آموزش یادگیری ماشین برای داده‌های پزشکی - آخرین آپدیت

دانلود Machine Learning for Medical Data

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: این دوره بر پایه مفاهیم بنیادی هوش مصنوعی بنا شده است تا تکنیک‌های یادگیری ماشین (ML) را به‌گونه‌ای که برای حوزه مراقبت‌های بهداشتی و سلامت بهینه شده باشد، آموزش دهد. شما تکنیک‌های یادگیری ماشین و یادگیری عمیق را برای توسعه مدل‌های پیش‌بینی جهت ارزیابی ریسک بیماران به کار خواهید گرفت. همچنین با آزمایش در طراحی، آموزش و ارزیابی مدل‌ها، داده‌های بهداشتی را به بینش‌های کاربردی تبدیل کرده و مهارت‌های استدلال فنی و بالینی خود را از طریق پروژه‌های عملی و نتیجه‌محور تقویت خواهید کرد. مطالعات موردی و نمونه‌های واقعی نشان خواهند داد که چگونه یادگیری ماشین از پیش‌بینی بیماری‌ها، بهینه‌سازی درمان و سیستم‌های پشتیبان تصمیم‌گیری بالینی حمایت می‌کند. برنامه آموزشی بر پیش‌پردازش داده‌ها، مهندسی ویژگی‌ها، انتخاب مدل و ارزیابی با استفاده از معیارهای بالینی و استراتژی‌های اعتبارسنجی تأکید دارد. از طریق تمرینات عملی، روش‌های نظارت‌شده (Supervised) و نظارت‌نشده (Unsupervised) را به کار می‌گیرید، شبکه‌های عصبی را طراحی و آموزش می‌دهید و چالش‌های عملی مانند عدم توازن کلاس‌ها، حریم خصوصی و تفسیرپذیری را مدیریت خواهید کرد. شما برای تکمیل آزمایشگاه‌ها از فایل‌های Jupyter Notebook در محیط Google Colab استفاده خواهید کرد. در پایان این دوره، شما آماده خواهید بود تا گردش‌کارهای یادگیری ماشین را پیاده‌سازی کنید که از نظر بالینی مرتبط، از نظر آماری دقیق و از نظر اخلاقی مسئولانه باشند.

سرفصل ها و درس ها

یادگیری نظارت‌شده در مراقبت‌های بهداشتی Supervised Learning in Healthcare

معرفی دوره Course Introduction
مرور کلی تخصص Specialization Overview
مبانی یادگیری نظارت‌شده در حوزه سلامت Supervised Learning Basics in Healthcare
مطالعه موردی: پیش‌بینی ریسک دیابت Case Study: Diabetes Risk Prediction
پیش‌پردازش داده‌های پزشکی: بهترین روش‌ها Preprocessing Medical Data: Best Practices
مهندسی ویژگی‌ها برای وظایف پیش‌بینی بالینی Feature Engineering for Clinical Prediction Tasks
تکنیک‌های پیش‌بینی بیماری‌های نادر Techniques to Handle Rare Disease Prediction
ارزیابی مدل‌ها با Precision Recall و ROC Evaluating Models with Precision-Recall and ROC

یادگیری نظارت‌نشده برای داده‌های پزشکی Unsupervised Learning for Medical Data

مبانی خوشه‌بندی برای داده‌های بهداشتی Clustering Basics for Healthcare Data
تحلیل مؤلفه‌های اصلی (PCA) برای داده‌های پزشکی PCA for Medical Data
از خوشه‌ها تا تصمیمات بالینی From Clusters to Clinical Decisions
ادغام نتایج نظارت‌نشده در سیستم‌های EHR Integration of Unsupervised Results into EHR Systems

شبکه‌های عصبی برای کاربردهای بهداشتی و سلامت Neural Networks for Healthcare Applications

مبانی معماری شبکه‌های عصبی Neural Network Architecture Primer
آموزش شبکه‌های عصبی برای پیش‌بینی‌های بالینی Training Neural Networks for Clinical Prediction
شبکه‌های عصبی پیچشی (CNN) برای رادیولوژی Convolutional Neural Networks for Radiology
معماری‌های پیشرفته CNN برای وظایف پزشکی Advanced CNN Architectures for Medical Tasks
مدل‌های بازگشتی برای داده‌های بالینی متوالی Recurrent Models for Sequential Clinical Data
تکنیک‌های هوش مصنوعی قابل تفسیر برای مدل‌های پزشکی Explainable AI Techniques for Medical Models