دوره آموزشی اصول یادگیری ماشین برای مراقبت های بهداشتی
1 ساعت 36 دقیقهمبتدی2024-07-11
مدرسین

Wuraola Oyewusi
Wuraola Oyewusi is an experienced data scientist, machine learning, and artificial intelligence professional.
جزئیات دوره
تقاضا برای ادغام جریان های کاری هوش مصنوعی و یادگیری ماشین در بسیاری از بخش های مختلف تجاری وجود دارد. این امر به ویژه در چشم انداز مراقبت های بهداشتی جهانی امروزی که به طور مداوم در حال تحول است صادق است.
در این دوره، مربی Wuraola Oyewusi یک نمای کلی از چگونگی بهینه سازی هوش مصنوعی و یادگیری ماشینی در فرآیندهای مراقبت های بهداشتی، تجزیه و تحلیل داده ها، نتایج سلامت و موارد دیگر ارائه می دهد. در طول مسیر، بینش هایی را جمع آوری کنید که از نمونه های دنیای واقعی به دست آمده است تا به ملاحظات پیچیده حریم خصوصی و اخلاقی در صنعت رسیدگی کنید. Wuraola همچنین به شما نشان میدهد که چگونه از یادگیری ماشین برای مجموعه دادههای مراقبت بهداشتی جدولی با استفاده از یک نوت بوک Google Colab، از جمله سوابق بالینی، طبقهبندی، پیشبینی، رگرسیون، خوشهبندی و محلیسازی استفاده کنید.
در این دوره، مربی Wuraola Oyewusi یک نمای کلی از چگونگی بهینه سازی هوش مصنوعی و یادگیری ماشینی در فرآیندهای مراقبت های بهداشتی، تجزیه و تحلیل داده ها، نتایج سلامت و موارد دیگر ارائه می دهد. در طول مسیر، بینش هایی را جمع آوری کنید که از نمونه های دنیای واقعی به دست آمده است تا به ملاحظات پیچیده حریم خصوصی و اخلاقی در صنعت رسیدگی کنید. Wuraola همچنین به شما نشان میدهد که چگونه از یادگیری ماشین برای مجموعه دادههای مراقبت بهداشتی جدولی با استفاده از یک نوت بوک Google Colab، از جمله سوابق بالینی، طبقهبندی، پیشبینی، رگرسیون، خوشهبندی و محلیسازی استفاده کنید.
مهارت ها
Machine LearningPythonCert PrepArtificial Intelligence (AI)Open Source
سرفصل ها
0. مقدمه
- 01 - درک یادگیری ماشینی در مراقبتهای بهداشتی
- 02 - آنچه باید بدانید
1. مبانی یادگیری ماشین برای مراقبتهای بهداشتی
- 03 - یادگیری ماشینی، هوش مصنوعی و علم داده
- 04 - کاربردهای یادگیری ماشین در مراقبتهای بهداشتی
- 05 - چگونه به یادگیری ماشین در مراقبتهای بهداشتی فکر کنیم
- 06 - یادگیری ماشینی در مقابل برنامه نویسی مبتنی بر قانون در مراقبتهای بهداشتی
- 07 - انواع یادگیری ماشینی در بهداشت و درمان
- 08 - انواع دادههای مراقبتهای بهداشتی برای یادگیری ماشینی
- 09 - ویژگیها و برچسبها در یادگیری ماشینی برای مراقبتهای بهداشتی
- 10 - مدلها و الگوریتمهای یادگیری ماشین در مراقبتهای بهداشتی
- 11 - مدلهای یادگیری عمیق و معماری در مراقبتهای بهداشتی
- 12 - انتقال الگوهای یادگیری و از پیش آموزش دیده در بهداشت و درمان
- 13 - معیارهای ارزیابی برای مدلهای یادگیری ماشین
- 14 - ابزارها و کتابخانههای یادگیری ماشینی
- 15 - حریم خصوصی دادهها و اخلاق در یادگیری ماشینی مراقبتهای بهداشتی
- 16 - فرصتهای شغلی در یادگیری ماشینی برای مراقبتهای بهداشتی
2. یادگیری ماشینی برای دادههای جدولی مراقبتهای بهداشتی
- 17 - نحوه استفاده از نوت بوک Google Colab
- 18 - مجموعه دادههای سوابق بالینی نارسایی قلبی را کاوش کنید
- 19 - وظیفه طبقهبندی - پیشبینی پیامدهای نارسایی قلبی بدون مقیاسبندی ویژگی
- 20 - وظیفه طبقه بندی - پیشبینی پیامدهای نارسایی قلبی با مقیاس بندی ویژگی ها
- 21 - تکلیف رگرسیون - پیشبینی کسر رد قلب
- 22 - اهمیت ویژگی در وظایف رگرسیون
3. یادگیری ماشینی برای دادههای جدولی مراقبتهای بهداشتی - بدون نظارت
- 23 - کار خوشه بندی - دادههای بومی سازی برای فعالیت افراد
- 24 - کاهش ابعاد - دادههای بومی سازی برای فعالیت فرد
نتیجه
- 25 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی مبانی یادگیری عمیق برای حوزه سلامت و درمان
- دوره آموزشی هوش مصنوعی مولد در مراقبتهای بهداشتی: تحول در نتایج بالینی بیماران
- دوره آموزشی مبانی هوش مصنوعی عاملی: معماریها، چارچوبها و کاربردها
- دوره آموزشی استفاده از یادگیری ماشینی مبتنی بر ابر در Azure: برنامه های کاربردی در دنیای واقعی
- دوره آموزشی اصول یادگیری ماشینی Microsoft Azure
- دوره آموزشی اصول هوش مصنوعی برای متخصصان داده
- دوره آموزشی راهنمای کامل اصول پایتون برای MLOps
- دوره آموزشی آمادگی برای آزمون گواهینامه Microsoft Azure AI Fundamentals (AI-900)
مسیرهای مرتبط
- مسیر آموزشی پایتون برای حرفهایهای داده در حوزه بهداشت و درمان
- مسیر آموزشی هوش مصنوعی در مراقبتهای بهداشتی: اصول برای نقشهای فنی
- مسیر آموزشی تحلیل دادههای بهداشتی بهصورت عملی
- مسیر آموزشی استفاده از هوش مصنوعی به عنوان یک رهبر فناوری
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی کاوش شغلی در تجزیه و تحلیل داده ها
- مسیر آموزشی تسلط بر تجزیه و تحلیل داده ها در سطح اجرایی
- مسیر آموزشی مهارتهای ضروری در هوش مصنوعی مولد برای خلاقان