آموزش اصول یادگیری ماشین برای مراقبت های بهداشتی

معرفی Introduction

• آنچه شما باید بدانید What you should know

• درک یادگیری ماشینی در مراقبت های بهداشتی Understanding machine learning in healthcare

1. مبانی یادگیری ماشین برای مراقبت های بهداشتی 1. Fundamentals of Machine Learning for Healthcare

• یادگیری ماشین، هوش مصنوعی و علم داده Machine learning, artificial intelligence, and data science

• یادگیری ماشینی در مقابل برنامه‌نویسی مبتنی بر قانون در مراقبت‌های بهداشتی Machine learning vs. rule-based programming in healthcare

• انتقال یادگیری و مدل های از پیش آموزش دیده در مراقبت های بهداشتی Transfer learning and pretrained models in healthcare

• مدل ها و الگوریتم های یادگیری ماشین در مراقبت های بهداشتی Machine learning models and algorithms in healthcare

• ویژگی ها و برچسب ها در یادگیری ماشینی برای مراقبت های بهداشتی Features and labels in machine learning for healthcare

• فرصت های شغلی در یادگیری ماشین برای مراقبت های بهداشتی Career opportunities in machine learning for healthcare

• حریم خصوصی داده ها و اخلاق در یادگیری ماشینی مراقبت های بهداشتی Data privacy and ethics in healthcare machine learning

• مدل های یادگیری عمیق و معماری در مراقبت های بهداشتی Deep learning models and architecture in healthcare

• معیارهای ارزیابی برای مدل های یادگیری ماشین Assessment metrics for machine learning models

• کاربردهای یادگیری ماشین در مراقبت های بهداشتی Applications of machine learning in healthcare

• ابزارها و کتابخانه ها برای یادگیری ماشین Tools and libraries for machine learning

• انواع داده های مراقبت های بهداشتی برای یادگیری ماشینی Healthcare data types for machine learning

• انواع یادگیری ماشینی در مراقبت های بهداشتی Types of machine learning in healthcare

• چگونه به یادگیری ماشین در مراقبت های بهداشتی فکر کنیم How to think about machine learning in healthcare

2. یادگیری ماشینی برای داده های جدولی مراقبت های بهداشتی 2. Machine Learning for Tabular Healthcare Data

• وظیفه رگرسیون: کسر رد قلب را پیش بینی کنید Regression task: Predict the heart rejection fraction

• وظیفه طبقه‌بندی: پیش‌بینی پیامدهای نارسایی قلبی بدون مقیاس‌بندی ویژگی Classification task: Heart failure outcomes prediction with no feature scaling

• مجموعه داده سوابق بالینی نارسایی قلبی را کاوش کنید Explore the heart failure clinical record dataset

• اهمیت ویژگی در وظایف رگرسیون Feature importance in regression tasks

• وظیفه طبقه‌بندی: پیش‌بینی پیامدهای نارسایی قلبی با مقیاس‌بندی ویژگی Classification task: Heart failure outcomes prediction with feature scaling

• نحوه استفاده از نوت بوک Google Colab How to use a Google Colab Notebook

3. یادگیری ماشینی برای داده های جدولی مراقبت های بهداشتی: بدون نظارت 3. Machine Learning for Tabular Healthcare Data: Unsupervised

• کاهش ابعاد: داده‌های محلی‌سازی برای فعالیت افراد Dimensionality reduction: Localization data for person activity

• وظیفه خوشه بندی: داده های محلی سازی برای فعالیت افراد Clustering task: Localization data for person activity

نتیجه Conclusion

• مراحل بعدی Next steps