for Comparison added

Messenger

CAS Data Science in Medicine & Health
HSLU
CAS Data Science in Medicine & Health
Overview

This profile is up to date
The information has recently been checked
4 Monate
Duration
Rotkreuz
Location
15 ECTS
Credits
CHF 7'900.– inklusive Unterlagen.
Cost
Beginn am 31. Oktober 2025
Start of the studies
German
Language
Food service: Yes
Sports option: Yes
Certificate of Advanced Studies (CAS)
Degree type
Requirements
Ein Abschluss auf Tertiärstufe und mindestens zwei Jahre Berufserfahrung sind erforderlich. Alternativ kann eine gleichwertige Qualifikation mit Berufserfahrung über ein Zulassungsverfahren genügen.
More information
Die Weiterbildung vermittelt die notwendigen Kenntnisse und Fähigkeiten, um datengetriebene Entscheidungen im Gesundheitswesen zu treffen. Die Teilnehmenden werden befähigt, komplexe medizinische Daten zu analysieren, um fundierte klinische Entscheidungen zu unterstützen und die Qualität der Patientenversorgung zu verbessern.
Ärzte, Pflegekräfte, medizinische Forscherinnen und Gesundheitsmanager. Fachpersonen, die sich mit der Analyse und Interpretation von Gesundheitsdaten beschäftigen oder in Zukunft beschäftigen möchten. Medizinisches Personal, das sich mit klinischen Entscheidungsprozessen und Patientenmanagement befasst. Fachkräfte an der Schnittstelle von Technologie und Gesundheitsversorgung. Study Nurses, die bei der Planung, Vorbereitung und Durchführung von klinischen und wissenschaftlichen Studien mitwirken.
Einführung in die Rolle von Data Science im Gesundheitswesen, Datenverarbeitung und Datenerfassung, statistische Analyse und maschinelles Lernen, Datenvisualisierung, Prädiktive Modellierung, Natural Language Processing, Ethik und Datenschutz, Elektronische Patientenakten und Datenintegration, Klinische Entscheidungsunterstützungssysteme.
Absolventinnen und Absolventen können in Rollen arbeiten, die datenbasierte Entscheidungen im Gesundheitswesen fördern, wie zum Beispiel in der klinischen Forschung, im Gesundheitsmanagement, oder in der Entwicklung von digitalen Gesundheitslösungen.
Der Unterricht erfolgt durch eine Mischung aus Präsenzunterricht, angeleitetem Selbststudium, Transferprojekten, Kollaborativem Lernen und Vertiefungsarbeiten.
Freitag und Samstag