آموزش یادگیری ماشینی برای مراقبت های بهداشتی

Machine Learning for Healthcare

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

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری ماشینی برای مراقبت های بهداشتی
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 48m
23
Pluralsight (پلورال سایت) pluralsight-small
03 آذر 1400 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
از 5
دارد
دارد
دارد
Janani Ravi

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

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.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.