دوره آموزشی پیشرفته هوش مصنوعی: تکنیک های NLP برای مجموعه داده های بالینی
44 دقیقهپیشرفته2022-11-03
مدرسین
Wuraola Oyewusi
Wuraola Oyewusi is an experienced data scientist, machine learning, and artificial intelligence professional.
جزئیات دوره
صنعت مراقبت های بهداشتی یکی از سریع ترین بخش هایی است که با استفاده از برنامه ها و تکنیک های هوش مصنوعی در حال رشد است. هنگام کار با داده های بالینی، متن نوشته شده بخش عمده ای از نحوه مستندسازی سناریوها و پیشرفت درمان را تشکیل می دهد. با ظهور و در دسترس بودن بیشتر و بیشتر دادههای سلامت دیجیتال، این دوره درسهای عملی در درک دادههای متن بالینی با استفاده از تکنیکهای پردازش زبان طبیعی (NLP) ارائه میدهد. به مربی Wuraola Oyewusi بپیوندید تا نحوه اعمال پردازش زبان طبیعی را در دادههای بالینی و زیستپزشکی بررسی کند. موضوعات تحت پوشش عبارتند از: تشخیص موجودیت بالینی، وضوح موجودیت بالینی، نمایش متن در سطح کلمه و جمله، و ترانسفورماتور برای متن بالینی.
مهارت ها
spaCyExplosionNatural Language Processing (NLP)Machine LearningAdvancedPythonData AnalysisArtificial Intelligence (AI)Data ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen Source
سرفصل ها
0. مقدمه
- 01 - از تکنیک های NLP برای داده های خود استفاده کنید
- 02 - آنچه باید بدانید
- 03 - نحوه استفاده از فایل های تمرینی
1. تشخیص نهاد با نام بالینی (CNER)
- 04 - تشخیص موجودیت با نام بالینی (CNER) چیست؟
- 05 - شناسایی موجودیت با نام بالینی با استفاده از scispaCy
2. قطعنامه نهاد بالینی
- 06 - وضوح موجودیت بالینی چیست
- 07 - وضوح مخفف پزشکی با scispaCy
- 08 - پیوند و حل موجودیت با پایگاه دانش زیست پزشکی
3. نمایش متن بالینی
- 09 - بازنمایی متن بالینی چیست
- 10 - نمایش متن بالینی با استفاده از fastText
- 11 - نمایش متن بالینی با استفاده از رمزگذار جملات جهانی (USE)
4. ترانسفورماتور برای متن بالینی
- 12 - ترانسفورماتورها چیست؟
- 13 - پیش بینی تشخیص بالینی با استفاده از ترانسفورماتور
- 14 - شناسایی موجودیت با نام بالینی با استفاده از ترانسفورماتور
- 15 - پیش بینی کلمات بالینی با استفاده از ترانسفورماتور
نتیجه
- 16 - مراحل بعدی