Faglig innhold

Dette emnet introduserer bruken av kunstig intelligens (KI)-metoder på strukturerte og tekstlige helsedata og informasjon.

Læringsutbytte

• Kunnskap. Lære å behandle og analysere helsedata og helseinformasjon. Bruke KI-metoder fra veiledet, semi-veiledet eller uveiledet læring på helsedata. Forstå i hvilke situasjoner disse læringsprosessene er egnet, hvordan de fungerer, deres fordeler og ulemper og den typen innsikt de kan gi.
• Ferdigheter. Forstå data og informasjon som skal analyseres, hvordan de trenger å behandles og hvilken type domenekunnskap som bør brukes. Kan velge egnete KI-metoder for å analysere og utvinne innsikt fra data. Forstå hva KI-metoden har lært og hvordan den kan støtte faktiske beslutninger. Kan kommunisere og tolke resultatene til andre, både eksperter og beslutningstagere.

Læringsformer og aktiviteter

Forelesninger og laboratorieøvinger.

Pensumlitteratur, forelesninger, laboratorieoppgaver, øvinger og eksamen vil delvis bli gitt på engelsk, og det kreves gode engelskkunnskaper for å delta.

Obligatoriske aktiviteter

• Øvinger og deltakelse på fellessamlingene.

Spesielle vilkår

Anbefalte forkunnskaper

• Grunnleggende programmeringsferdigheter i Python.
• Statistikk
• Kliniske data og pasientjournaler

Se gjennom programmeringsferdighetene dine med disse to online-kursene:

• Get started with Python, if you have no coding experience: https://www.kaggle.com/learn/intro-to-programming/
• Learn the most important language for data science: https://www.kaggle.com/learn/python/

Forkunnskapskrav

1. IT6116 - Analyse av helsedata - Innføring,
2. Tre års utdanning fra høyskole / universitet og
3. Minst to år relevant yrkespraksis innen helsefag, realfag og/ eller informatikk.

Annen relevant utdanning kan gi grunnlag for opptak etter individuell vurdering.

Søkere med utenlandsk utdanningsbakgrunn må fylle de generelle språkkravene i norsk og engelsk: https://www.samordnaopptak.no/info/utenlandsk_utdanning/sprakkrav/krav-til-norsk-og-engelsk-for_hoyere_utdannning/index.html

Krav til dokumentasjon:

https://www.ntnu.no/videre/dokumentasjon

Dokumentasjon lastes opp når du søker og kan lastes opp til søknadsfristen går ut.

Vi tar forbehold om tilstrekkelig antall søkere for at emnet gjennomføres. Dersom det blir flere søkere enn antall plasser prioriteres søkerne som følger:

1. Ansatte i Arkivverket og Helsedirektoratet
2. Søkere bosatt i Tynset, Alvdal, Folldal, Rendalen, Tolga, Os, Røros eller Holtålen kommune
3. "Først til mølla"-prinsippet (dato for søknad).

Kursmateriell

Anbefalte lærebøker:

• Yu, B., & Barter, R. L. (2024). Veridical data science: The practice of responsible data analysis and decision making. The MIT Press.
• McKinney, W. (2022). Python for data analysis: Data wrangling with pandas, NumPy, and Jupyter (Third edition). O’Reilly.

Supplerende materiale kan bli tilgjengelig underveis i kurset.

Tilgang til egen bærbar datamaskin er nødvendig.