Attribut:Beschreibung-DE
Zur Navigation springen
Zur Suche springen
Dies ist ein Attribut des Datentyps Text.
L
Die Studierenden können Grundlagen der Datenrepräsentation und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses, Knowledge Management +
Die Studierenden können Datenbanken und Datenbankabfragen +
Die Studierenden können Maßnahmen zur Sicherstellung einer hohen Datenqualität +
Die Studierenden können ethische, politische, regulatorische und soziale Gesichtspunkte für den Umgang mit Big Data +
Die Studierenden können Einsatzszenarien für telemedizinische Anwendungen und deren Rahmenbedingungen +
Die Studierenden können die Methoden der praktischen, technischen und theoretischen Informatik +
Die Studierenden können Methoden der praktischen Informatik, insbesondere zu Programmiersprachen, Software-Engineering, Datenstrukturen, Datenbankmanagementsysteme, Informations- und Systemmodellierungstools, Informationssystem-Theorie und -Praxis, Knowledge Engineering, (Konzept-)Darstellung und Beschaffung, Software-Architekturen +
Die Studierenden können Methoden der theoretischen Informatik, z.B. Komplexitätstheorie, Verschlüsselung/Sicherheit +
Die Studierenden können Methoden der technischen Informatik, z.B. Netzwerkarchitekturen und -topologien, Telekommunikation, Technologien der drahtlosen Datenübertragung, Virtual Reality, Multimedia +
Die Studierenden können wichtige Standards der Medizinischen Informatik +
Die Studierenden können die mathematischen und statistischen Grundlagen +
Die Studierenden können für BMHI wesentliche Theoreme und Verfahren der Algebra, Analyse, Logik, numerische Mathematik, Wahrscheinlichkeitstheorie und Statistik, Kryptographie +
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 ethische, rechtliche, politische, ökonomische & soziotechnische Aspekte +
Die Studierenden können Politische und regulatorische Rahmenbedingungen für den Umgang mit Informationen im Gesundheitswesen +
Die Studierenden können die gesetzlichen Grundlagen der Medizinischen Dokumentation, auch DSGVO (Datenschutz-Grundverordnung der Europäischen Union) und IT-Sicherheitsgesetz +