία·
• Κατάταξη Σαγκάης (ARWU): κατατάσσεται 151-200ή παγκοσμίως και μεταξύ 3ης και 9ης σε εθνικό επίπεδο.
• Κατάταξη Leiden (CWTS): 22η παγκοσμίως και 1η στην Ιταλία για επιστημονικό αντίκτυπο

Η πρωτοποριακή πανεπιστημιούπολη, χτισμένη δίπλα στο Νοσοκομείο Έρευνας Humanitas (βραβευμένο ως το καλύτερο ιταλικό νοσοκομείο από την Agenas ), αντικατοπτρίζει τη συνεχή ολοκλήρωση και συνεργασία μεταξύ μάθησης, έρευνας και κλινικής πρακτικής.

Αυτό το μεταπτυχιακό μάθημα στοχεύει να εκπαιδεύσει επαγγελματίες με κατανόηση του τομέα της υγειονομικής περίθαλψης και βαθιά γνώση της θεωρητικής και πρακτικής γνώσης που απαιτείται για την εφαρμογή μεθόδων τεχνητής νοημοσύνης και μηχανικής μάθησης σε αυτόν τον τομέα.

Ο Ρόλος του Επιστήμονα Δεδομένων στις Επιστήμες Υγείας

Οι απόφοιτοι σε αυτόν τον ρόλο θα εξάγουν, θα αναλύουν, θα μοντελοποιούν και θα ερμηνεύουν δεδομένα υγείας μέσω της εφαρμογής σύγχρονων αναλυτικών τεχνικών που προέρχονται από στατιστικές, μηχανική μάθηση και τεχνητή νοημοσύνη, για να λάβουν απαντήσεις χρήσιμες για επιστημονική έρευνα. Θα ερμηνεύσουν επίσης κλινικά-διαγνωστικά-θεραπευτικά Pathways , θα κατανοήσουν τις απαιτήσεις των κλινικών γιατρών και των βασικών ερευνητών και θα εντοπίσουν εργαλεία λογισμικού που απαιτούνται για την επεξεργασία και ανάλυση κλινικών και βιολογικών δεδομένων. Τέλος, θα σχεδιάσουν και θα διεξάγουν επιστημονικές μελέτες στον τομέα της ιατρικής και των επιστημών υγείας, συνεργαζόμενοι αποτελεσματικά με επαγγελματίες υγείας και ερευνητές από διαφορετικούς κλάδους.

Μπορούν να απασχολούνται από διάφορους εργοδότες, συμπεριλαμβανομένων ερευνητικών ιδρυμάτων, φαρμακευτικών και βιοτεχνολογικών βιομηχανιών, εταιρειών τεχνολογίας υγείας, δημόσιους φορείς και κυβερνητικούς φορείς, νοσοκομεία και οργανισμούς υγειονομικής περίθαλψης, νεοφυείς επιχειρήσεις στον κλάδο της υγείας, συμβουλευτικές και επαγγελματικές υπηρεσίες και ερευνητικά ιδρύματα.

Οι απόφοιτοι του προγράμματος θα είναι σε θέση:

• Σχεδιάστε και εφαρμόστε μια πλήρη διαδικασία στατιστικής ανάλυσης δεδομένων υγείας, από την απόκτηση έως την εξαγωγή των πληροφοριών που σας ενδιαφέρουν, με ιδιαίτερη έμφαση σε μεθόδους και αλγόριθμους από τη Μηχανική Μάθηση και την Τεχνητή Νοημοσύνη
• Δημιουργήστε προγνωστικά μοντέλα από δεδομένα
• Σχεδιάστε και αναπτύξτε λογισμικό για την εκτέλεση της ανάλυσης και την ερμηνεία των αποτελεσμάτων της ανάλυσης δεδομένων υγείας
• Αναπαράσταση και κοινοποίηση των αποτελεσμάτων από αναλύσεις
• Περιγράψτε και εφαρμόστε διαδικασίες για την προστασία της ποιότητας των δεδομένων, της ιδιωτικής ζωής και της πνευματικής ιδιοκτησίας