Praktikum in Data Science - Künstliche Intelligenz angewandt auf Krankenhausdaten - 100%

Mit mehr als und 160 Berufen repräsentiert, sind die Universitätskliniken Genf (HUG) eine Referenzeinrichtung auf nationaler Ebene. Um mehr über unsere Institution zu erfahren, nehmen Sie sich ein paar Minuten Zeit, um unsere Rückblick zu konsultieren, indem Sie auf klicken. Die medizinische Direktion und Qualität hat die Aufgabe, die Qualität und Sicherheit der medizinischen Leistungen, die von den Universitätskliniken Genf angeboten werden, zu gewährleisten. Der Dienst für Infektionsprävention und -kontrolle (SPCI) hat die Mission, Infektionen und Reservoirs von resistenten Mikroorganismen in der Krankenhausumgebung zu kontrollieren und zu verhindern. Der Dienst besteht aus Infektiologen, die klinische und Forschungsfunktionen ausüben, einem Team von spezialisierten Krankenschwestern und -pflegern, Epidemiologen und Wissenschaftlern. Der Dienst ist auch ein Zentrum der Weltgesundheitsorganisation (WHO) für die Prävention und Kontrolle von Infektionen sowie Antibiotikaresistenzen. Die resistenten Bakterien stellen eine große Herausforderung für die Gesundheitssysteme dar. Die Universitätskliniken Genf entwickeln innovative Ansätze, die Krankenhaus-Epidemiologie, Datenwissenschaft und künstliche Intelligenz kombinieren, um die Früherkennung von Multiresistenzträgern zu verbessern. In diesem Kontext entwickeln wir das von der HUG Privatstiftung finanzierte Projekt SEARCH-AI, dessen Ziel es ist, das gezielte Screening von Trägern multiresistenter Bakterien (ESBL, CPE, VRE) bei der Aufnahme und während des Krankenhausaufenthalts mithilfe von maschinellen Lernmodellen, die auf klinischen Krankenhausdaten angewendet werden, zu optimieren. Im Rahmen Ihres Praktikums nehmen Sie an der Entwicklung und Validierung von prognostischen Modellen teil, die es ermöglichen, das Risiko einer Besiedelung mit resistenten Bakterien zu identifizieren. Die Hauptaufgaben umfassen: - das Vorverarbeiten und die Analyse klinischer Krankenhausdaten (Mikrobiologiedaten, historische) - die Entwicklung und den Vergleich von maschinellen Lernmodellen (penalisierte logistische Regression, LASSO, Entscheidungsbaum-Modelle, XGBoost), - die Bewertung der Leistung der Modelle und die Analyse von Interpretierbarkeit (SHAP oder ähnliche Methoden) - die Mitwirkung an der Diskussion des Workflows und an wissenschaftlichen Diskussionen mit einem multidisziplinären Team (Kliniker, Epidemiologen, Wissenschaftler). Je nach Fortschritt des Projekts kann das Praktikum zu einer wissenschaftlichen Veröffentlichung oder zu einem Beitrag für eine Konferenz beitragen. Das Praktikum richtet sich an Studierende am Ende ihres Studiums (Master oder Ingenieurschule) mit einem Hintergrund in Data Science, maschinellem Lernen und angewandter Informatik oder Biostatistik. Sie verfügen über eine gute Beherrschung von Python oder R für die Datenanalyse, haben Kenntnisse in überwachtem maschinellem Lernen sowie solide Grundlagen in der Datenanalyse. Sie haben Erfahrung im Umgang mit großen Datenbanken und ein starkes Interesse an Anwendungen der KI im Gesundheitswesen oder der Biomedizin. Darüber hinaus werden Erfahrungen mit medizinischen oder biologischen Daten, Kenntnisse in Epidemiologie oder öffentlicher Gesundheit sowie Vertrautheit mit Methoden zur Interpretierbarkeit von Modellen als von Vorteil angesehen. Englische Sprachkenntnisse sind ebenfalls von Vorteil. Stellenantri nach Vereinbarung Anzahl der Stellen: 1 Beschäftigungsgrad: 100% Art des Vertrags: 6 Monate befristet, unter Vorbehalt der Konvention Frist zur Einreichung von Fragen: Schreiben Sie eine E-Mail Ihre Bewerbungsunterlagen sollten ein Motivationsschreiben, Ihren Lebenslauf, Kopien der Diplome und der für die Stelle erforderlichen Qualifikationen sowie die letzten 2 akademischen Zeugnisse umfassen. Die Ausschreibung richtet sich diskriminierungsfrei an Frauen und Männer. Eingehende Bewerbungen über die Rekrutierung werden berücksichtigt. Papieranträge und E-Mails werden nicht bearbeitet. jida4c3434ade jit0414ade jpiy26ade