آموزش یادگیری ماشینی در بهداشت و درمان (بدون نیاز به کدنویسی!)

سرفصل ها و درس ها

معرفی Introduction

• ساختار دوره Course Structure

• مطالعه موردی Case study

داده های بهداشتی 101 Health data 101

• مطالبات بیمه سلامت Health Insurance claims

• پرونده الکترونیک سلامت Electronic health records

• گزارش های تحقیقاتی Research reports

• سلامت عمومی Public health

• پوشیدنی ها Wearables

• مطالبات بیمه ای Insurance Claims

• نقاط قوت داده های EHR چیست؟ What are strengths of EHR data?

• نکات کلیدی از منابع جلسه داده سلامت Key takeaways from sources of health data session

• داده های ساخت یافته Structured data

• ساختار داده ها Data structure

• داده های بدون ساختار Unstructured data

• ویژگی های داده ها - تشخیص های سلسله مراتبی Features of data - Hierarchical Diagnoses

• ویژگی های داده ها - داروهای سلسله مراتبی Features of data - Hierarchical Drugs

• ویژگی های داده ها - رویه های سلسله مراتبی Features of data - Hierarchical Procedures

• ویژگی های داده ها - LOINC های سلسله مراتبی و موارد دیگر Features of data - Hierarchical LOINCs and other

• علت شناسی بیماری، زمان شناسی، عرضه در مقابل تقاضا Disease Etiology, Chronology, Supply vs Demand

• چرا درک پزشکی و شیوه های پزشکی تجزیه و تحلیل را افزایش می دهد؟ Why understanding of medicine and medical practices enhance analyses?

• خطاها و رسیدگی به خطاها Errors and error handling

• تصحیح خطاها در داده های سلامت Correcting errors in health data

لجستیک یادگیری ماشینی Logistics of machine learning

• مراحل مدل سازی پیش بینی Steps to Predictive Modeling

• برنامه ریزی تجزیه و تحلیل Planning the analysis

• خرید برای تجزیه و تحلیل Getting Buy in for the analysis

• ملاحظات استفاده از داده ها Data use considerations

• چرا برنامه ریزی؟ Why plan?

• چرا برای پروژه نیاز به خرید داریم؟ Why do we need buy in for the project?

آماده سازی داده ها و مهندسی ویژگی Data preparation and Feature engineering

• کاوش اولیه داده ها Initial exploration of the data

• آماده سازی داده ها Data preparation

• مهندسی ویژگی Feature engineering

• روی ویژگی ها On features

• از داده های خام تا مجموعه داده های آموزشی From raw data to training dataset

آغازگر آماری Statistical Primer

• مقدمه Statistical Primer Statistical Primer intro

• رگرسیون لجستیک - مقدمه Logistic regression - intro

• مزایا و معایب رگرسیون لجستیک Logistic regression Pros and Cons

• بایاس واریانس معاوضه می شود Bias Variance trade off

• واریانس سوگیری Bias Variance

• درخت تصمیم Decision tree

• چه زمانی از کدام استفاده کنیم؟ When to use which?

• جنگل تصادفی Random forest

• شبکه عصبی Neural net

یادگیری ماشینی در بهداشت و درمان - مطالعه موردی Machine learning in Healthcare - case study

• معرفی KNIME Intro to KNIME

• آموزش مدل در KNIME Model training in KNIME

• خودتان را بسازید Build your own

ارزیابی مدل و خروجی Model assessment and Output

• اعتبار سنجی متقابل Cross validation

• حساسیت در مقابل ویژگی Sensitivity vs Specificity

• در مورد حساسیت و ویژگی On sensitivity and specificity

• اعتبار سنجی متقاطع در KNIME Cross validation in KNIME

• تست حساسیت/سناریو Sensitivity/Scenario testing

• ارائه نتایج Presenting the results

• پیاده سازی و بهبودهای آینده Implementation and Future improvements

• تمرین تمرین تمرین! Practice practice practice!