Masterprogrammet i biostatistik och datavetenskap, 120 hp
Master's programme in Biostatistics and Data Science, 120 creditsBasdata
- Programkod
- 5BD24
- Programmets namn
- Masterprogrammet i biostatistik och datavetenskap
- Omfattning
- 120.0 hp
- Gäller från
- Utbildningsplanen gäller för studenter som påbörjar sina studier från och med HT24.
Under rubriken Övergångsbestämmelser framgår vad som gäller vid en beslutad revidering av utbildningsplanen. - Datum för fastställande
- 2023-05-09
- Fastställd av
- Kommittén för utbildning på grundnivå och avancerad nivå
- Senast reviderad
- 2024-10-14
- Reviderad av
- Kommittén för utbildning på grundnivå och avancerad nivå
- Diarienummer
- 3-4633/2024
- Behörighetskrav
- 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, numeriska metoder, sannolikhetsteori och statistik samt programmering i ett allmänt programmeringsspråk som C++, Python eller Java. Dessutom krävs Engelska B/Engelska 6 med lägst betyget godkänd/E eller motsvarande.
- Huvudområde
- Biostatistik och datavetenskap
- Examen
Medicine masterexamen med huvudområdet biostatistik och datavetenskap.
Programmet leder fram till en gemensam examen mellan Karolinska Institutet, Kungliga Tekniska högskolan samt Stockholms universitet.
En student som uppfyller fordringarna för examen skall på begäran få examensbevis.
Mål
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.
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 förhållningssättStudenten 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 Biostatistik 1: introduktion till biostatistik, Biostatistik 2: metoder och tillämpning samt Examensarbete i biostatistik och datavetenskap.
InternationaliseringEtt internationellt perspektiv präglar alla kurser i programmet. All undervisning görs på engelska av lärarna som forskar i en internationell miljö.
Valbara kurserUtöver 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
Betyg sätts enligt respektive lärosätes riktlinjer. Betygsskala för respektive kurs framgår av kursplan.
UndervisningsspråkUndervisningsspråk är engelska.
Särskilda behörighetskrav till kurs inom programInom programmet finns särskilda behörighetskrav till programmets kurser. Behörighetskraven anges i kursplanerna.
Studieplan med ingående kurser
Termin | Kursbenämning | Högskole-poäng | 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 |