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

آموزش پروژه نهایی (Capstone) - آخرین آپدیت

دانلود Capstone Assignment

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره پروژه نهایی به شما فرصت می‌دهد تا تمام آموخته‌های خود در تخصص «تصمیم‌گیری بالینی آگاهانه با استفاده از یادگیری عمیق» را در قالب یک پروژه عملی و کاربردی به کار بگیرید. شما با داده‌های واقعی مراقبت‌های ویژه از پایگاه داده MIMIC-III کار خواهید کرد و یک مسئله پیش‌بینی بالینی معنادار را از ابتدا تا انتها به انجام می‌رسانید. شما یکی از سه پروژه پیشرفته با تمرکز بر هوش مصنوعی قابل تفسیر در مراقبت‌های بهداشتی را انتخاب خواهید کرد: اهمیت ویژگی جایگشتی (Permutation Feature Importance)، روش LIME یا Grad-CAM. هر پروژه شما را در مراحل استخراج و آماده‌سازی داده‌های پرونده الکترونیک سلامت، ساخت مدل‌های پیش‌بینی مانند رگرسیون لجستیک یا شبکه‌های LSTM و تفسیر پیش‌بینی‌های مدل با استفاده از تکنیک‌های پیشرفته تفسیرپذیری راهنمایی می‌کند. تمرکز این دوره تنها بر عملکرد مدل نیست، بلکه بر درک و انتقال دلیل پیش‌بینی‌های مدل است. با تکمیل این پروژه نهایی، تجربه عملی در تبدیل مدل‌های یادگیری عمیق به بینش‌هایی که از سیستم‌های پشتیبان تصمیم‌گیری بالینی (CDSS) قابل اعتماد و شفاف حمایت می‌کنند، کسب خواهید کرد. این دوره برای یادگیرندگانی ایده‌آل است که می‌خواهند مهارت‌های کاربردی خود را به نمایش گذاشته، در کار با داده‌های بالینی اعتماد به نفس کسب کنند و توانایی خود را در ترکیب تخصص فنی با استدلال بالینی نشان دهند.
سرفصل ها و درس ها

اهمیت ویژگی جایگشتی در پایگاه داده مراقبت‌های ویژه MIMIC Permutation feature importance on the MIMIC critical care database

روش LIME در پایگاه داده مراقبت‌های ویژه MIMIC LIME on the MIMIC critical care database

روش Grad CAM در پایگاه داده مراقبت‌های ویژه MIMIC Grad-CAM on the MIMIC critical care database

آموزش زیرساخت هوش مصنوعی: GPU ابری

آموزش زیرساخت هوش مصنوعی: GPU ابری

دانلود AI Infrastructure: Cloud GPU

آموزش شبکه‌های مولد رقابتی پیشرفته (GANs)

آموزش شبکه‌های مولد رقابتی پیشرفته (GANs)

دانلود Advanced Generative Adversarial Networks (GANs)

آموزش یادگیری ماشین و مبانی هوش مصنوعی: پیش‌بینی، علیت و استنتاج آماری

آموزش یادگیری ماشین و مبانی هوش مصنوعی: پیش‌بینی، علیت و استنتاج آماری

Machine Learning and AI Foundations: Prediction, Causation, and Statistical Inference

نمایش نظرات

آموزش پروژه نهایی (Capstone)
جزییات دوره
2h 30m
0
(آخرین آپدیت)
530
- از 5
دارد
دارد
دارد
Chris Croft

https://donyad.com/d/89deb6

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

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Model Training Health Informatics Feature Engineering Applied Machine Learning Machine Learning Methods Recurrent Neural Networks (RNNs) Clinical Data Management Data Preprocessing Logistic Regression Decision Intelligence Health Information Management Predictive Analytics Machine Learning Deep Learning Clinical Informatics Predictive Modeling Model Evaluation آموزش مدل انفورماتیک سلامت مهندسی ویژگی یادگیری ماشین کاربردی متدهای یادگیری ماشین شبکه‌های عصبی بازگشتی (RNNs) مدیریت داده‌های بالینی پیش‌پردازش داده‌ها رگرسیون لجستیک هوش تصمیم‌گیری مدیریت اطلاعات سلامت تحلیل‌های پیش‌بینی‌کننده یادگیری ماشین یادگیری عمیق انفورماتیک بالینی مدل‌سازی پیش‌بینی‌کننده ارزیابی مدل