Informações sobre o curso

185,822 visualizações recentes

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível intermediário

You’re comfortable with Python programming, statistics, and probability. The Deep Learning Specialization is recommended but not required.

Aprox. 30 horas para completar

Inglês

Legendas: Inglês

O que você vai aprender

  • Walk through examples of prognostic tasks

  • Apply tree-based models to estimate patient survival rates

  • Navigate practical challenges in medicine like missing data  

Habilidades que você terá

Deep LearningMachine Learningtime-to-event modelingRandom Forestmodel tuning

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Nível intermediário

You’re comfortable with Python programming, statistics, and probability. The Deep Learning Specialization is recommended but not required.

Aprox. 30 horas para completar

Inglês

Legendas: Inglês

oferecido por

Logotipo de deeplearning.ai

deeplearning.ai

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

9 horas para concluir

Linear prognostic models

9 horas para concluir
11 vídeos (Total 28 mín.), 4 leituras, 2 testes
11 videos
Prerequisites and Learning Outcomes1min
Medical Prognosis2min
Examples of Prognostic Tasks2min
Atrial fibrillation2min
Liver Disease Mortality2min
Risk of heart disease2min
Risk Score Computation4min
Evaluating Prognostic Models1min
Concordant Pairs, Risk Ties, Permissible Pairs2min
C-Index3min
4 leituras
Connect with your mentors and fellow learners on Slack!10min
Please save your work regularly10min
About the automatic grader10min
How to refresh your workspace10min
1 exercício prático
Week 1 Quiz30min
Semana
2

Semana 2

7 horas para concluir

Prognosis with Tree-based models

7 horas para concluir
15 vídeos (Total 41 mín.)
15 videos
Decision trees1min
Dividing the input space2min
Building a decision tree2min
How to fix overfitting4min
Survival Data3min
Different distributions2min
Missing Data example2min
Missing completely at random2min
Missing at random3min
Missing not at random3min
Imputation1min
Mean Imputation4min
Regression Imputation2min
Calculate Imputed Values2min
1 exercício prático
Week 2 Quiz30min
Semana
3

Semana 3

6 horas para concluir

Survival Models and Time

6 horas para concluir
16 vídeos (Total 38 mín.)
16 videos
Survival Function2min
Valid survival functions3min
Collecting Time Data1min
When a stroke is not observed2min
Heart Attack Data2min
Right censoring1min
Estimating the survival function1min
Died immediately, or never die3min
Somewhere in-between1min
Using censored data1min
Chain rule of conditional probability2min
Deriving Survival2min
Calculating Probabilities from the Data3min
Comparing Estimates3min
Kaplan Meier Estimate2min
1 exercício prático
Week 3 Quiz30min
Semana
4

Semana 4

8 horas para concluir

Build a risk model using linear and tree-based models

8 horas para concluir
24 vídeos (Total 69 mín.), 3 leituras, 2 testes
24 videos
Hazard3min
Survival to hazard2min
Cumulative Hazard3min
Individualized Predictions3min
Relative risk3min
Ranking patients by risk1min
Individual vs. baseline hazard2min
Smoker vs. non-smoker2min
Effect of age on hazard3min
Risk factor increase per unit increase in a variable1min
Factor Risk Increase or Decrease4min
Intro to Survival Trees4min
Survival tree5min
Nelson Aalen estimator5min
Comparing risks of patients1min
Mortality score2min
Evaluation of Survival Model3min
Permissible and Non-Permissible Pairs2min
Possible Permissible Pairs1min
Example of Harrell's C-Index3min
Example of Concordant Pairs2min
Week 4 Summary47s
Congratulations!1min
3 leituras
Congratulations on finishing course 2!10min
Acknowledgements10min
Citations10min
1 exercício prático
Week 4 Quiz30min

Sobre Programa de cursos integrados AI for Medicine

AI is transforming the practice of medicine. It’s helping doctors diagnose patients more accurately, make predictions about patients’ future health, and recommend better treatments. This three-course Specialization will give you practical experience in applying machine learning to concrete problems in medicine. These courses go beyond the foundations of deep learning to teach you the nuances in applying AI to medical use cases. If you are new to deep learning or want to get a deeper foundation of how neural networks work, we recommend taking the Deep Learning Specialization....
AI for Medicine

Perguntas Frequentes – FAQ

  • Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.

  • Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

  • Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.

  • Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.