专业方向	公共卫生	项目类别		入学时间		项目时长
项目学费		项目规模		平均成绩		国际学生
男女比例		就业比例		平均起薪

伦敦大学国王学院应用统计建模与健康信息学理学硕士课程旨在满足日益增长的研究生培训课程的需求，侧重于应对复杂疾病大数据问题的方法学技能，基于强大的统计方法和现实应用。从事卫生研究的私营和公共部门机构对获取、储存、检索和使用信息的需求越来越大，现代医学数据的范围非常广泛，从患者记录、遗传学、其他组学和成像数据，到可穿戴传感器、智能手机社交媒体使用和环境数据对生理反应的实时测量。该课程将向学生提供最先进的统计建模和健康信息学技术来管理和评估这些数据。学生将接受大数据获取、信息检索和分析的关键方法技术培训，使用预测建模和理论驱动的分析方法，并受益于该领域的世界知名专家的教学，成为一个多专业团队的一员，汇集关于国家和国际现代数据困境的不同观点，也将有独特的机会来拓展人脉和发展职业机会。该课程结合了核心统计、机器学习和计算方法的培训，从入门水平开始，包括一系列的选修模块，涵盖了统计建模和健康信息学方面的更专业的知识。

需要具有计算机科学，数学，统计学，物理，自然科学，电子工程，心理学或地理信息系统的学士学位

语言要求 类型 总分要求 小分要求 雅思和托福语言考试分为阅读、听力、口语、写作4个部分，除总分以外，每个部分会有单独的小分。部分专业除对雅思和托福有总分要求外，会有单独的小分要求。其中L代表听力，R代表阅读，W代表写作，S代表口语。 雅思 7 L:6.5 | R:6.5 | W:6.5 | S:6.5 托福 100 L:23 | R:23 | W:25 | S:23 PTE 69 L:62 | R:62 | W:62 | S:62

课程设置 序号 课程介绍 Curriculum 1 统计程序设计概论 Introduction to Statistical Modelling 2 统计编程概论 Introduction to Statistical Programming 3 健康信息学概论 Introduction to Health Informatics 4 多层次和纵向建模 Multilevel and Longitudinal Modelling  5 预测建模 Prediction Modelling   6 因果模型和评估 Causal Modelling and Evaluation 7 用于健康和生物信息学的机器学习 Machine Learning for Health and Bioinformatics  8 临床试验:一种实用的方法 Clinical trials: A practical approach 9 自然语言处理 Natural Language Processing (NLP) 10 当代心理测验学 Contemporary Psychometrics 11 结构方程建模 Structural Equation Modelling (SEM) 12 计算神经科学导论 Introduction to Computational Neuroscience  13 健康分析中的人工智能 Artificial Intelligence in Health Analytics  14 研究项目 ASMHI Research Project