Online cursus – gecertificeerde professionele specialisatie in Deep Learning for Healthcare van de University of Illinois Urbana-Champaign

Leer de meest geavanceerde methoden in deep learning voor medische toepassingen met neurale netwerken in de geneeskunde.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

oprukkende

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Analyse van gezondheidsgegevens
  • Verschillende soorten neurale netwerken
  • Trainen en toepassen van neurale netwerken op medische scenario’s uit de echte wereld
  • Toepassing van theoretische concepten in programmeeropdrachten met automatische beoordeling
  • Trainingsgegevens gebruiken voor verschillende neurale netwerkalgoritmen
  • Werken met Jupyter-notebooks
  • Werken met PyTorch

What you will learn in the course

Courses for which the course is suitable

  • Analyser van gezondheidsgegevens
  • Machine learning-ingenieur
  • Ontwikkelaar van medische algoritmen
  • Onderzoeker op het gebied van geneeskunde en kunstmatige intelligentie
  • Expert in neurale netwerken
  • Medische systeemanalist
  • Softwareontwikkelaar in de gezondheidszorg
  • Technologisch adviseur op het gebied van de geneeskunde
  • Ontwikkelaar van kunstmatige intelligentieoplossingen voor de geneeskunde
  • Onderzoeker op het gebied van informatica en geneeskunde

Stage – een serie van 3 cursussen

Deze specialisatie is bedoeld voor mensen die betrokken zijn bij machine learning en geïnteresseerd zijn in medische toepassingen, of omgekeerd voor medische professionals die geïnteresseerd zijn in de methoden die de moderne informatica voor hun vakgebied biedt.

Belangrijkste onderwerpen

  • Analyse van gezondheidsgegevens
  • Verschillende soorten neurale netwerken
  • Trainen en toepassen van neurale netwerken op medische scenario’s uit de echte wereld

Toegepast leerproject

Leerlingen kunnen de theoretische concepten toepassen in programmeeropdrachten met automatische beoordeling, met behulp van trainingsgegevens die we leveren voor verschillende neurale netwerkalgoritmen.

technologieën in gebruik

  • Jupyter-notitieboekjes
  • PyTorch

Details of the courses that make up the specialization

Grondbeginselen van de wetenschap van gezondheidsdata

Cursus 1

Cursusduur: 24 uur

wat ga je leren

  • machinaal leren
  • Verwerking van gezondheidsgegevens

vaardigheden die je gaat verwerven

  • grafieken
  • Ongecontroleerd leren
  • Autocodeerder
  • diep leren

Diepgaande leermethoden voor de gezondheid

Cursus 2

Cursusduur: 22 uur

Beoordeling: 3,7 (12 beoordelingen)

wat ga je leren

Deze cursus behandelt deep learning (DL)-methoden, gezondheidsgegevens en toepassingen met behulp van DL-methoden. De cursus omvat activiteiten zoals videocolleges, zelfprogrammeringslaboratoria, huiswerk (schrijven en programmeren) en een groot project.

De eerste fase van de cursus omvat videocolleges over verschillende DL- en gezondheidstoepassingen, zelfgeleide labs en veel huiswerkopdrachten. In deze fase bouw je je kennis en ervaring op in het ontwikkelen van praktische deep learning-modellen op het gebied van gezondheidsgegevens. De tweede fase van de cursus zal een groot project zijn dat kan leiden tot een technisch rapport en een actieve demo van de deep learning-modellen om specifieke problemen in de gezondheidszorg op te lossen. We verwachten dat de beste projecten kunnen leiden tot wetenschappelijke publicaties.

vaardigheden die je gaat verwerven

  • grafieken
  • Ongecontroleerd leren
  • Autocodeerder
  • diep leren

Geavanceerde deep learning-methoden voor de gezondheidszorg

Cursus 3

Cursusduur: 16 uur

wat ga je leren

Deze cursus behandelt deep learning (DL)-methoden, gezondheidsgegevens en toepassingen met behulp van DL-methoden. De cursus omvat activiteiten zoals videocolleges, zelfprogrammeringslaboratoria, huiswerk (schrijven en programmeren) en een groot project.

De eerste fase van de cursus omvat videocolleges over verschillende toepassingen van DL en gezondheid, zelfgeleide labs en veel huiswerkopdrachten. In deze fase bouw je je kennis en ervaring op in het ontwikkelen van praktische deep learning-modellen op het gebied van gezondheidsgegevens. De tweede fase van de cursus zal een groot project zijn dat kan leiden tot een technisch rapport en een actieve demo van de deep learning-modellen voor het oplossen van specifieke gezondheidsproblemen. We verwachten dat de beste projecten kunnen leiden tot wetenschappelijke publicaties.

vaardigheden die je gaat verwerven

  • grafieken
  • Ongecontroleerd leren
  • Autocodeerder
  • diep leren