이 강좌는 AI in Healthcare 특화 과정의 일부입니다.

4.8
별점
268개의 평가

Matthew Lungren +1명의 강사

13,030명이 이미 등록했습니다.

제공자:

AI in Healthcare 특화 과정스탠퍼드 대학교

이 강좌에 대하여

최근 조회 34,979회

Machine learning and artificial intelligence hold the potential to transform healthcare and open up a world of incredible promise. But we will never realize the potential of these technologies unless all stakeholders have basic competencies in both healthcare and machine learning concepts and principles. 
This course will introduce the fundamental concepts and principles of machine learning as it applies to medicine and healthcare. We will explore machine learning approaches, medical use cases, metrics unique to healthcare, as well as best practices for designing, building, and evaluating machine learning applications in healthcare.

The course will empower those with non-engineering backgrounds in healthcare, health policy, pharmaceutical development, as well as data science with the knowledge to critically evaluate and use these technologies.

 
Co-author: Geoffrey Angus
 
Contributing Editors:
Mars Huang
Jin Long
Shannon Crawford
Oge Marques


The Stanford University School of Medicine is accredited by the Accreditation Council for Continuing Medical Education (ACCME) to provide continuing medical education for physicians.  Visit the FAQs below for important information regarding 1) Date of original release and Termination or expiration date; 2) Accreditation and Credit Designation statements; 3) Disclosure of financial relationships for every person in control of activity content.

유연한 마감일

일정에 따라 마감일을 재설정합니다.

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 5개 강좌 중 3번째 강좌:

AI in Healthcare 특화 과정

초급 단계

완료하는 데 약 12시간 필요

영어

배울 내용

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.

유연한 마감일

일정에 따라 마감일을 재설정합니다.

공유 가능한 수료증

완료 시 수료증 획득

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

다음 특화 과정의 5개 강좌 중 3번째 강좌:

AI in Healthcare 특화 과정

초급 단계

완료하는 데 약 12시간 필요

영어

강사

강사 평가

4.9/5 (111개의 평가)

Matthew Lungren

Associate Professor

Department of Radiology

14,367명의 학습자

2개의 강좌

Serena Yeung

Assistant Professor

Biomedical Data Science

14,367명의 학습자

2개의 강좌

제공자:

스탠퍼드 대학교

강의 계획표 - 이 강좌에서 배울 내용

콘텐츠 평가96%(1,334개의 평가)

주

주 1

완료하는 데 2시간 필요

Why machine learning in healthcare?

완료하는 데 2시간 필요

7개 동영상 (총 34분), 6 개의 읽기 자료, 3 개의 테스트

7개의 동영상

Why machine learning in healthcare?3m

History of AI in Medicine6m

Course Overview4m

Why Healthcare Needs Machine Learning2m

Machine Learning Magic8m

Machine Learning, Biostatistics, Programming4m

Can Machine Learning Solve Everything?5m

6개의 읽기 자료

Getting Started: Creators of This Course5m

Video Image Credit

Study Guide Module 15m

Citations and Additional Readings10m

Video Image Credit

3개 연습문제

Reflection Exercise15m

Reflection Exercise10m

Knowledge Check30m

주

주 2

완료하는 데 2시간 필요

Concepts and Principles of machine learning in healthcare part 1

완료하는 데 2시간 필요

8개 동영상 (총 51분), 2 개의 읽기 자료, 3 개의 테스트

8개의 동영상

Machine Learning Terms, Definitions, and Jargon Part 111m

Machine Learning Terms, Definitions, and Jargon Part 210m

How Machines Learn Part 18m

How Machines Learn Part 25m

Supervised Machine Learning Approaches: Regression and the "No Free Lunch" Theorem3m

Other Traditional Supervised Machine Learning Approaches3m

Support Vector Machine (SVM)3m

Unsupervised Machine Learning4m

2개의 읽기 자료

Study Guide Module 25m

Citations and Additional Readings5m

3개 연습문제

Reflection Exercise10m

Knowledge Check30m

주

주 3

완료하는 데 2시간 필요

Concepts and Principles of machine learning in healthcare part 2

완료하는 데 2시간 필요

10개 동영상 (총 63분), 3 개의 읽기 자료, 3 개의 테스트

10개의 동영상

Introduction to Deep Learning and Neural Networks8m

Deep Learning and Neural Networks6m

Cross Entropy Loss3m

Gradient Descent6m

Representing Unstructured Image and Text Data5m

Convolutional Neural Networks4m

Natural Language Processing and Recurrent Neural Networks7m

The Transformer Architecture for Sequences4m

Commonly Used and Advanced Neural Network Architectures6m

Advanced Computer Vision Tasks and Wrap-Up10m

3개의 읽기 자료

Video Image Credit

Study Guide Module 35m

Citations and Additional Readings5m

3개 연습문제

Reflection Exercise10m

Knowledge Check30m

주

주 4

완료하는 데 2시간 필요

Evaluation and Metrics for machine learning in healthcare

완료하는 데 2시간 필요

5개 동영상 (총 35분), 2 개의 읽기 자료, 3 개의 테스트

5개의 동영상

Introduction to Model Performance Evaluation2m

Overfitting and Underfitting8m

Strategies to Address Overfitting, Underfitting and Introduction to Regularization 5m

Statistical Approaches to Model Evaluation5m

Receiver Operator and Precision Recall Curves as Evaluation Metrics11m

2개의 읽기 자료

Study Guide Module 45m

Citations and Additional Readings5m

3개 연습문제

Reflection Exercise 110m

Reflection Exercise 210m

Knowledge Check30m

검토

4.8

73개의 리뷰

5 stars
82.08%
4 stars
15.29%
3 stars
2.23%
2 stars
0.37%

FUNDAMENTALS OF MACHINE LEARNING FOR HEALTHCARE의 최상위 리뷰

MM 제공2020년 10월 7일

An excellent course for professionals with healthcare background, specially for those who want to test the water before diving deep into AI in Healthcare.

KS 제공2020년 10월 16일

Nicely Framed and Executed in a simple language so anyone can catch up earliest.

SR 제공2020년 10월 9일

Outstanding teaching and pacing by both professors and an excellent generalized instruction of ML for healthcare.

HJ 제공2021년 10월 4일

it is a really good course for learning ML but some of the videos are a bit hard to fully understand

모든 리뷰 보기

AI in Healthcare 특화 과정 정보

Artificial intelligence (AI) has transformed industries around the world, and has the potential to radically alter the field of healthcare. Imagine being able to analyze data on patient visits to the clinic, medications prescribed, lab tests, and procedures performed, as well as data outside the health system -- such as social media, purchases made using credit cards, census records, Internet search activity logs that contain valuable health information, and you’ll get a sense of how AI could transform patient care and diagnoses.

In this specialization, we'll discuss the current and future applications of AI in healthcare with the goal of learning to bring AI technologies into the clinic safely and ethically. This specialization is designed for both healthcare providers and computer science professionals, offering insights to facilitate collaboration between the disciplines. CME Accreditation The Stanford University School of Medicine is accredited by the Accreditation Council for Continuing Medical Education (ACCME) to provide continuing medical education for physicians. View the full CME accreditation information on the individual course FAQ page.

자주 묻는 질문

강의 및 과제를 언제 이용할 수 있게 되나요?
강의 및 과제 이용 권한은 등록 유형에 따라 다릅니다. 청강 모드로 강좌를 수강하면 대부분의 강좌 자료를 무료로 볼 수 있습니다. 채점된 과제를 이용하고 수료증을 받으려면 청강 도중 또는 이후에 수료증 경험을 구매해야 합니다. 청강 옵션이 표시되지 않는 경우:
강좌에서 청강 옵션을 제공하지 않을 수 있습니다. 대신 무료 평가판을 사용하거나 재정 지원을 신청할 수 있습니다.
이 강좌에서 대신 '전체 강좌, 수료증 없음'을 제공할 수 있습니다. 이 옵션을 사용하면 모든 강좌 자료를 보고 필요한 평가를 제출하고 최종 성적을 받을 수 있습니다. 이는 또한 수료증 경험을 구매할 수 없음을 의미합니다.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.
재정 지원을 받을 수 있나요?
예. 등록금을 지불할 여유가 없는 학습자는 일부 학습 프로그램에 대해 재정 지원 또는 장학금을 신청할 수 있습니다. 재정 지원 또는 장학금을 선택한 학습 프로그램에서 신청할 수 있는 경우, 신청 링크는 설명 페이지에서 확인할 수 있습니다.
Is this activity accredited for Continuing Medical Education (CME)?
Dates and Duration
Original Release Date: 08/10/2020
Expiration Date: 08/10/2023
Estimated Time to Complete: 11 hours
CME Credits Offered: 11.00
Accreditation
The Stanford University School of Medicine is accredited by the Accreditation Council for Continuing Medical Education (ACCME) to provide continuing medical education for physicians. The Stanford University School of Medicine designates this enduring material for a maximum of 11.00 AMA PRA Category 1 Credits™. Physicians should claim only the credit commensurate with the extent of their participation in the activity.
Disclosures
The Stanford University School of Medicine adheres to ACCME Criteria, Standards and Policies regarding industry support of continuing medical education. There are no relevant financial relationships with ACCME-defined commercial interests for anyone who was in control of the content of this activity.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.

Fundamentals of Machine Learning for Healthcare

이 강좌에 대하여

배울 내용