Informações sobre o curso

52,859 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 iniciante
Aprox. 12 horas para completar
Inglês

O que você vai aprender

  • Define important relationships between the fields of machine learning, biostatistics, and traditional computer programming.

  • Learn about advanced neural network architectures for tasks ranging from text classification to object detection and segmentation.

  • Learn important approaches for leveraging data to train, validate, and test machine learning models.

  • Understand how dynamic medical practice and discontinuous timelines impact clinical machine learning application development and deployment.

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 iniciante
Aprox. 12 horas para completar
Inglês

oferecido por

Placeholder

Universidade de Stanford

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

2 horas para concluir

Why machine learning in healthcare?

2 horas para concluir
7 vídeos (Total 34 mín.), 6 leituras, 3 testes
7 videos
History of AI in Medicine6min
Course Overview4min
Why Healthcare Needs Machine Learning2min
Machine Learning Magic8min
Machine Learning, Biostatistics, Programming4min
Can Machine Learning Solve Everything?5min
6 leituras
Getting Started: Creators of This Course5min
Video Image Credit
Video Image Credit
Study Guide Module 15min
Citations and Additional Readings10min
Video Image Credit
3 exercícios práticos
Reflection Exercise15min
Reflection Exercise10min
Knowledge Check30min
Semana
2

Semana 2

2 horas para concluir

Concepts and Principles of machine learning in healthcare part 1

2 horas para concluir
8 vídeos (Total 51 mín.), 2 leituras, 3 testes
8 videos
Machine Learning Terms, Definitions, and Jargon Part 210min
How Machines Learn Part 18min
How Machines Learn Part 25min
Supervised Machine Learning Approaches: Regression and the "No Free Lunch" Theorem3min
Other Traditional Supervised Machine Learning Approaches3min
Support Vector Machine (SVM)3min
Unsupervised Machine Learning4min
2 leituras
Study Guide Module 25min
Citations and Additional Readings5min
3 exercícios práticos
Reflection Exercise10min
Reflection Exercise10min
Knowledge Check30min
Semana
3

Semana 3

2 horas para concluir

Concepts and Principles of machine learning in healthcare part 2

2 horas para concluir
10 vídeos (Total 63 mín.), 3 leituras, 3 testes
10 videos
Deep Learning and Neural Networks6min
Cross Entropy Loss3min
Gradient Descent6min
Representing Unstructured Image and Text Data5min
Convolutional Neural Networks4min
Natural Language Processing and Recurrent Neural Networks7min
The Transformer Architecture for Sequences4min
Commonly Used and Advanced Neural Network Architectures6min
Advanced Computer Vision Tasks and Wrap-Up10min
3 leituras
Video Image Credit
Study Guide Module 35min
Citations and Additional Readings5min
3 exercícios práticos
Reflection Exercise10min
Reflection Exercise10min
Knowledge Check30min
Semana
4

Semana 4

2 horas para concluir

Evaluation and Metrics for machine learning in healthcare

2 horas para concluir
5 vídeos (Total 35 mín.), 2 leituras, 3 testes
5 videos
Overfitting and Underfitting8min
Strategies to Address Overfitting, Underfitting and Introduction to Regularization 5min
Statistical Approaches to Model Evaluation5min
Receiver Operator and Precision Recall Curves as Evaluation Metrics11min
2 leituras
Study Guide Module 45min
Citations and Additional Readings5min
3 exercícios práticos
Reflection Exercise 110min
Reflection Exercise 210min
Knowledge Check30min

Avaliações

Principais avaliações do FUNDAMENTALS OF MACHINE LEARNING FOR HEALTHCARE

Visualizar todas as avaliações

Sobre Programa de cursos integrados AI in Healthcare

AI in Healthcare

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.