Skip to main content

Líftölfræði

Líftölfræði

Þverfræðilegt framhaldsnám

Líftölfræði

MS gráða – 120 einingar

Meistaranám í líftölfræði er tveggja ára fjölbreytt en rannsóknarmiðað nám sem þar sem nemendur fá ítarlega þjálfun í beitingu tölfræði í lýðgrunduðum rannsóknum á sviði líffræði, erfðarfræði, lýðheilsu- og heilbrigðisvísinda. 

Námið veitir einnig sterkan almennan grunn í tölfræði og gagnaúrvinnslu.

Skipulag náms

X

Faraldsfræði - megindleg aðferðafræði (LÝÐ107F)

Námskeiðið er inngangur að faraldsfræðilegum rannsóknaraðferðum og nálgun orsaka. Námskeiðið gefur yfirlit yfir mælingar á tíðni sjúkdóma, áhættu og afstæðri áhættu, gerðir faraldsfræðilegra rannsókna (tilraunir og íhlutandi rannsóknir, hóprannsóknir, tilfella-viðmiðsrannsóknir). Áhersla er lögð á kerfisbundna skekkjuvalda og á aðferðir til að sneiða hjá þeim á undirbúningsstigi rannsókna svo og í úrvinnslu gagna. Nemendur fá þjálfun í því að ritrýna faraldsfræðilegar rannsóknarniðurstöður.

X

Málstofa nýnema í lýðheilsuvísindum, faralds- og líftölfræði (LÝÐ108F)

Námskeiðið undirbýr nemendur fyrir rannsóknartengt og þverfræðilegt framhaldsnám. Farið verður yfir ýmsar hagnýtar upplýsingar, fræðileg vinnubrögð og skipulag náms, heimildaleit og vísindalæsi m.ö. Nemendur fá einnig nauðsynlega undirstöðuþjálfun í tölfræðiforritinu R.

X

Líftölfræði II (Klínísk spálíkön) (LÝÐ301F)

Námskeiðið er beint framhald af Líftölfræði I og veitir nemendum praktíska handleiðslu í tölfræðiúrvinnslu í eigin rannsóknarverkefnum. Útreikningar á hlutfallslegri áhættu og leiðréttri hlutfallslegri áhættu. Fylgni og einföld aðhvarfsgreining, margvíð línuleg aðhvarfsgreining og lógistísk aðhvarfsgreining. Námskeiðið byggist á fyrirlestrum og dæmatímum. Í dæmatímunum verður notast við tölfræðiforritið R.

X

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefnia þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

X

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

X

LÍftölfræði III (Lifunargreining) (LÝÐ079F)

Námskeiðið fjallar um tölfræðigreiningu á nýgengi (incidence) og eftirfylgnitíma (survival time) í ferilrannsóknum. Kennd verður notkun Poisson aðhvarfsgreiningarlíkana og aðferða í lifunargreiningu (survival analysis) eins og Kaplan-Meier aðferðarinnar (log-rank), Cox aðhvarfsgreiningar, Poisson aðhvarfsgreiningar og líkana með óstikuðum hættuföllum. Notast verður við tölfræðiforritin R. 

X

Verklag í vísindum (LÝÐ202F)

Námskeiðið veitir hagnýta leiðsögn við undirbúning rannsóknar. Heimildaöflun, tilgátuþróun og gerð yfirlitsgreinar (systematic critical review) á fræðasviði fyrirhugaðaðrar rannsóknar. Nemendur fá einnig þjálfun í að vinna rannsóknaráætlun og kynna hana.

Námskeiðið er ætlað nemendum á meistara- eða doktorsstigi sem hafa valið sér svið/rannsóknarspurningu lokaverkefnis.

X

Aðhvarfsgreining (FOM601M)

Markmið námskeiðsins er að nemendur öðlist skilning og verklega færni til að beita aðhvarfsgreiningu á eigin spýtur. Fjallað er um þau afbrigði aðhvarfsgreiningar sem hvað oftast eru notuð í rannsóknum á sviði félagsvísinda. Farið er í stjórnun breyta, notkun nafnbreyta, línuleg og ólínuleg líkön, aðferðir til þess að prófa miðlun breyta og samvirkni breyta og aðferðir til að nota breytur sem hafa skekkta dreifingu svo eitthvað sé nefnt. Fjallað er um forsendur aðhvarfsgreiningar og aðferðir til að fást við þær. Einnig er fjallað um "logistic" aðhvarfsgreiningu, þar sem háða breytan er tvígild nafnbreyta. Samhliða þessari umfjöllun verður farið í saumana á ályktunartölfræði, notkun marktektarprófa og túlkun niðurstaðna. Áhersla er lögð á að nemendur fái umtalsverða verklega reynslu af því að greina megindleg gögn. Kennari útvegar könnunargögn sem nemendur nota til þess að prófa þær aðferðir sem kenndar eru. Eftir fremsta megni verður reynt að samþætta fræðilegar spurningar og tilgátuprófun. Tölfræðiforritið SPSS fyrir Windows er notað.

X

Verkefni til meistaraprófs í líftölfræði (LTF301F)

Meistaranám í líftölfræði (MS) er 120 eininga þverfræðilegt framhaldsnám og þar af skal rannsóknarverkefni vera 30-60 einingar.

Að öllu jöfnu má skilgreina 60 eininga verkefni sem sjálfstæða rannsókn sem lýkur í vísindagrein, tilbúinni til birtingar, ásamt fræðilegum inngangi. Boðið er upp á einstaklingsviðtöl fyrir nýnema undir lok fyrsta misseris námsins, þar sem hugmyndir nemenda um rannsóknarverkefni eru ræddar. Í námskeiðinu Verklag í vísindum á öðru misseri fullvinna nemendur rannsóknaráætlun og velja leiðbeinanda og nefnd (þar sem við á). Gert ráð fyrir að nemendur taki þátt í málstofum, æfingavörnum og mæti á að lágmarki í fimm opnar MPH/MS varnir á námsferlinum. Nánari leiðbeiningar um viðmið og framvindu lokaverkefnis er að finna á hópvef MPH/MS nema í Uglu. Nemar í líftölfræði eru vistaðir innan Læknadeildar meðan á námi stendur, en brautskrást frá heimadeild leiðbeinanda.

Markmið meistaraverkefnis er að veita nemanum þjálfun í að vinna sjálfstætt að því að hanna, skipuleggja, þróa og framkvæma rannsóknarverkefni í líftölfræði ásamt því að gera grein fyrir eigin rannsóknum í rituðu máli á endurtakanlegan máta.

X

Verkefni til meistaraprófs í líftölfræði (LTF301F)

Meistaranám í líftölfræði (MS) er 120 eininga þverfræðilegt framhaldsnám og þar af skal rannsóknarverkefni vera 30-60 einingar.

Að öllu jöfnu má skilgreina 60 eininga verkefni sem sjálfstæða rannsókn sem lýkur í vísindagrein, tilbúinni til birtingar, ásamt fræðilegum inngangi. Boðið er upp á einstaklingsviðtöl fyrir nýnema undir lok fyrsta misseris námsins, þar sem hugmyndir nemenda um rannsóknarverkefni eru ræddar. Í námskeiðinu Verklag í vísindum á öðru misseri fullvinna nemendur rannsóknaráætlun og velja leiðbeinanda og nefnd (þar sem við á). Gert ráð fyrir að nemendur taki þátt í málstofum, æfingavörnum og mæti á að lágmarki í fimm opnar MPH/MS varnir á námsferlinum. Nánari leiðbeiningar um viðmið og framvindu lokaverkefnis er að finna á hópvef MPH/MS nema í Uglu. Nemar í líftölfræði eru vistaðir innan Læknadeildar meðan á námi stendur, en brautskrást frá heimadeild leiðbeinanda.

Markmið meistaraverkefnis er að veita nemanum þjálfun í að vinna sjálfstætt að því að hanna, skipuleggja, þróa og framkvæma rannsóknarverkefni í líftölfræði ásamt því að gera grein fyrir eigin rannsóknum í rituðu máli á endurtakanlegan máta.

X

Tímaraðagreining (IÐN113F)

Markmið: Að veita bæði hagnýta og fræðilega þekkingu í gerð líkana, mati á stikum og spám í kvikum kerfum. Námsefni: ARMAX og önnur hliðstæð ferli og helstu eiginleikar þeirra. Meðhöndlun á óstöðnuðum ferlum. Sjálffylgni- og samfylgniföll. Mismunandi aðferðir við rófgreiningar. Mat á stikum, þar á meðal aðferð minnstu kvaðrata og sennileikaaðferðin. Tölulegar aðferðir við lágmörkun markfalla. Fjallað er um ýmis vandamál sem geta komið upp við líkangerð, svo sem ef mælingar vantar eða þær eru óeðlilegar. Inngangur að ólínulegum tímaraðalíkönum. Stakræn kerfi á ástandsformi. Lögð er áhersla á að leysa hagnýt verkefni.

X

Mannerfðafræði (LÍF513M)

Fyrirlestrar: Erfðaháttur og ættartré. Skipulag erfðaefnis mannsins. Litningar, litningabreytingar, litningagallar. Staðsetning gena. Sambandsgreining /Tölfræðileg nálgun. Erfðagreining. Flóknir erfðagallar, erfðir og umhverfi. Erfðir og krabbamein. Genalækningar. Þróun mannsins og skyldra tegunda. Siðferðileg efni tengd mannerfðafræði, upplýst samþykki og persónuupplýsingar. Gert er ráð fyrir að nemendur hafi almenna undirstöðu í erfðafræði.

Verklegt: Túlkun gagna úr erfðagreiningingum, unnið með tjáningargögn, greining gagna úr litningalitunum, unnið með gögn úr kortlagningu á erfðaþáttum.

X

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

X

Gagnasafnsfræði (TÖL303G)

Gagnasöfn og gagnasafnskerfi. Einindavenslalíkanið. Töflulíkanið og töflualgebra. SQL fyrirspurnarmálið. Hagkvæmni geymsluaðferða og úrvinnsluaðferða. Fallákveður, lyklar og staðalskipulag gagna í venslalíkaninu. Bestun fyrirspurna. Hreyfingar, samhliða vinnsla hreyfinga og læsingar. Endurbygging gagnasafna. Öryggi gagnasafna og aðgangsheimildir. Vöruhús gagna.

X

Lífmælingar II (LÍF127F)

 Tölulegar aðferðir eru nauðsynlegur hluti margra greina líffræðinnar og nýtast við högun tilrauna og athugana, samantekt niðurstaðna og greiningu þeirra. Nemendur læra þessar aðferðir og meðhöndla fjölbreytt gögn úr líffræði, auk þess að fá þjálfun í að túlka niðurstöður mismunandi aðferða. Helstu aðferðir eru sennileikamat,  línuleg líkön, aðhvarf og fervikagreining og alhæfð línuleg líkön til að greina talningar. Fjölbreytugreining. Endursýnataka (skóþvengur og umröðunarpróf). Kennt verður að nota  tölfræðiforritið R til að framkvæma þær aðferðir sem fjallað er í fyrirlestrum.  Nemendur leysa verkefni sem byggja á líffræðilegum rannsóknum og fá ítarlega þjálfun í notkun R. Greining  á eigin gögnum eða viðameira gagnasetti sem tekið er saman í skýrslu og kynnt í fyrrlestri.

Námsmat: Verkefni 50%  og skriflegt próf 50%. Nemandi þarf að ná lágmarkseinkunn í báðum prófþáttum.

X

Slembiþáttalíkön (MAS104M)

Í námskeiðinu er fjallað um fræði og hagnýtingu slembiþáttalíkana, sem og annarra líkana, til greiningar á háðum útkomubreytum.  Í námskeiðinu verður farið yfir aðferðir fyrir útkomur sem teljast samfelldar og normaldreifðar.  Í slíkum kringumstæðum þarf tölfræðilíkanið bæði að lýsa væntigildi útkoma og fylgni á milli þeirra.  Fræðin á bak við eru því umfram hefðbundina línulega aðhvarfsgreiningu. Til slíkrar greiningar þarf sérstakar tölfræðiaðferðir, sem helstu forrit bjóða uppá, eins og R, STATA og SAS.  Aðallega verður stuðst við R en önnur forrit kynnt til samanburðar eftir þörfum. 
Námskeiðið er kennt frá byrjun september til loka nóvember einu sinni í viku.  Stuðst verður við vendikennslu í námskeiðinu.  Námsefnið, bæði fyrirlestrar og lesefni, er allt á netinu (sjá annað lesefni) og ætlast er til að nemendur kynni sér það fyrir tíma og vinni svo í tímum við þær aðferðir sem eru til umfjöllunar á eigin tölvum.

X

Grundvöllur tölfræðinnar (STÆ313M)

Sennileiki, tæmandi stærð, tæmanleikareglan, þvælistiki, skilyrðingarreglan, óbreytileikareglan, sennileikafræði. Tilgátupróf, einfaldar og samsettar tilgátur, Neyman-Pearson-setningin, styrkleiki, UMP-próf, óbreytileg próf. Umröðunarpróf, sætispróf. Bilmat, öryggisbil, öryggisstig, öryggissvæði. Punktmat, bjagi, meðalferskekkja. Verkefnum er skilað með notkun LaTeX og gilda 20% af lokaeinkunn.

X

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

X

Erfðamengja- og lífupplýsingafræði (LÍF659M)

Erfðamengjafræði og lífupplýsingafræði samþættast á margvíslega vegu. Erfðatækni opnaði möguleika á raðgreiningu erfðamengja, greiningum á tjáningar- og prótínmengjum. Með raðgreiningum á erfðamengjum þúsundum lífvera opnast möguleikar á að nýta upplýsingarnar til að öðlast þekkingu og skilning á líffræðilegum fyrirbærum. Samanburðaraðferð þróunarkenningar Darwins er fræðilegur grundvöllur fyrir greiningar á slíkum upplýsingum. Sameiginlegir eiginleikar varðveittir í mismunandi lífverum eiga sér grunn í varðveittum hlutum erfðamengja. Að sama skapi liggja rætur nýjunga í svipfari oft í hlutum erfðamengja sem eru mismunandi á milli tegunda. Það á jafnt við um eiginleika dýra, plantna, örvera og fruma, þroskunar og ensímkerfa.

Námskeiðið fjallar um hugmyndafræði og aðferðafræði til samanburðar, um greiningu erfðamengja einstakra lífvera (genomics), umhverfiserfðamengja (metagenomics) og tjáningarmengja (transcriptome) til að svara líffræðilegum, læknisfræðilegum og hagnýtum spurningum. Fyrirlestrar verða um, byggingu og raðgreiningu erfða-, tjáningar- og prótínmengja, sameindaþróun, ólíkar gerðir lífupplýsinga, gagnagrunna, skeljaforrit, inngang að python og R umhverfinu, keyrslu forrita og breytingar á þeim. Æfingar: Sækja gögn í gagnagrunna, Blast, samraðanir og pússlun mengja, samanburður erfðamengja tegunda og greining erfðabreytileika innan tegunda. Unnið verður með gagnagrunna, m.a. flybase, Genebank, ENSEMBL og E.coli. Gögn verða sótt með Biomart og Bioconductor, og fjallað um áreiðanleika gagna í gagnagrunnum. Kynnt verða algrímar er liggja til grundvallar leitar-forrita og forrit kynnt sem hægt er að keyra yfir vefinn, grunnatriði Python-forritunar, opinn hugbúnaður á UNIX/Linux, uppsetning hugbúnaðar af vefnum á eigin tölvum. Greining gagna úr RNA-seq, RADseq og heilraðgreiningum.

Nemendur vinna smærri og stærri verkefni og skila, og kynna munnlega niðurstöður úr stóra verkefninu. Í umræðufundum verða frumheimildir ræddar.

X

Faraldsfræði II: Aðferðir í vísindum (LÝÐ085F)

Markmið námskeiðsins er að auka skilning nemenda á ítarefnum í faraldsfræði og að efla hæfi nemenda í að meta gæði og túlka niðurstöður faraldsfræðilegra rannsókna.

Námskeiðið mun fjalla ítarlega um framhaldsaðferðir í faraldsfræði.  Fjallar verður um áhrif jákvæðrar og neikvæðrar blöndunar (positive and negative confounding), pörun (matching), líkindaskor (propensity score), áhrifsbreytingu (effect modification and interaction), nýlegar aðferðir til að takast á við blöndun (instrumental variables), orsakamyndir (causal diagrams), og hvað á að gera þegar gögn vantar í rannsóknina (missing data). Teknar verða fyrir vísindagreinar sem tengjast faraldsfræðilegum álitamálum í rannsóknum og þær ræddar ítarlega.

X

Tölfræðiráðgjöf (MAS201M)

Þáttakendur í námskeiðinu öðlast þjálfun í hagnýtum tölfræðiaðferðum eins og þeim er beitt við tölfræðiráðgjöf. Þáttakendur fá að kynnast raunverulegum tölfræðilegum verkefnum með því að aðstoða nemendur í ýmsum deildum skólans. Þáttakendur kynna verkefnin í námskeiðinu, ræða úrlausnarmöguleika og aðstoða síðan nemendurna við úrvinnslu með R og túlkun niðurstaðna.

X

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

X

Námskeið til meistaraprófs í tölfræði (STÆ017F)

Kennarar velja í samráði við nemanda safn af vísindaritgerðum, yfirlitsritgerðum og bókarköflum um efni sem tengist sérsviði nemandans en skarast ekki við rannsóknaverkefni hans. Nemandi og kennari hittast vikulega til þess að ræða efni ritgerða sem lesnar hafa verið. Námskeiðinu lýkur með ritgerð og munnlegu prófi í lestrarefninu þar sem umsjónarkennari eða kennari úr umsjónarnefnd er prófdómari.

X

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

X

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

X

Tölvunarfræði 2 (TÖL203G)

Byrjað verður á kynningu á forritunarmálinu C++. Námskeiðið mun nota forritunarmálin C++ og Java. Fjallað er um gagnaskipan, reiknirit og huglæg gagnatög. Meðal gagnaskipana, sem farið er yfir, eru listar, hlaðar, biðraðir, forgangsbiðraðir, tré, tvítré, tvíleitartré og hrúgur auk viðkomandi reiknirita. Kynnt verða ýmis leitar- og röðunarreiknirit. Reiknirit eru greind, hvað þau taka langan tíma í vinnslu og hve mikið minnisrými. Forritunarverkefni, sem nota áðurnefnda gagnaskipan og reiknirit, eru leyst í C++ og Java. Mörg lítil forritunarverkefni verða í námskeiðinu.

X

Reiknirit í lífupplýsingafræði (TÖL604M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

X

Línuleg líkön með slembiþáttum (STÆ004F)

Línuleg líkön, margvíða normal dreifingin, stigskipt líkön, línuleg líkön með slembiþáttum, skilyrt sennileikamat, óbjagaðir línulegir metlar, bayesísk ályktunartölfræði, tölfræðileg ákvörðunarfræði, Markov keðjur, Monte Carlo heildun, vigtuð hermun, Markov keðju Monte Carlo hermun, Gibbs hermun, Metropolis-Hastings hermun.

Öll fög eru skyldufög nemaVValfagBBundið val er háð skilyrðum ENámskeiðið er ekki kennt á misserinuNámsleiðin í Kennsluskrá

Hafðu samband

Miðstöð í lýðheilsuvísindum

Sturlugata 8, 102 Reykjavík
Sími 525 4956
Netfang: publichealth@hi.is 

Opið mánu- til fimmtudaga 10-16 og föstudaga 10-12.

Fylgstu með okkur
 Facebook Logo Twitter PNG, Logo Twitter Transparent Background - FreeIconsPNGTwitter

""

Hjálplegt efni

Ertu með fleiri spurningar? Hér finnurðu svör við ýmsum þeirra og upplýsingar um ýmislegt annað sem gott er að hafa í huga þegar þú velur nám.