Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره جنبه های مفهومی به کارگیری یادگیری ماشینی را برای مشکلات در صنعت مراقبت های بهداشتی بررسی می کند، در مورد مطالعات موردی یادگیری ماشینی مورد استفاده در مراقبت های بهداشتی بحث می کند، و پیاده سازی های عملی تکنیک ها را در دنیای واقعی کشف می کند... صنعت مراقبت های بهداشتی مقادیر زیادی داده تولید می کند. و بنابراین فرصت های منحصر به فردی برای استفاده از یادگیری ماشین ارائه می دهد. استفاده از یادگیری ماشینی در مراقبت های بهداشتی می تواند در زندگی مردم در سراسر جهان دگرگون کننده باشد. در این دوره آموزشی، یادگیری ماشین برای مراقبت های بهداشتی، تکنیک های یادگیری ماشینی را که در حال حاضر در صنعت مراقبت های بهداشتی استفاده می شود، بررسی خواهید کرد. ابتدا، چند مورد استفاده خاص مانند استفاده از تکنیکهای ML برای کنترل همهگیری، جراحی روباتیک با کمک هوش مصنوعی، تشخیص بیمار، و اتوماسیون وظایف اداری را بررسی خواهید کرد. همچنین درک شهودی از نحوه عملکرد شبکه های عصبی کانولوشنال و نحوه استفاده از آنها در تصویربرداری پزشکی خواهید داشت. در مرحله بعد، مراحل مربوط به استفاده از تکنیک های یادگیری ماشینی برای پیش بینی بیماری مزمن را خواهید فهمید. شما یک مورد از یک مقاله تحقیقاتی را مطالعه خواهید کرد که از تکنیک های پردازش زبان طبیعی و استخراج متن در یادداشت های پزشکی برای تشخیص بیماری های مزمن برای بیماران بیمارستانی استفاده می کند. مطالعه موردی دیگری در مورد استفاده از تصویربرداری پزشکی و تکنیک های پیش پردازش تصویر برای تشخیص سرطان خون از تصاویر میکروسکوپی سلول های خون بحث خواهد کرد. در نهایت، کدگذاری عملی دریافت خواهید کرد و خواهید دید که چگونه می توانید از مدل های رگرسیون برای پیش بینی فشار خون و مدل های طبقه بندی برای پیش بینی بیماری کبد استفاده کنید. پس از اتمام این دوره، آگاهی از نحوه استفاده از یادگیری ماشینی در صنعت مراقبت های بهداشتی و تجربه عملی کار با داده های مراقبت های بهداشتی خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
بررسی کاربردهای یادگیری ماشینی در مراقبت های بهداشتی
Exploring Applications of Machine Learning in Healthcare
بررسی نسخه
Version Check
پیش نیازها و رئوس مطالب دوره
Prerequisites and Course Outline
AI/ML در مراقبت های بهداشتی
AI/ML in Healthcare
موارد استفاده از ML در مراقبت های بهداشتی: کنترل اپیدمی
Use Cases of ML in Healthcare: Epidemic Control
موارد استفاده از ML در مراقبت های بهداشتی: جراحی رباتیک به کمک هوش مصنوعی
Use Cases of ML in Healthcare: AI-assisted Robotic Surgery
استفاده از موارد ML در مراقبت های بهداشتی: تجزیه و تحلیل پیش بینی کننده
Use Cases of ML in Healthcare: Predictive Analytics
موارد استفاده از ML در مراقبت های بهداشتی: خودکارسازی وظایف اداری
Use Cases of ML in Healthcare: Automating Administrative Tasks
شبکه های عصبی کانولوشن برای کار با تصاویر
Convolutional Neural Networks to Work with Images
چالش های به کارگیری ML در مراقبت های بهداشتی
Challenges in Applying ML to Healthcare
مطالعه موردی: تشخیص بیماری با استفاده از یادگیری ماشینی
Case Study: Disease Detection Using Machine Learning
تشخیص بیماری مزمن: زمینه و زمینه
Chronic Disease Detection: Background and Context
پیشبینی بیماریهای مزمن: دادهها و پیشپردازش دادهها
Chronic Disease Prediction: Data and Data Preprocessing
پیشبینی بیماری مزمن: مدلها و برچسبگذاری نفی
Chronic Disease Prediction: Models and Negation Tagging
پیش بینی بیماری مزمن: نتایج و تفسیر مدل
Chronic Disease Prediction: Results and Model Interpretation
مطالعه موردی: تشخیص با استفاده از تصویربرداری پزشکی
Case Study: Diagnosis Using Medical Imaging
تشخیص با استفاده از تصویربرداری پزشکی: زمینه و زمینه
Diagnosis Using Medical Imaging: Background and Context
تشخیص با استفاده از تصویربرداری پزشکی: داده ها و مدل ها
Diagnosis Using Medical Imaging: Data and Models
تشخیص با استفاده از تصویربرداری پزشکی: نتایج و ارزیابی
Diagnosis Using Medical Imaging: Results and Evaluation
بکارگیری تکنیک های یادگیری ماشینی در داده های مراقبت های بهداشتی
Applying Machine Learning Techniques to Healthcare Data
طبقه بندی و رگرسیون
Classification and Regression
نسخه ی نمایشی: پیش بینی فشار خون - کاوش در مجموعه داده ها
Demo: Predicting Blood Pressure - Exploring the Dataset
نسخه ی نمایشی: پیش بینی فشار خون - انجام رگرسیون
Demo: Predicting Blood Pressure - Performing Regression
نسخه ی نمایشی: پیش بینی بیماری کبد - کاوش داده ها
Demo: Predicting Liver Disease - Data Exploration
نسخه ی نمایشی: پیش بینی بیماری کبد - انجام طبقه بندی
Demo: Predicting Liver Disease - Performing Classification
خلاصه، منابع مورد استفاده و مطالعه بیشتر
Summary, Resources Used, and Further Study
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات