×
ribbon

آموزش کاربرد یادگیری ماشین در علم پزشکی

مدرس:

علیرضا وفایی صدرجواد وحدت آتشگاه

فناوری های دیجیتال در بسیاری از زمینه ها از جمله مراقبت های بهداشتی انقلابی ایجاد کرده اند. با... بیشتر
گواهی‌نامه
2.3 (3)
1 دیدگاه
329دانشجو
8ساعت
سرفصل‌ها
متوسط سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

آموزش آمار توصیفی و استنباطی

آزمون فرض و فاصله اطمینان

کار با داده‌ها و نحوه پردازش آن‌ها

مدل‌سازی و تفسیر خروجی مدل

این دوره شامل:

8 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

9 فصل49 جلسه8 ساعت ویدیو
فصل اول: مقدمه‌ای بر الگوریتم و تحلیل داده
  الگوریتم
07:53
  فلوچارت
08:52
  جمع‌آوری داده
10:31
  پیش‌پردازش داده
12:06
فصل دوم: آمار توصیفی
  میانگین، میانه، مد
08:03
  واریانس، انحراف معیار
05:58
  چندک‌‌ها و چولگی
07:12
  آمار‌ه‌های توصیفی
18:01
فصل سوم: آمار استنباطی
  جداول فراوانی
09:38
  هیستوگرام
14:46
  توزیع
21:42
  توزیع نرمال
09:14
فصل چهارم: آزمون فرض و فاصله اطمینان
  آزمون فرضیه
15:36
  پی-مقدار (P-Value)
05:21
  بوت استرپ
12:13
  فاصله‌های اطمینان
05:55
فصل پنجم: کار با داده‌ها
  دستکاری داده
14:15
  کار با داده گمشده
13:42
فصل ششم: مدل‌های خطی
  مدل خطی ساده
08:43
  مدل خطی چندگانه
13:46
  تفسیر خروجی مدل
13:39
فصل هفتم: مقدمه‌ای یادگیری ماشین
  مقدمه - قسمت اول
15:21
  مقدمه - قسمت دوم
14:19
  ماشین چیست؟
03:39
  یادگیری چیست؟
04:20
  یادگیری ماشین چیست؟
07:18
  علم داده، هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
06:06
  رگرسیون خطی
06:30
فصل هشتم: کار با داده‌ها و مفاهیم اولیه
  Scikit Learn
05:07
  آماده‌سازی داده‌ها - قسمت اول
12:14
  آماده‌سازی داده‌ها - قسمت دوم
12:58
  آموزش مدل
07:18
  تخمین و تست
03:35
فصل نهم: یادگیری ماشین
  متریک‌های رگرسیون
07:01
  رگرسیون لجیستیک
09:01
  متریک‌های دسته‌بندی (Classification Metrices)
20:54
  تخمین مدل
08:07
  Overfitting
15:39
  رگولاریزیشن
09:48
  Cross Validation
10:29
  K-nearest Neighbourhood
06:03
  Support Vector Machines (SVMs)
06:17
  Random Forest
08:33
  شبکه عصبی
10:23
  شبکه عصبی (Dense Layer)
13:55
  شبکه عصبی (کانولوشن‌ها)
06:06
  MNIST
04:30
  کانولوشن‌ها
19:28
  Augmentation
06:06

پیش‌نیاز‌ها

پیش‌نیاز این دوره، آشنایی داشتن با ایجاد سیستم‌های پشتیبان تصمیم (DSS)، توانایی شناسایی مکانیسم‌های پیچیده زیرسیستم‌های مختلف بدن می‌باشد.

توضیحات دوره

فناوری‌های دیجیتال در بسیاری از زمینه‌ها از جمله مراقبت‌های بهداشتی انقلابی ایجاد کرده‌اند. با کمک این فناوری‌ها می‌توان روش‌های درمانی و سایر خدمات بهداشتی و پزشکی را برای افراد و بیماران توسعه داد. علم داده در پزشکی شامل مراحل جمع‌آوری، پردازش و تجزیه و تحلیل داده‌هاست. هدف از توسعه این علم پیوند دادن مراقبت‌های پزشکی و تحقیقات است. انجام این کار به ما کمک می‌کند که بیماری‌ها را بهتر درک کنیم و روش‌های درمانی را برای هر بیمار شخصی‌سازی کنیم. این علم هم‌چنین به ما امکان پیش‌بینی بهتر تاثیرات درمانی را می‌دهد.

یادگیری داده کاوی در پزشکی به ما کمک می‌کند تا مهارت‌ها و توانایی‌هایی به دست آوریم که بتوانیم داده‌های پزشکی را از منابع مختلف جمع‌آوری کرده و همچنین مجموعه داده‌ها را تمیز و ادغام کنیم. کاربرد علم داده در پزشکی شامل طیف وسیعی از خدمات می‌شود که نمی‌توان به راحتی از آن‌ها گذشت. به طور کلی از این علم می‌توان در زمینه‌های علوم پزشکی زیر استفاده کرد:

  • شناسایی مکانیسم‌های پیچیده زیرسیستم‌های مختلف بدن و تعاملات آن‌ها با یکدیگر
  • شناسایی افرادی که مستعد یا در معرض خطر بیماری‌های ژنتیکی هستند.
  • شناسایی مکانیسم‌های بیماری و تعاملات آن‌ها با مشکلات بدن
  • پیش‌بینی بیماری‌ها و مدیریت امکانات
  • ایجاد سیستم‌های پشتیبان تصمیم (DSS) برای تصمیم‌گیری بهتر مخصوصا برای بیماری‌های چندعاملی
  • ارزیابی وظایف و روابط تشخیصی و درمانی و شناسایی کاستی‌ها و توانایی‌ها
  • یافتن بهترین روش‌های غربالگری برای بیماری‌ها و جراحات، به ویژه برای بیماران در شرایط بحرانی

این دوره از مجموعه دوره‌های آموزش هوش مصنوعی و آموزش ماشین لرنینگ مکتب خونه در ادامه‌ی دوره‌ی مقدماتی قبل و برای آشنایی بیشتر با چگونگی پیاده‌سازی هوش مصنوعی به شما کمک خواهد کرد.  


هدف از برگزاری دوره "آموزش کاربرد یادگیری ماشین در علم پزشکی" چیست؟

هدف این دوره، دادن تمامی اطلاعات برای آشنایی دانشجویان علوم پزشکی با علم داده است. کار عملی همزمان و تکرار قسمت‌های برنامه‌نویسی برای افرادی که در دوره شرکت می‌کنند به طور موکد توصیه می‌شود.

این دوره درباره‌ی آموزش کاربرد علوم داده در پزشکی به افرادی است که افراد علاقه‌مند به علوم تجربی، حوزه سلامت و پزشکی هستند.


دوره "آموزش کاربرد یادگیری ماشین در علم پزشکی" برای چه کسانی مناسب هست؟

  • تمام افرادی که دوره‌ی مقداماتی دوره آموزش کاربرد علم داده در پزشکی را گذرانده‌اند.
  • تمام علاقه‌مندان به حوزه پزشکی و سلامت.
  • فعالان حوزه ریاضیات.
  • کسانی که به ریاضیات دبیرستان مسلط هستند.
  • برنامه‌نویسانی که به حوزه سلامت علاقه‌مندند.
  • افراد 17 سال به بالا که علاقه‌مند به یادگیری در حوزه علم داده در پزشکی هستند.

 

بعد از گذراندن دوره "آموزش کاربرد یادگیری ماشین در علم پزشکی" چه مهارت‌هایی کسب خواهید کرد؟


دوره آموزش علم داده در پزشکی به نوعی اولین دوره‌ای است که فیزیک، آمار، هوش مصنوعی و پزشکی را با هم ترکیب کرده است. این دوره تمام این علوم را به گونه‌ای کنار هم قرار داده که به هدف اصلی خود که کاربرد هوش مصنوعی در سلامت است، برسد.

این دوره کمک می‌کند که ابن افراد بتوانند در صنعت سلامت و هوش مصنوعی به تحقیق و فعالیت بپردازند.

دیدگاه کاربران

2.3

بر اساس امتیاز 3 دانشجو

1
2
3
4
5

حبیب اله مرادی

1 سال پیش

2

دوره ناقص است. درفایل انتهایی میگوید در دو فیلم بعدی .... ولی فیلمی و جود ندارد.

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
2دوره
1,007دانشجو
10نظر و امتیاز

دکتر علیرضا وفایی صدر فارغ‌التحصیل دکتری کیهان‌شناسی از دانشگاه شهید بهشتی و محقق فوق دکتری مرکز پژوهش‌های دانش‌های بنیادی هستند. با این حال تحقیقات و علایق ایشان مربوط به علم داده است. در حال حاضر، ایشان مشغول ادامه پژوهش در مقطع فوق دکتری در دانشگاه ژنو و تیم تلسکوپ هایرکس و ska هستند. از جمله جوایز متعددی که ایشان دریافت کرده اند، می‌توان به جایزه نخبگی دانشگاه ژنو سوئیس اشاره کرد.

علاوه بر این، وی با گروه سکته مغزی موسسه گایزینگر و گروه ارتودنسی دکتر مکارمی در فرانسه همکاری دارند. دکتر وفایی صدر با استفاده از تکنیک‌های تفسیر یادگیری عمیق در حال کار بر روی تجزیه و تحلیل ریسک در پرونده‌های الکترونیکی پزشکی و تجزیه و تحلیل رادیومیکس هستند.

ایشان نقش استاد مشاور و راهنما را در دانشگاه‌های مختلف مانند شهید بهشتی، صنعتی شریف، دانشگاه علوم پزشکی ایران و الزهرا را ایفا کرده‌ و چندین تیم هوش مصنوعی را راه‌اندازی و هدایت کرده اند و در بسیاری از مراکز علمی بین‌المللی فعالیت‌های پژوهشی انجام داده اند. علاقه وی به کاربردهای علوم داده باعث شده است که ایشان به کاربرد علوم داده در زمینه‌های مختلف از جمله پزشکی پرداخته و دوره‌های علوم داده را تدریس نمایند.

1دوره
329دانشجو
3نظر و امتیاز

مهندس جواد وحدت فعال در حوزه علم داده و یادگیری ماشین و فاندر تیم تحقیقاتی DataExperts می‌باشند. ایشان بیش از هشت سال سابقه تدریس‌ کارگاه‌های مختلف برای رشته‌های  در حوزه علم داده را دارا می‌باشد همچنین به‌عنوان فریلنسر آموزش‌های رایگان در بستر فضای مجازی در اختیار علاقه‌مندان قرار می‌دهند. از زمینه‌های تحقیقاتی ایشان می‌شود به داده‌های بعد‌بالا، چند متغیره پیوسته، مد‌ل‌سازی داده‌ها، کار با داده‌های زیستی و ژنتیک و داده‌کاوری بصری نام برد که مقالاتی هم در این زمینه به چاپ رسانیده‌اند. کتاب راهنمای زبان R از تالیف‌های تیمی ایشان است.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

سوالات پرتکرار

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.