Hoogleraar Advanced Data Science in Population Health
Prof. Dr. M.R. (Marco) Spruit
Specialismen:
Translational Data Science, Natural Language Processing, Machine Learning, Artificial Intelligence, Health Informatics, Cybersecurity
Translational Data Science, Natural Language Processing, Machine Learning, Artificial Intelligence, Health Informatics, Cybersecurity
&w=400&h=400)
Even voorstellen
Ik ben sinds 2020 werkzaam als Hoogleraar Data Science & AI in Population Health aan de Universiteit Leiden, bij zowel het departement Public Health & Eerstelijnsgeneeskunde (PHEG) van het LUMC als het Leiden Instituut voor Informatica (LIACS) van de Faculteit Wiskunde & Natuurwetenschappen (FWN). Ik hield mijn oratie op 1 april 2022, zoals te zien op https://youtu.be/XfzEEAbNb4w.
In essentie verbind ik praktische problemen in de dagelijkse zorgpraktijk met fundamentele uitdagingen in de datawetenschap.
Tot 2020 werkte ik als universitair hoofddocent bij het departement Informatica van de Universiteit Utrecht. Voor 2007 was ik veertien jaar actief in het bedrijfsleven als Natuurlijke Taalverwerking (NLP) en Big Data ontwikkelaar en ondernemer.
In essentie verbind ik praktische problemen in de dagelijkse zorgpraktijk met fundamentele uitdagingen in de datawetenschap.
Tot 2020 werkte ik als universitair hoofddocent bij het departement Informatica van de Universiteit Utrecht. Voor 2007 was ik veertien jaar actief in het bedrijfsleven als Natuurlijke Taalverwerking (NLP) en Big Data ontwikkelaar en ondernemer.
Wetenschappelijk onderzoek
Op de Health Campus Den Haag ben ik het Translational Data Science (TDS) Lab gestart. Ons strategische onderzoeksdoel is het opzetten van een gezaghebbende en open nationale infrastructuur voor Nederlands gezondheidsonderzoek, -onderwijs en -zorg om innovatie te versnellen en data science technologieën te democratiseren via met name natuurlijke taalverwerking (NLP), automated machine learning (AutoML) en synthetic data generation technologieën. Mijn onderzoeksthema Translational Data Science in Population Health heeft drie complementaire onderzoekslijnen die samen het continue kennisontdekkingsproces aanpakken, zoals geoperationaliseerd door het CRoss-Industry Standard Proces for Data science (CRISP-DM): Data Engineering, Data Analytics, en e-Health Implementation. Op het moment van schrijven lopen er bij het TDS Lab 6 toegekende subsidies en 6 samenwerkingsprojecten, die uitgevoerd worden door 10 promovendi en 2 postdocs.
