Master of Statistics and Data Science

Bio-Statistiken

Die Spezialisierung „Biostatistik“ konzentriert sich auf statistische Methoden, die für viele verschiedene Anwendungen in den Lebenswissenschaften, einschließlich klinischer Studien, wichtig sind.

Statistik im Allgemeinen und Biostatistik im Besonderen beruhen auf soliden mathematischen und probabilistischen Grundlagen. Aus diesem Grund werden sowohl im ersten als auch im zweiten Jahr Grundlagenkurse in einem Step-up-Design angeboten, wobei die leichteren Versionen im ersten Jahr angeboten werden. Gleichzeitig wird die starke biowissenschaftliche Ausrichtung des Faches durch eine breite Einführung in die medizinische und molekulare Biologie unterstützt.

Der praktizierende Biostatistiker muss mit wichtigen Modellierungswerkzeugen ausgestattet sein, wie z. B. lineare Modelle (Regression, Varianzanalyse usw.), verallgemeinerte lineare Modelle (logistische Regression, Poisson-Regression usw.), multivariate Methoden, Längsschnitt-Datenanalysemethoden, Bayesian Methodik, Time-to-Event-Analyse usw. Offensichtlich wird ein sicherer Umgang mit statistischer Software erwartet, weshalb sich nicht nur spezielle Kurse, sondern auch Aufgaben und Kursarbeiten in vielen Kursen auf die rechnerischen Aspekte konzentrieren. Darüber hinaus werden spezialisierte Kurse in klinischen Studien, Omics-Daten, räumlicher Statistik, Epidemiologie von Infektionskrankheiten, mikrobieller Risikobewertung usw. angeboten.

Biostatistiker müssen in der Lage sein, mit Forschern aus verschiedenen Bereichen zu kommunizieren, Ergebnisse zu berichten und effektive Präsentationen zu halten. Die Entwicklung solcher Fähigkeiten ist ein wesentlicher Bestandteil des Programms.

Bioinformatik

Technologische Entwicklungen in der Molekularbiologie in den letzten Jahrzehnten haben das Wissen über molekulare und zelluläre Prozesse verbessert, die z. B. Krankheiten und Reaktionen auf Behandlungen zugrunde liegen. „Omics“-orientierte Ansätze (wie Genomik, Transkriptomik, Mikrobiom oder Proteomik) betrachten viele Moleküle eines bestimmten Typs kollektiv anstatt jeweils ein Molekül, wodurch ein systemweites Verständnis entsteht. Diese Technologien können heute sogar auf Einzelzellebene angewendet werden. Daten, die mit Hilfe von „omics“-Technologien gewonnen werden, sind in der Regel sehr umfangreich (es werden sogar Millionen von Messungen pro einzelner biologischer Probe oder pro Zelle in einer Probe erzielt), hochstrukturiert und komplex.

Die Analyse solcher Daten ist nicht trivial und hat sich zu einer eigenen Spezialität entwickelt. Natürlich sind gute Kenntnisse der statistischen Methodik erforderlich und werden in diesem Zusammenhang im ersten Jahr unseres Programms geschult. Zusätzlich wird eine Einführung in die Medizin- und Molekularbiologie angeboten, zusammen mit einer soliden Ausbildung im Programmieren. Das zweite Jahr konzentriert sich auf die spezifischen Methoden zur Analyse von Genom-, Proteomik- und Mikrobiomdaten, die durch den Einsatz von Technologien wie Next-Generation-Sequencing, Massenspektrometrie usw. gewonnen werden. Methoden zur integrativen Analyse verschiedener Datentypen werden ebenfalls berücksichtigt.

Die Bioinformatik ist eine interdisziplinäre Wissenschaft. Statistiker, die in diesem Bereich arbeiten, müssen in der Lage sein, mit Forschern aus verschiedenen Bereichen zu kommunizieren, Ergebnisse zu berichten und effektive Präsentationen zu halten. Die Entwicklung solcher Fähigkeiten ist ein wesentlicher Bestandteil des Programms.

Quantitative Epidemiologie

Die Spezialisierung „Quantitative Epidemiologie“ konzentriert sich auf das Design und die Analyse epidemiologischer Studien, einschließlich der mathematischen Modellierung von Infektionskrankheiten.

Das Design epidemiologischer Studien und Interventionsmaßnahmen sowie die Erhebung und Analyse epidemiologischer Daten erfordern entsprechende Expertise in statistischer Methodik in Kombination mit Kenntnissen anderer wissenschaftlicher Disziplinen wie Medizinische Biologie, Informatik, Datenmanagement, Sozialwissenschaften etc.

Die statistische Methodik für die Epidemiologie beruht auf soliden mathematischen und probabilistischen Grundlagen. Deshalb werden im ersten Jahr Grundlagenkurse in Step-up-Ausführung angeboten, unterstützt durch eine breite Einführung in die medizinische und molekulare Biologie, lineare Modelle (Regression, Varianzanalyse etc.), verallgemeinerte lineare Modelle (logistische Regression). , Poisson-Regression usw.), multivariate Methoden, Längsschnittdaten, Bayes'sche Methodik usw. Im ersten Studienjahr wird auch eine Einführung in die Epidemiologie angeboten. Im zweiten Jahr werden zusätzlich zu drei Grundkursen Spezialkurse in räumlicher Epidemiologie, digitaler Epidemiologie, mathematischer Modellierung von Infektionskrankheiten, Umweltepidemiologie und mikrobieller Risikobewertung angeboten.

Natürlich wird ein sicherer Umgang mit statistischer Software erwartet, weshalb sich nicht nur spezielle Kurse, sondern auch Aufgaben und Kursarbeiten während der Kurse auf die rechnerischen Aspekte konzentrieren.

Statistiker müssen in der Lage sein, mit Forschern aus verschiedenen Bereichen zu kommunizieren, Ergebnisse zu melden und effektive Präsentationen zu halten. Die Entwicklung solcher Fähigkeiten ist ein wesentlicher Bestandteil des Programms.

Datenwissenschaft

Die Spezialisierung „Data Science“ baut auf der Handhabung, Verwaltung, Visualisierung und Analyse vieler verschiedener Arten von komplexen und/oder großen Datenquellen auf, mit einem Fokus auf moderne Programmier- und Computerumgebungen und mit soliden Kenntnissen statistischer Grundlagen.

Mit dem Aufkommen des Big-Data-Zeitalters können nun mehrere globale Herausforderungen angegangen werden, die außerhalb unserer Reichweite lagen. In der Medizin erzeugen tragbare Geräte und Echtzeitsensoren riesige Datenmengen, die Aufschluss über Auslöser von Krankheitsschüben geben können. Omics und Genomsequenzierung können bei der Behandlung und Prävention von Krankheiten helfen, insbesondere wenn sie mit anderen Datenquellen wie Informationen aus sozialen Netzwerken kombiniert werden. Die integrierte Analyse von Wetterdaten, Kreditkartentransaktionen und Luftverschmutzungsdaten gibt Aufschluss darüber, wie Menschen ihr Verhalten aufgrund von Luftverschmutzung ändern. Die grafische Analyse von Daten sozialer Netzwerke ermöglicht es, gefälschte Konten und gefälschte Nachrichten zu identifizieren – ein wachsendes Problem im aktuellen politischen Klima. Die Liste geht weiter … Ein Datenwissenschaftler ist jemand, der neben den technischen Fähigkeiten zur Bewältigung dieser Probleme den Wunsch hat, tiefer zu graben und unter die Oberfläche eines Problems zu gehen.

Die Data Science-Spezialisierung des Master of Statistics and Data Science bietet eine umfassende Ausbildung in diesem Bereich, die den gesamten Data Science-Zyklus von der Datenerfassung, -bereinigung und -verwaltung über die Analyse und Visualisierung bis hin zur Verbreitung abdeckt. Die Themen im Master umfassen daher neben sehr guten Kenntnissen statistischer Grundlagen unter anderem Daten- und Softwarezimmerei, Programmierung in Python und R, Statistik, Algorithmen, maschinelles Lernen (einschließlich Deep Learning) und Datenvisualisierung . Neben den regulären Kursen können Studierende ihre Kenntnisse und Fähigkeiten in mehreren Data-Science-Projekten und einer Hack-Woche einbringen.

Statistiker/Datenwissenschaftler müssen in der Lage sein, mit Forschern aus verschiedenen Bereichen zu kommunizieren, Ergebnisse zu berichten und effektive Präsentationen zu halten. Die Entwicklung solcher Fähigkeiten ist ein wesentlicher Bestandteil des Programms.