Pārlekt uz galveno saturu

Īsumā par studiju kursu

Struktūrvienība: Veselības vadības docētāju grupa
ECTS:3
Kursa vadītājs:Uģis Kārlis Sprūdžs
Studiju tips:Pilna laika
Līmenis:2. cikla (Maģistra)
Mērķauditorija:Farmācija; Uzņēmējdarbības vadība; Vadībzinātne; Veselības vadība
Valoda:Latviešu
Studiju kursa apraksts Pilns apraksts, Pilna laika
Zinātnes nozare:Citas sociālās zinātnes, tai skaitā starpnozaru sociālās zinātnes un militārā zinātne

Mērķis

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.

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).

Rezultāti

Zināšanas

1.- Pārzināt aprakstošās un prognostiskās veselības datu analīzes metodes;
- Pārzināt un raksturot veselības datu vizualizācijas pieejas un iespējas;
- Pārzināt dažādus mākslīgā intelekta risinājumus un to pielietojumu veselības aprūpē;
- Pārzināt un atšķirt mašīnmācīšanās veidus un raksturot to pielietošanas iespējas veselības aprūpē.

Prasmes

1.- Argumentēt un integrēt aprakstošās un prognostiskās veselības datu analīzes metodes;
- Pielietot veselības datu vizualizācijas pieejas un metodes, datos balstītu lēmumu pieņemšanai;
- Izvēlēties atbilstošus risinājumus un identificēt prasības, lielo datu ģenerēšanai, atlasei un to tālākai analītiskai apstrādei, izmantojot augstas veiktspējas skaitļošanas pieeju;
- Izprast un izvēlēties piemērotāko mākslīgā intelekta risinājumu noteiktu veselības aprūpes procesu īstenošanā;
- Identificēt mašīnmācīšanās pielietojumu iespējas veselības aprūpē.

Kompetences

1.- Identificēt, izvēlēties un pielietot veselības lielo datu analītiskās pieejas, datos balstītu lēmumu pieņemšanā;
- Pilnveidot esošos veselības aprūpes tehnoloģiskos risinājumus, izmantojot mākslīgā intelekta un mašīnmācīšanās pieejas;
- Radīt datos balstītus veselības aprūpes risinājumus un inovācijas;
- Īstenot mašīnmācīšanās pieeju, veselības jomas efektivitātes un problēmjautājumu risināšanā.

Plānojums

Plānošanas periods:2024. gada rudens semestris
Studiju programmaStudiju semestrisProgrammas līmenisStudiju kursa kategorijaDocētājiGrafiks
Sabiedrības veselība12. cikla (Maģistra)Ierobežota izvēleUģis Kārlis Sprūdžs, Oskars Radziņš, Jevgenijs Proskurins
Plānošanas periods:2025. gada pavasara semestris
Studiju programmaStudiju semestrisProgrammas līmenisStudiju kursa kategorijaDocētājiGrafiks
Tiesību zinātne22. cikla (Maģistra)Ierobežota izvēleUģis Kārlis Sprūdžs, Oskars Radziņš, Jevgenijs Proskurins
Uzturzinātne22. cikla (Maģistra)Ierobežota izvēleUģis Kārlis Sprūdžs, Oskars Radziņš, Jevgenijs Proskurins
Plānošanas periods:2024. gada rudens semestris
Studiju programmaStudiju semestrisProgrammas līmenisStudiju kursa kategorijaDocētājiGrafiks
Biostatistika32. cikla (Maģistra)Ierobežota izvēleUģis Kārlis Sprūdžs, Oskars Radziņš, Jevgenijs Proskurins
Plānošanas periods:2025. gada pavasara semestris
Studiju programmaStudiju semestrisProgrammas līmenisStudiju kursa kategorijaDocētājiGrafiks
Rehabilitācija42. cikla (Maģistra)Ierobežota izvēleUģis Kārlis Sprūdžs, Oskars Radziņš, Jevgenijs Proskurins
Zobārstniecība42. cikla (Maģistra)Ierobežota izvēleUģis Kārlis Sprūdžs, Oskars Radziņš, Jevgenijs Proskurins
Zobārstniecība42. cikla (Maģistra)Ierobežota izvēleUģis Kārlis Sprūdžs, Oskars Radziņš, Jevgenijs Proskurins
Plānošanas periods:2024. gada rudens semestris
Studiju programmaStudiju semestrisProgrammas līmenisStudiju kursa kategorijaDocētājiGrafiks
Farmācija72. cikla (Maģistra)Ierobežota izvēleUģis Kārlis Sprūdžs, Oskars Radziņš, Jevgenijs Proskurins