کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش استخراج اطلاعات از داده‌های متنی آزاد در حوزه سلامت - آخرین آپدیت

دانلود Information Extraction from Free Text Data in Health

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره آموزشی جامع (MOOC)، با تکنیک‌های پیشرفته یادگیری ماشین و پردازش زبان طبیعی (NLP) برای تجزیه و استخراج اطلاعات از اسناد متنی بدون ساختار در حوزه بهداشت و درمان، مانند یادداشت‌های بالینی، گزارش‌های رادیولوژی و خلاصه‌های ترخیص آشنا خواهید شد. چه یک دانشمند داده آینده‌دار باشید و چه متخصصی در مراحل ابتدایی یا میانی مسیر شغلی خود در زمینه علم داده یا فناوری اطلاعات سلامت، به‌روز نگه داشتن مهارت‌هایتان در استخراج و تحلیل اطلاعات حیاتی است. برای موفقیت در این دوره، توصیه می‌شود مفاهیم آموخته شده در دوره‌های سطح متوسط علم داده دانشگاه میشیگان را پیش‌نیاز قرار دهید تا بتوانید عمیق‌تر به چالش‌های شناسایی موجودات پزشکی در اسناد مرتبط با سلامت، استخراج اطلاعات بالینی، رفع ابهام و چندمعنایی برای برچسب‌گذاری صحیح مفاهیم و توسعه ابزارهایی برای تحلیل گونه‌های جدید اطلاعات سلامت بپردازید. در پایان این دوره، شما قادر خواهید بود: - رویکردهای متن‌کاوی مورد نیاز برای شناسایی و استخراج انواع مختلف اطلاعات از داده‌های متنی سلامت را تشخیص دهید. - یک خط لوله (Pipeline) جامع NLP برای استخراج مفاهیم پزشکی از متون آزاد بالینی با استفاده از منابع ترمینولوژی ایجاد کنید. - تفاوت‌های آموزش مدل‌های یادگیری عمیق را با مدل‌های سنتی یادگیری ماشین تشخیص دهید. - یک مدل شبکه عصبی عمیق را برای شناسایی عوارض جانبی از طریق بررسی‌های دارویی پیکربندی کنید. - مزایا و معایب رویکردهای یادگیری عمیق (Deep Learning) را تحلیل کنید.
سرفصل ها و درس ها

هفته اول | استخراج اطلاعات چیست؟ Week 1 | What is Information Extraction?

  • خوش‌آمدگویی به دوره استخراج اطلاعات از داده‌های متنی آزاد در سلامت Welcome to Information Extraction from Free Text Data in Health

  • استخراج اطلاعات چیست؟ | بخش اول What is Information Extraction? | Part 1

  • استخراج اطلاعات چیست؟ | بخش دوم What is Information Extraction? | Part 2

  • استخراج اطلاعات از متون فرمت شده Information Extraction on Formatted Text

  • شناسایی تاریخ‌ها Identifying Dates

  • استفاده از لیست‌های سازمان‌یافته برای استخراج اطلاعات Using Curated Lists for Information Extraction

  • معیارهای ارزیابی Evaluation Metrics

  • دموی تمرین عملی Hands-On Exercise Demo

هفته دوم | شناسایی موجودات نام‌گذاری شده (NER) Week 2 | Named Entity Recognition (NER)

  • پردازش زبان طبیعی پزشکی | بخش اول Medical Natural Language Processing | Part 1

  • پردازش زبان طبیعی پزشکی | بخش دوم Medical Natural Language Processing | Part 2

  • منابع هستی‌شناسی (Ontology) سلامت | بخش اول Health Ontology Resources | Part 1

  • منابع هستی‌شناسی (Ontology) سلامت | بخش دوم Health Ontology Resources | Part 2

  • منابع هستی‌شناسی (Ontology) سلامت | بخش سوم Health Ontology Resources | Part 3

  • دموی تمرین عملی Hands-On Exercice Demo

هفته سوم | طبقه‌بندی متوالی Week 3 | Sequential Classification

  • آشنایی با استخراج موجودات نام‌گذاری شده پزشکی Introduction to Medical Named Entity Extraction

  • استخراج موجودات نام‌گذاری شده پزشکی Medical Named Entity Extraction

  • برچسب‌گذاری توالی Sequence Labeling

  • مدل‌های مارکوف پنهان Hidden Markov Models

  • میدان‌های تصادفی شرطی Conditional Random Fields

  • ویژگی‌های NER NER Features

  • دموی تمرین عملی Hands-On Exercice Demo

هفته چهارم | آشنایی با رویکردهای پیشرفته NER در سلامت Week 4 | Introduction to Advanced Approaches to NER in Health

  • یادگیری عمیق چیست؟ What is Deep Learning?

  • پرسپترون: ساده‌ترین شبکه عصبی Perceptron: Simplest Neural Network

  • شبکه‌های عصبی عمیق Deep Neural Networks

  • کاربردهای یادگیری عمیق Deep Learning: Applications

  • دموی تمرین عملی Hands-On Exercice Demo

نمایش نظرات

آموزش استخراج اطلاعات از داده‌های متنی آزاد در حوزه سلامت
جزییات دوره
24h 4m
26
(آخرین آپدیت)
2,750
- از 5
دارد
دارد
دارد

https://donyad.com/d/97cacc

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

VG Vinod Vydiswaran VG Vinod Vydiswaran

Computer Programming Text Mining Medical Terminology Python Programming Model Training Artificial Neural Networks Natural Language Processing Machine Learning Model Evaluation Health Informatics Unstructured Data Health Information Management Machine Learning Methods Deep Learning Clinical Documentation Computer Programming Tools برنامه‌نویسی کامپیوتر متن‌کاوی ترمینولوژی پزشکی برنامه‌نویسی پایتون آموزش مدل شبکه‌های عصبی مصنوعی پردازش زبان طبیعی یادگیری ماشین ارزیابی مدل انفورماتیک سلامت داده‌های بدون ساختار مدیریت اطلاعات سلامت متدهای یادگیری ماشین یادگیری عمیق مستندات بالینی ابزارهای برنامه‌نویسی