久久一区二区三区超碰国产精品,亚洲人成在线网站,国产在线精品一区免费香蕉,国产精品免费电影

統計遺傳學/基因組學、空間統計和建模(Statistical Genetics/Genomics, Spatial Statistics and Modeling)

耶魯大學生物統計學系的研究人員處于發展統計方法的前沿，以解決公共衛生，生物學和醫學方面的挑戰性問題。推動方法學研究的幾個顯著領域包括多組學數據(如遺傳學、基因組學、蛋白質組學和代謝組學)、空間數據(如傳染病和地理信息系統數據)、網絡分析等。耶魯大學也處于公共衛生建模的前沿，為政策制定者和醫療服務機構提供數據驅動的風險情景，供他們做出決策。

因果推理、觀察研究和實施科學方法(Causal Inference, Observational Studies and Implementation Science Methodology)

耶魯大學生物統計學系教師在因果推理的新統計方法的開發和應用方面處于世界領先地位。我們的教師已經開發了統計方法來解決因果推理中的重要方法問題，包括解決混淆偏差、審查和選擇偏差、測量誤差、不符合、中介變量和網絡干擾的工具。從隨機試驗到實用/觀察性研究再到實施/傳播科學，生物統計系促進了將生物統計方法研究更快地轉化為全世界的公共衛生實踐。

三、健康信息學、數據科學和可重復性(Health Informatics, Data Science and Reproducibility)

信息學驅動創新，定義生物醫學研究、臨床護理和公共衛生領域的信息和知識管理方法。YSPH的研究人員在數據挖掘、自然語言或文本處理、認知科學、人機交互、決策支持、數據庫和算法等不同領域引入、開發和評估新的生物醫學動機方法，用于分析公共衛生、臨床研究和基因組學/蛋白質組學中產生的大量數據。

機器學習和高維數據(Machine Learning and High Dimensional Data)

機器學習專注于算法的創建、表征和發展，當這些算法應用于數據時，使我們能夠理解它們的結構，做出預測并構建反事實分析。這一研究領域是應用統計學和數據科學的基礎，并推動了他們最近的許多進展。我們的教師積極研究機器學習的方法和計算方法，特別是在高維數據和數據密集型計算方面，為科學發現創造新的工具。我們對這些工具在遺傳學、臨床試驗、神經成像和其他生物醫學領域的應用特別感興趣，我們經常與這些領域的研究人員合作。