Utbildningsplan för Masterprogrammet i biostatistik och datavetenskap

Master's programme in Biostatistics and Data Science

Mål

Mål för avancerad nivå enligt högskolelagen

Utbildning på avancerad nivå skall väsentligen bygga på de kunskaper som studenterna får inom utbildning på grundnivå eller motsvarande kunskaper.

Utbildning på avancerad nivå skall innebära fördjupning av kunskaper, färdigheter och förmågor i förhållande till utbildning på grundnivå och skall, utöver vad som gäller för utbildning på grundnivå,

• ytterligare utveckla studenternas förmåga att självständigt integrera och använda kunskaper,
• utveckla studenternas förmåga att hantera komplexa företeelser, frågeställningar och situationer, och
• utveckla studenternas förutsättningar för yrkesverksamhet som ställer stora krav på självständighet eller för forsknings- och utvecklingsarbete.

Mål enligt högskoleförordningen

Kunskap och förståelse

För masterexamen skall studenten

• visa kunskap och förståelse inom huvudområdet för utbildningen, inbegripet såväl brett kunnande inom området som väsentligt fördjupade kunskaper inom vissa delar av området samt fördjupad insikt i aktuellt forsknings- och utvecklingsarbete, och
• visa fördjupad metodkunskap inom huvudområdet för utbildningen.

Färdighet och förmåga

För masterexamen skall studenten

• visa förmåga att kritiskt och systematiskt integrera kunskap och att analysera, bedöma och hanterakomplexa företeelser, frågeställningar och situationer även med begränsad information,
• visa förmåga att kritiskt, självständigt och kreativt identifiera och formulera frågeställningar, att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna tidsramar och därigenom bidra till kunskapsutvecklingen samt att utvärdera detta arbete,
• visa förmåga att i såväl nationella som internationella sammanhang muntligt och skriftligt klart redogöra för och diskutera sina slutsatser och den kunskap och de argument som ligger till grund för dessa i dialog med olika grupper, och
• visa sådan färdighet som fordras för att delta i forsknings- och utvecklingsarbete eller för att självständigt arbeta i annan kvalificerad verksamhet.

Värderingsförmåga och förhållningssätt

För masterexamen skall studenten

• visa förmåga att inom huvudområdet för utbildningen göra bedömningar med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter samt visa medvetenhet om etiska aspekter på forsknings- och utvecklingsarbete,
• visa insikt om vetenskapens möjligheter och begränsningar, dess roll i samhället och människors ansvar för hur den används, och
• visa förmåga att identifiera sitt behov av ytterligare kunskap och att ta ansvar för sin kunskapsutveckling.

Innehåll och upplägg

Utbildningen syftar till att utbilda specialister i att analysera och utvärdera data som vetenskapligt bevis inom medicin och livsvetenskaper. Det innefattar förståelse av principer för datainsamling och konstruktion av data, metoder för dataanalys och deras begränsningar, kritisk tolkning av resultaten samt det matematiska ramverket som överskrider det vetenskapliga sammanhanget för att generalisera resultaten. Dessa kunskaper kan användas för att förbättra biomedicinsk vetenskap och överbrygga klyftan mellan teori och praktik och kräver både intresse för och kunskap om tillämpningsområdet och färdighet i matematiska och statistiska modeller och beräkningsverktyg.

För att uppnå dessa färdigheter tränas studenterna i design och genomförande av experiment och studier inom livsvetenskaperna, i statistisk modellering och metoder för statistisk inferens såväl som datadrivna metoder för slutledning som härstammar från maskininlärning och artificiell intelligens. Studenterna uppnår sådana kunskaper, färdigheter och förmågor genom att läsa de obligatoriska kurserna, som är fördelade på alla tre lärosäten.

Termin 1 inleds med kurser som ger en solid teoretisk grund som ger förkunskaper för de kommande kurserna. Andra delen av första terminen består av kurser inom huvudområdet, som även innehåller delar om etik och vetenskaplig metodik. Termin 2 och 3 innehåller mer fördjupande kurser inom huvudområdet, valbara kurser (utifrån , samt en kurs inom datorintensiva statistiska metoder. Termin 3 innehåller även fördjupning i vetenskaplig metodik och etik. Under termin 4 genomförs ett examensarbete.

Vetenskapliga kunskaper, färdigheter och förhållningssätt

Studenten ges möjlighet till individuell fördjupad kunskap inom huvudområdet och fördjupad metodkunskap samt träning i självständighet i kurserna Överlevnadsanalys med tillämpningar i medicin samt Examensarbete i biostatistik och datavetenskap.

Färdighet och förmåga att kommunicera i både tal och skrift och att angripa en vetenskaplig frågeställning med ett korrekt metodologiskt och etiskt förhållningssätt tränas i kurserna B_iostatistik 1: introduktion till biostatistik, Biostatistik 2: metoder och tillämpning_ samt Examensarbete i biostatistik och datavetenskap.

Internationalisering

Ett internationellt perspektiv präglar alla kurser i programmet. All undervisning görs på engelska av lärarna som forskar i en internationell miljö.

Valbara kurser

Utöver de obligatoriska kurserna som utgör de strukturerade studievägarna, så finns även flexibla studievägar genom att studenterna kan välja 30 hp bland ett urval av valbara kurser. Där finns möjlighet till individuell profilering, där studenten utifrån intresseinriktning och kursutbud fördjupar eller breddar kunskaper, genom att läsa teoretiska kurser inom statistik och maskininlärning, tillämpade kurser inom statistik och maskininlärning, eller fördjupa sig inom olika biologiska tillämpningar. Under de valbara perioderna måste studenterna välja en (och enbart en) av följande valbara kurser: Moderna metoder för statistisk inlärning (7,5 hp), Maskininlärning (7,5 hp), Statistisk inlärning (7,5 hp). Av de valbara kurserna får totalt högst 15 hp vara på grundnivå.

Övergångsbestämmelser

För antagna HT24 gällde följande behörighet: Kandidat- eller yrkesexamen om minst 180 hp eller motsvarande examen. Den sökande ska ha läst sammanlagt minst 60 hp i matematik, statistik, och programmering varav analys i en och flera variabler, linjär algebra, numeriska metoder, sannolikhetsteori och statistik samt programmering med ett högnivåspråk ska ingå. Dessutom krävs Engelska B/Engelska 6 med lägst betyget godkänd/E eller motsvarande.

Behörigheten reviderades inför HT25 för att förtydliga behörigheten.

Övriga riktlinjer

Betygsskala

Betyg sätts enligt respektive lärosätes riktlinjer. Betygsskala för respektive kurs framgår av kursplan.

Undervisningsspråk

Undervisningsspråk är engelska.

Särskilda behörighetskrav till kurs inom program

Inom programmet finns särskilda behörighetskrav till programmets kurser. Behörighetskraven anges i kursplanerna.

Studieplan med ingående kurser

Termin Kursbenämning Högskolepoäng Huvudområde Nivå Kursgivande lärosäte

1 Statistisk inferensteori 7,5 Grund SU
1 Sannolikhetsteori 7,5 Avancerad KTH
1 Analys av kategoridata 7,5 Grund SU
1 Biostatistik 1: Introduktion till biostatistik 7,5 Biostatistik och datavetenskap Avancerad KI

2 Överlevnadsanalys med tillämpningar inom medicin 7,5 Biostatistik och datavetenskap Avancerad KI
2 Villkorligt valbar kurs 7,5 Grund/ Avancerad KI, KTH, SU
2 Datorintensiva metoder i matematisk statistik 7,5 Avancerad KTH
2 Villkorligt valbar kurs 7,5 Grund/ Avancerad KI, KTH, SU

3 Biostatistik 2: Metoder och tillämpningar 7,5 Biostatistik och datavetenskap Avancerad KI
3 Villkorligt valbar kurs 7,5 Grund/ Avancerad KI, KTH, SU
3 Studiedesign och analys i medicinsk forskning 7,5 Biostatistik och datavetenskap Avancerad KI
3 Villkorligt valbar kurs 7,5 Grund/ Avancerad KI, KTH, SU

4 Examensarbete i biostatistik och datavetenskap 30 Biostatistik och datavetenskap Avancerad KI