Biostatistik, Omics-Techniken und Big Data (BD P 10) Auswertung eines Proteom-Datensatzes mittels Perseus Software. Copyright: F. Büttner/Institut für Klinische Biochemie/MHH; Tyanova et al., Nature M

Digitale Bildanalyse (BD P 08) Qualifikationsziele Gegenstand des Moduls sind Methoden der digitalen Bildanalyse und der Visualisierung von medizinischen Bilddaten. Die Studierenden erlernen, dass die

Masterarbeit mit "Scientific Writing/Reading/Presentation" und Kolloquium (BD P 14) Qualifikationsziele Selbständige Planung und Durchführung einer wissenschaftlichen Arbeit. Kompetenzen Die Studieren

Big Data und Interoperabilität (BD P 09) Qualifikationsziele Das Modul vermittelt Kenntnisse über Big Data und das lernende Gesundheitssystem. Die Studierenden lernen Herausforderungen der Sekundärnut

Grundlagen der Programmierung (BD P 06) Qualifikationsziele Themen der Informatik werden theoretisch und praktisch vermittelt. Dabei bilden grundlegende Methoden der Programmierung in Python und deren

Statistical Machine Learning – KI und Datenanalyse (BD P 13) Qualifikationsziele Das Modul vermittelt grundlegende Machine Learning Techniken und deren Anwendung in den Life Sciences. Die Studierenden

Wie RHOT-Proteine die Energieversorgung in Herzmuskelzellen regeln MHH-Forschende haben den Signalweg entschlüsselt, der die Fortbewegung der Mitochondrien in den Zellen während der Herzentwicklung st

Humangenetik (BD P 03) Qualifikationsziele Das Modul dient der Vermittlung von grundlegendem Wissen der Humangenetik sowie modernster diagnostischer und bioinformatischer Analysemethoden. Die Studiere

Klinische Studien und Biobanking (BD P 04) Qualifikationsziele Das Modul befasst sich mit der Forschungsdatenerhebung und dem Forschungsdatenmanagement in der Klinischen Forschung und beim Biobanking.

Einführung in die Datenwissenschaft (BD P 01) Qualifikationsziele Das einführende Modul gibt einen umfassenden Überblick über die Datenwissenschaft. An konkreten Beispielen verdeutlicht das Modul die