| Kods | RSU011 | |||||||||||||||||||||||||||||||||||||||
| Nosaukums | Datu analīze un mākslīgais intelekts veselības aprūpē | |||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | |||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Otrā līmeņa profesionālā augstākā, Profesionālais | |||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Vadība un administrēšana | |||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Dabaszinātņu un tehnoloģiju fakultāte | |||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Inese Mieriņa | |||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 2.0 (3.0 ECTS) | |||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | |||||||||||||||||||||||||||||||||||||||
| Anotācija |
Studiju kurss ir paredzēts RTU-RSU kopīgās studiju programmas "Rūpnieciskā farmācija" studentiem.. Studiju kursu nodrošina RSU ar studiju kursa kodu VVDG_040: https://www.rsu.lv/kurss/VVDG_040. |
|||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
|||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir iepazīstināt ar lielo datu analīzes, datu vizualizācijas, mākslīgā intelekta un mašīnmācīšanās pamatprincipiem, lai veiksmīgi izmantotu šīs prasmes veselības aprūpes uzlabošanai un inovācijām. Kurss nodrošinās iespēju sasniegt augsta līmeņa digitālās prasmes, lai efektīvi darbotos digitālās veselības aprūpes kontekstā. | |||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
- Pārzināt aprakstošās un prognostiskās veselības datu analīzes metodes; - Students argumentē un integrē aprakstošās un prognostiskās veselības datu analīzes metodes
Eksāmens. Testi - Pārzināt un raksturot veselības datu vizualizācijas pieejas un iespējas; - Students pielieto veselības datu vizualizācijas pieejas un metodes, datos balstītu lēmumu pieņemšanai Eksāmens. Testi - Pārzināt dažādus mākslīgā intelekta risinājumus un to pielietojumu veselības aprūpē; - Students izvēlas atbilstošus risinājumus un identificē prasības, lielo datu ģenerēšanai, atlasei un to tālākai analītiskai apstrādei, izmantojot augstas veiktspējas skaitļošanas pieeju; Eksāmens. Testi - Pārzināt un atšķirt mašīnmācīšanās veidus un raksturot to pielietošanas iespējas veselības aprūpē. - Students izprot un izvēlas piemērotāko mākslīgā intelekta risinājumu noteiktu veselības aprūpes procesu īstenošanā; identificē mašīnmācīšanās pielietojumu iespējas veselības aprūpē Eksāmens. Testi |
|||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Eksāmens - 50%
Testi - 50% |
|||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | - Izpratne par informācijas tehnoloģiju un veselības datu nozīmi un lomu veselības aprūpes pilnveidē un inovāciju radīšanā; - Priekšstats par saistīto likumdošanu, kas attiecas uz veselības datu apstrādi un privātumu; - Pamata prasmes darbā ar datiem (informācijas meklēšana, datu apstrāde ar Microsoft Excel vai līdzvērtīgu lietojumprogrammatūru). | |||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
|||||||||||||||||||||||||||||||||||||||