Online cursus – gecertificeerde professionele stage in AI in de gezondheidszorg door Google, Stanford University

Ontdek de laatste informatie over onze producten en diensten. Ervaar de kwaliteit van onze producten en uitstekende klantenservice. Kijk voor meer details op onze website.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

starten

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Mogelijkheid om medische gegevens en externe informatie te analyseren
  • Inzicht in toepassingen van kunstmatige intelligentie in de gezondheidszorg
  • Kennis van het op een veilige en ethische manier naar de kliniek brengen van AI-technologieën
  • Verbetering van de samenwerking tussen de gezondheidszorgberoepen en de informatica
  • Ervaring met een praktisch afstudeerproject op het gebied van gezondheid
  • Inzicht in de impact van keuzes op de gezondheidszorg, aanbevolen door AI-modellen

What you will learn in the course

Courses for which the course is suitable

  • Artsen
  • Medische data-analisten
  • Gezondheidsonderzoekers
  • Digitale gezondheidszorgprofessionals
  • Ontwikkelaars in de gezondheidszorg
  • Projectmanagers op het gebied van de gezondheidszorg
  • Adviseurs op het gebied van de gezondheidszorg
  • Professionals in de computerwetenschappen
  • Experts op het gebied van kunstmatige intelligentie op het gebied van gezondheid

Stage – een reeks van 5 cursussen

Kunstmatige intelligentie (AI) heeft industrieën over de hele wereld getransformeerd en heeft het potentieel om de gezondheidszorg dramatisch te veranderen. Stel je voor dat je gegevens kunt analyseren over patiëntbezoeken aan de kliniek, voorgeschreven medicijnen, laboratoriumtests en uitgevoerde procedures, naast gegevens van buiten het gezondheidszorgsysteem – zoals sociale netwerken, aankopen gedaan met creditcards, bevolkingsgegevens, zoeklogboeken op internet die waardevolle gegevens bevatten gezondheidsinformatie.

In deze stage bespreken we de huidige en toekomstige toepassingen van kunstmatige intelligentie in de gezondheidszorg, met als doel te leren hoe we AI-technologieën op een veilige en ethische manier in de kliniek kunnen brengen.

doelgroep

  • gezondheidswerkers
  • Professionals in de computerwetenschappen

Deze specialisatie biedt inzichten om de samenwerking tussen de vakgebieden te verbeteren.

CME-accreditatie

Stanford University School of Medicine is geaccrediteerd door de Accreditation Council for Continuing Medical Education (ACCME) om artsen permanente medische educatie te bieden. De volledige informatie over CME-accreditatie is te vinden op de FAQ-pagina van de specifieke cursus.

Een praktisch leerproject

De laatste cursus omvat een eindproject dat je meeneemt op een rondleiding waarbij we alle concepten zullen volgen die we in de verschillende lessen hebben behandeld. Het wordt een praktische ervaring die zich richt op de reis van een patiënt door de lens van de gegevens, met behulp van een unieke dataset die voor deze specialisatie is gemaakt.

We bekijken hoe de verschillende keuzes die u gaat maken – zoals die met betrekking tot gebouwkenmerken, de soorten gegevens die u wilt gebruiken, hoe het model wordt geëvalueerd en hoe u omgaat met de tijdlijn van de patiënt – van invloed zijn op de behandeling die wordt aanbevolen. door het model.

Details of the courses that make up the specialization

Inleiding tot gezondheid

Cursus 1

11 uur
4,8 (981 beoordelingen)

  • Grote uitdagingen in het Amerikaanse gezondheidszorgsysteem
  • Problemen die zich kunnen voordoen bij pogingen om de gezondheidszorg en het gezondheidszorgsysteem te verbeteren
  • Wie zijn de belangrijkste factoren in het Amerikaanse gezondheidszorgsysteem?

Cursus 2

11 uur
4,7 (336 beoordelingen)

  • Hoe een methodologie toe te passen op het gebied van medische datamining
  • Ethisch gebruik van gegevens bij besluitvorming in de gezondheidszorg
  • Hoe u gebruik kunt maken van de gegevens kan op systematische wijze onnauwkeurig zijn
  • Wat is een belangrijke onderzoeksvraag en hoe bouw je een workflow voor succes op het gebied van datamining?

Cursus 3

14 uur
4,8 (466 beoordelingen)

  • Definieer belangrijke verbanden tussen de vakgebieden machine learning, biostatistiek en traditioneel programmeren
  • Leer meer over geavanceerde neurale netwerkarchitecturen voor taken zoals tekstclassificatie en objectherkenning en mapping
  • Leer belangrijke benaderingen voor het exploiteren van gegevens om machine learning-modellen te trainen, valideren en testen
  • Begrijp hoe de dynamische medische praktijk en veranderende behoeften de ontwikkeling en het verlaten van klinische machine learning-toepassingen beïnvloeden

Cursus 4

11 uur
4,6 (234 beoordelingen)

  • Principes en praktische overwegingen voor het integreren van AI in klinische werkprocessen
  • Goede praktijken voor AI-toepassingen om eerlijke en rechtvaardige gezondheidszorgoplossingen te bevorderen
  • Uitdagingen van regulering in AI-toepassingen en welke componenten van een regelbaar model
  • Welke standaard evaluatiematrix voldoet en welke niet

Cursus 5

10 uur
4,6 (210 beoordelingen)

  • Een afstudeerproject gewijd aan het onderzoeken van alle concepten die in de verschillende lessen zijn geleerd
  • Het traject van een patiënt met ademhalingssymptomen en het volgen van de gegevens die bij elke sessie worden gegenereerd
  • Modellen bouwen voor beslissingen over risico’s voor de patiënt
  • Bespreking van regelgevende en ethische kwesties bij het gebruik van AI om betere beslissingen te nemen