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 یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی یادگیری ماشین و آمار فضایی در پایتون
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری ماشین کاربردی: برآورد ارزش
- دوره آموزشی یادگیری ماشین کاربردی: یادگیری نظارتشده
- دوره آموزشی یادگیری ماشین در مخابرات: از مبانی تا نمونههای واقعی
- دوره آموزشی Power BI: ترکیب هوش مصنوعی با دادهها