آموزش دوره کامل هوش مصنوعی مراقبت های بهداشتی 2022

The Complete Healthcare Artificial Intelligence Course 2022

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ایجاد مدل هوش مصنوعی قدرتمند برای برنامه‌های بهداشت و درمان در دنیای واقعی با علم داده، یادگیری ماشین و پانداهای یادگیری عمیق. Matplotlib. تابع فعال سازی سیگموئید عملکرد فعال سازی Tanh. عملکرد فعال سازی ReLU عملکرد فعال سازی نشتی Relu. تابع فعال سازی واحد خطی نمایی. عملکرد فعال سازی Swish. مدل های مارکوف ماشین‌های بردار پشتیبانی دیگر طبقه‌بندی‌کننده‌های رایج داده‌ها را از مخزن UCI وارد کنید. تبدیل متن ورودی به داده های عددی ساخت و آموزش الگوریتم های طبقه بندی. مقایسه و مقایسه طبقه بندی یادگیری ماشینی ساخت هوش مصنوعی مدل یادگیری ماشین و یادگیری عمیق بر اساس داده های داده شده با دقت بالا. RF با کدگذاری پاسخ. حداکثر رای طبقه بندی کننده. مدل انباشته شدن. طبقه‌بندی تصادفی جنگل. رمزگذاری تک داغ. NLP (پردازش زبان طبیعی) NLTK (کتاب ابزار زبان طبیعی) رگرسیون لجستیک. ویژگی‌های مکان‌یابی ماشین‌های بردار پشتیبانی خطی کدگذاری پاسخ ساده بیز. مدیریت داده ها و ناهنجاری های از دست رفته در پایتون استاندارد سازی داده ها ویژگی های زمانی یادگیری عمیق دریازاد. کراس. گوگل کولب. آناکوندا دفترچه یادداشت مشتری. پیش نیازها: هیچ پیش نیازی وجود نخواهد داشت. دانش پایه پایتون خوب خواهد بود. اما همه چیز از دور به بالا آموزش داده خواهد شد.

به حوزه یادگیری ماشینی، یادگیری عمیق و هوش مصنوعی علاقه دارید؟ پس این دوره برای شماست!

این دوره توسط یک مهندس نرم افزار طراحی شده است. امیدوارم با تجربه و دانشی که در طول سال‌ها به دست آوردم، بتوانم دانش خود را به اشتراک بگذارم و به شما کمک کنم تئوری پیچیده، الگوریتم‌ها و کتابخانه‌های کدگذاری را به روشی ساده بیاموزید.

من شما را گام به گام به یادگیری ماشین، هوش مصنوعی و یادگیری عمیق راهنمایی خواهم کرد. با هر آموزش، مهارت‌های جدیدی را توسعه می‌دهید و درک خود را از این زیر شاخه چالش‌برانگیز و در عین حال پرسود علم داده بهبود می‌بخشید.

این دوره سرگرم کننده و هیجان انگیز است، اما در عین حال، ما عمیقاً به یادگیری ماشین، یادگیری عمیق و هوش مصنوعی می پردازیم. در طول نسخه کاملاً جدید دوره، ما ابزارها و فناوری‌های زیادی از جمله:

را پوشش می‌دهیم
  • یادگیری عمیق.

  • Google Colab

  • آناکوندا

  • نوت بوک مشتری

  • هوش مصنوعی در مراقبت های بهداشتی.

  • شبکه عصبی مصنوعی.

  • نرون.

  • عملکرد فعال‌سازی.

  • کراس.

  • پانداها.

  • دریا زاده.

  • مقیاس‌سازی ویژگی.

  • Matplotlib.

  • تولید یک دنباله DNA.

  • پیش پردازش داده ها.

  • عملکرد سیگموئید.

  • عملکرد Tanh.

  • عملکرد ReLU.

  • عملکرد Relu نشتی.

  • تابع واحد خطی نمایی.

  • عملکرد Swish.

  • مدل های مارکوف.

  • الگوریتم‌های K-نزدیک‌ترین همسایگان (KNN).

  • پشتیبانی از ماشین‌های برداری (SVM).

  • وارد کردن کتابخانه و داده.

  • شبکه‌های پیش‌خور عمیق.

  • تجزیه و تحلیل داده ها.

  • تحلیل اکتشافی.

  • مدیریت داده ها و ناهنجاری های از دست رفته در پایتون.

  • استانداردسازی داده ها.

  • ویژگی های زمانی.

  • ویژگی های موقعیت جغرافیایی.

  • مقیاس‌سازی داده‌ها.

  • تجسم داده ها.

  • تجسم داده های موقعیت جغرافیایی.

  • درک الگوریتم یادگیری ماشین.

  • تقسیم داده ها به مجموعه آموزشی و مجموعه تست.

  • آموزش شبکه عصبی.

  • ساختمان مدل.

  • تجزیه و تحلیل نتایج.

  • تدوین مدل.

  • مقایسه مسئله مقوله ای و باینری.

  • پیش‌بینی کنید.

  • دقت تست.

  • ماتریس سردرگمی.

  • منحنی ROC.

  • کدگذاری یکباره.

  • NLP (پردازش زبان طبیعی).

  • NLTK (کیت ابزار زبان طبیعی).

  • رگرسیون لجستیک.

  • بیز ساده لوح.

  • کدگذاری پاسخ.

  • ماشین‌های بردار پشتیبانی خطی.

  • RF با کدگذاری پاسخ.

  • طبقه‌بندی جنگل تصادفی.

  • مدل انباشته.

  • طبقه‌بندی حداکثر رأی.

علاوه بر این، این دوره مملو از تمرین‌های عملی است که مبتنی بر مثال‌های واقعی است. بنابراین نه تنها تئوری را یاد خواهید گرفت، بلکه تمرین عملی ساختن مدل های خود را نیز خواهید داشت. پنج پروژه بزرگ در مورد مشکلات مراقبت های بهداشتی و یک پروژه کوچک برای عمل وجود دارد. این پروژه ها در زیر فهرست شده اند:

  • پیش‌بینی کرایه‌های تاکسی در شهر نیویورک

  • پروژه طبقه بندی DNA.

  • پروژه طبقه بندی بیماری های قلبی.

  • پروژه تشخیص بیماری عروق کرونر.

  • پروژه تشخیص سرطان سینه.

  • پروژه پیش‌بینی دیابت با پرسپترون‌های چندلایه.

  • گل زنبق.

  • پروژه درمان پزشکی.



سرفصل ها و درس ها

مقدمه (مطالب جدید) Introduction (New Content)

  • ساختار دوره Course Structure

  • چگونه از این دوره بهترین استفاده را ببریم How To Make The Most Out Of This Course

  • هوش مصنوعی در بهداشت و درمان AI in Healthcare

  • نورون چیست؟ What is Neuron

  • یادگیری عمیق چیست What is Deep Learning

  • ANN چیست؟ What is ANN

  • کراس چیست What is keras

  • مقدمه ای بر پانداها قسمت 1 Introduction to Pandas Part 1

  • مقدمه ای بر پانداها قسمت 2 Introduction to Pandas Part 2

  • تجسم داده ها با پانداها Data Visualization with Pandas

  • پیش پردازش داده ها توسط پانداها Data Preprocessing by Pandas

  • نحوه نصب آناکوندا How to install Anaconda

  • اصطلاحات مهم در شبکه عصبی Important terms in Neural Network

عملکرد فعال سازی (محتوای جدید) Activation function (New Content)

  • تابع فعال سازی چیست What is activation function

  • تابع سیگموئید چیست؟ What is sigmoid function

  • تابع tanh چیست؟ What is tanh function

  • تابع واحد خطی اصلاح شده چیست؟ What is Rectified Linear Unit function

  • عملکرد Leaky ReLU چیست؟ What is Leaky ReLU function

  • تابع واحد خطی نمایی چیست؟ What is The Exponential Linear Unit Function

  • تابع Swish چیست؟ What is The Swish function

  • تابع softmax چیست؟ What is The softmax function

  • زمان کدگذاری تمام عملکردهای فعال سازی است Time to code all the activation functions

پروژه طبقه بندی DNA (محتوای جدید) DNA Classification Project (New Content)

  • مقدمه ای بر طبقه بندی کننده DNA Introduction to DNA Classifier

  • وارد کردن کتابخانه و داده ها Importing library and data

  • نمایش داده ها Showing data

  • تولید توالی DNA Generating a DNA sequence

  • تقسیم مجموعه داده به تست آموزشی و مجموعه تست Splitting the dataset into training test and test set

  • روش امتیازدهی و نتایج Scoring method and results

  • خلاصه پروژه Summary of the project

پروژه طبقه بندی بیماری های قلبی (محتوای جدید) Heart Disease Classification Project (New Content)

  • معرفی پروژه Introduction to the project

  • پارامترهای مهم Important Parameters

  • هدف این پروژه Objective of this project

  • وارد کردن کتابخانه و داده ها Importing library and data

  • تحلیل اکتشافی Exploratory analysis

  • مدیریت داده های از دست رفته در پایتون Handling missing data in Python

  • مقیاس بندی داده ها Data scaling

  • تجسم داده ها Data visualization

  • تقسیم مجموعه آموزشی به مجموعه تست و ارزیابی مدل Splitting training set into test set and Evaluating the model

  • خلاصه پروژه Summary of the project

پروژه تشخیص بیماری عروق کرونر (محتوای جدید) Diagnosing Coronary Artery Disease Project (New Content)

  • معرفی Introduction

  • وارد کردن داده ها و تجزیه و تحلیل داده ها Importing data and Analysing data

  • رفع داده های از دست رفته Fixing missing data

  • تقسیم مجموعه داده به تست آموزشی و مجموعه تست Splitting the dataset into training test and test set

  • آموزش شبکه عصبی Training Neural Network

  • مقایسه مسئله مقوله ای و باینری A comparison of categorical and binary problem

  • خلاصه پروژه Summary of the project

پروژه تشخیص سرطان سینه (محتوای جدید) Breast Cancer Detection Project (New Content)

  • معرفی پروژه Introduction to the project

  • وارد کردن کتابخانه و داده ها و پیش پردازش داده ها Importing library and data and Preprocessing data

  • تجسم داده ها Data visualization

  • درک الگوریتم یادگیری ماشین Understanding Machine Learning Algorithm

  • مدل آموزشی Training model

  • پیش بینی کنید Make a Prediction

  • خلاصه پروژه Summary of the project

پروژه پیش بینی دیابت با پرسپترون چندلایه (محتوای جدید) Predicting Diabetes with Multilayer Perceptrons Project (New content)

  • معرفی Introduction

  • وارد کردن داده ها و کتابخانه ها Importing datas and libraries

  • تجسم داده ها Visualizing data

  • مدیریت مقادیر از دست رفته Handling missing values

  • استاندارد سازی داده ها Data standardization

  • تقسیم داده ها به مجموعه های آموزشی، آزمایشی و اعتبار سنجی Splitting the data into training, testing, and validation sets

  • ساختمان نمونه Model building

  • تدوین مدل Model compilation

  • آموزش مدل Model training

  • دقت تست Testing accuracy

  • ماتریس سردرگمی Confusion matrix

  • منحنی ROC ROC curve

  • بهبود بیشتر Further improvement

  • خلاصه پروژه Summary of the project

پروژه درمان پزشکی (محتوای جدید) Medical Treatment Project (New Content)

  • معرفی پروژه Introduction to the project

  • تجزیه و تحلیل مشکل Problem Analysis

  • وارد کردن کتابخانه و داده ها Importing library and data

  • تجزیه و تحلیل داده ها Analysing Data

  • پیش پردازش داده ها Preprocessing data

  • حذف داده های از دست رفته Removing missing data

  • ایجاد داده های آموزشی، آزمایشی و اعتبار سنجی Creating training, test and validation data

  • تجسم داده ها Visualizing data

  • ساخت یک مدل تصادفی Building a random model

  • سردرگمی، دقت و ماتریس یادآوری Confusion, Precision and Recall Matrix

  • رمزگذاری تک داغ One-hot Encoding

  • رمزگذاری پاسخ - نظریه Response Encoding- Theory

  • رمزگذاری پاسخ - اجرای بخش 1 Response Encoding- Implementation Part 1

  • رمزگذاری پاسخ - اجرای بخش 2 Response Encoding- Implementation Part 2

  • رمزگذاری پاسخ - پیاده سازی قسمت 3 Response Encoding- Implementation Part 3

  • ارزیابی ستون تغییرات قسمت 1 Evaluating variation column Part 1

  • ارزیابی ستون تغییرات قسمت 2 Evaluating variation column Part 2

  • ارزیابی ستون متن قسمت 1 Evaluating text column Part 1

  • ارزیابی ستون متن قسمت 2 Evaluating text column Part 2

  • آماده سازی داده ها برای مدل یادگیری ماشینی Data Preparation for machine learning model

  • هر 3 ویژگی را با هم ترکیب کنید Combine all 3 feature together

  • Naive Bayes- پیاده سازی قسمت 1 Naive Bayes- Implementation Part 1

  • Naive Bayes- پیاده سازی قسمت 2 Naive Bayes- Implementation Part 2

  • K پیاده سازی طبقه بندی نزدیکترین همسایه K Nearest Neighbour Classification Implementation

  • پیاده سازی رگرسیون لجستیک Logistic Regression Implementation

  • اجرای رگرسیون لجستیک بدون متعادل کردن داده ها قسمت 1 Logistic Regression Implementation without balancing data Part 1

  • اجرای رگرسیون لجستیک بدون متعادل کردن داده ها قسمت 2 Logistic Regression Implementation without balancing data Part 2

  • ماشین های بردار پشتیبان خطی Linear Support Vector Machines

  • رفع اشتباهات (لطفا تماشا کنید) Fixing mistakes (Please watch)

  • RF با اجرای کدگذاری پاسخ بخش 1 RF with Response Coding Implementation Part 1

  • RF با اجرای کدگذاری پاسخ بخش 2 RF with Response Coding Implementation Part 2

  • پیاده سازی طبقه بندی کننده تصادفی جنگل Random Forest Classifier Implementation

  • پیاده سازی مدل انباشته Stacking model Implementation

  • حداکثر رای طبقه بندی کننده Maximum voting Classifier

متشکرم Thank you

  • لینک اضافی Extra Link

  • متشکرم Thank you

پاداش- پروژه های اضافی خارج از حوزه مراقبت های بهداشتی (محتوای جدید) Bonus- Extra projects outside the healthcare scope (New Content)

  • معرفی پروژه Introduction to the project

  • مجموعه داده پروژه پاداش Bonus project dataset

  • شبکه های پیشخور عمیق Deep feedforward networks

  • وارد کردن کتابخانه و داده ها Importing library and data

  • تجسم داده های موقعیت جغرافیایی Visualizing geolocation data

  • تجزیه و تحلیل داده ها Analysing Data

  • مدیریت داده های از دست رفته و ناهنجاری ها در پایتون Handling missing data and anomalies in Python

  • ویژگی های زمانی Temporal features

  • ویژگی های موقعیت جغرافیایی Geolocation features

  • مقیاس بندی ویژگی ها Feature Scaling

  • ساختمان نمونه Model building

  • تجزیه و تحلیل نتایج Analysing Results

  • خلاصه پروژه Summary of the project

نمایش نظرات

آموزش دوره کامل هوش مصنوعی مراقبت های بهداشتی 2022
جزییات دوره
18.5 hours
116
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
709
3.2 از 5
دارد
دارد
دارد
Hoang Quy La
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Hoang Quy La Hoang Quy La

مهندس برق