Machine Learning in Healthcare: Fundamentals & Applications

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.

Machine Learning in Healthcare: Fundamentals & Applications

Name: Machine Learning in Healthcare: Fundamentals & Applications
Rating: 4.7272727272727275 (11 reviews)

Dozenten: Sonya Makhni

1.749 bereits angemeldet

Bei enthalten

Mehr erfahren

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

11 Bewertungen

Stufe Anfänger

Keine Vorkenntnisse erforderlich

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

11 Bewertungen

Stufe Anfänger

Keine Vorkenntnisse erforderlich

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
Kategorie: Deep Learning
Kategorie: Random Forest Algorithm
Kategorie: Model Evaluation
Kategorie: Data Mining
Kategorie: Healthcare Industry Knowledge
Kategorie: Clinical Experience
Kategorie: AI Integrations
Kategorie: Model Training
Kategorie: Machine Learning Algorithms
Kategorie: Applied Machine Learning
Kategorie: Machine Learning Methods
Kategorie: Machine Learning Software
Kategorie: Health Technology
Kategorie: Machine Learning
Kategorie: Responsible AI
Kategorie: Predictive Modeling
Kategorie: Artificial Intelligence
Kategorie: Diagnostic Tests
Kategorie: Unsupervised Learning

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

23 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

In diesem Kurs gibt es 4 Module

Examines data mining perspectives and methods in a healthcare context. Introduces the theoretical foundations for major data mining methods and studies how to select and use the appropriate data mining method and the major advantages for each. Students are exposed to contemporary data mining software applications and basic programming skills. Focuses on solving real-world problems, which require data cleaning, data transformation, and data modeling.

In this module, we’ll start demystifying the terminology. We’ll begin by exploring the differences between AI, machine learning and deep learning. You’ll also gain hands-on experience in planning your own AI algorithm development, and learn what goes into preparing and constructing datasets for research questions.

Das ist alles enthalten

8 Videos7 Lektüren5 Aufgaben1 peer review2 Diskussionsthemen

8 VideosInsgesamt 23 Minuten

Meet Your Faculty: Paul Cerrato1 Minute
Meet Your Faculty: Sonya Makhni2 Minuten
Module Overview1 Minute
Defining Data Mining4 Minuten
Differences Between Machine Learning and Deep Learning4 Minuten
Linear Regression2 Minuten
Dataset Construction5 Minuten
Dataset Preparation4 Minuten

7 LektürenInsgesamt 73 Minuten

Welcome to Machine Learning in Healthcare: Fundamentals & Applications1 Minute
Syllabus10 Minuten
Recommended Prior Knowledge: Basic Statistics5 Minuten
Recommended Prior Knowledge: How to Read Journal Articles30 Minuten
Algorithm Project Introduction5 Minuten
Lesson Resources20 Minuten
Module Summary2 Minuten

5 AufgabenInsgesamt 16 Minuten

Question to Consider1 Minute
Check Your Knowledge3 Minuten
Check Your Knowledge1 Minute
Check Your Knowledge2 Minuten
Module Quiz9 Minuten

1 peer reviewInsgesamt 120 Minuten

Operational Plan and Dataset for AI Algorithm (Peer Review)120 Minuten

2 DiskussionsthemenInsgesamt 70 Minuten

Welcome to the Course!10 Minuten
Addressing the 30-Day Readmission Problem60 Minuten

In this module, we’ll take a deep dive into several sophisticated AI modeling techniques, including random forest modeling, gradient boosting, clustering and neural networks.

Das ist alles enthalten

6 Videos8 Lektüren7 Aufgaben2 Diskussionsthemen

6 VideosInsgesamt 19 Minuten

Module Overview1 Minute
Logistic Regression3 Minuten
Decision Trees and Random Forest Modeling4 Minuten
Gradient Boosting4 Minuten
Clustering5 Minuten
Neural Networks3 Minuten

8 LektürenInsgesamt 70 Minuten

Week 2 Project Preview1 Minute
Lesson Resources12 Minuten
Week 2 Project Introduction5 Minuten
Module Summary2 Minuten
AI Techniques in Clinical Decision Support7 Minuten
Clustering Study6 Minuten
Gradient Boosting Study34 Minuten
AI Explained: What Is A Neural Network?3 Minuten

7 AufgabenInsgesamt 26 Minuten

Question to Consider1 Minute
Check Your Knowledge2 Minuten
Check Your Knowledge2 Minuten
Check Your Knowledge2 Minuten
Check Your Knowledge2 Minuten
Module Quiz11 Minuten
Honors Quiz6 Minuten

2 DiskussionsthemenInsgesamt 120 Minuten

Can Neural Networks Improve Diagnosis?60 Minuten
Modeling Technique Selection60 Minuten

In this module, you’ll dive deeper into the nitty gritty of how AI algorithms are trained and validated, and examine how they compare to clinicians in the field.

Das ist alles enthalten

6 Videos5 Lektüren7 Aufgaben2 Diskussionsthemen

6 VideosInsgesamt 16 Minuten

Module Overview0 Minuten
Applying Data Mining and Machine Learning to Real-World Problems Part 14 Minuten
Applying Data Mining and Machine Learning to Real-World Problems Part 23 Minuten
Comparing AI Performance to Clinician Performance Part 13 Minuten
Analyzing the EAGLE Study3 Minuten
Comparing AI Performance to Clinician Performance Part 24 Minuten

5 LektürenInsgesamt 163 Minuten

Week 3 Project Preview1 Minute
Study Values: Specificity, Sensitivity, AUC25 Minuten
Lesson Resources46 Minuten
Module Summary1 Minute
Week 3 Project Introduction: The EAGLE Study90 Minuten

7 AufgabenInsgesamt 31 Minuten

Question to Consider5 Minuten
Check Your Knowledge3 Minuten
Check Your Knowledge3 Minuten
Check Your Knowledge3 Minuten
Check Your Knowledge3 Minuten
Check Your Knowledge3 Minuten
Module Quiz11 Minuten

2 DiskussionsthemenInsgesamt 105 Minuten

Doctors vs. Algorithms90 Minuten
EAGLE Study15 Minuten

In this module, we’ll explore why so many potentially useful algorithms are not being implemented by healthcare providers. That critique will explore the black box dilemma, and the challenges involved in developing accurate and equitable data sets. That means examining the many ways in which algorithms can discriminate against various marginalized segments of the population.

Das ist alles enthalten

7 Videos6 Lektüren4 Aufgaben2 Diskussionsthemen

7 VideosInsgesamt 27 Minuten

Module Overview1 Minute
Why Clinicians Resist AI-Enabled Algorithms5 Minuten
Addressing Validation Issues5 Minuten
Internal/External Validation4 Minuten
Clinical Validation Studies2 Minuten
Mayo Clinic on Health AI Part 16 Minuten
Mayo Clinic on Health AI Part 25 Minuten

6 LektürenInsgesamt 60 Minuten

Week 4 Project Preview2 Minuten
Lesson Resources17 Minuten
Lesson Resources36 Minuten
Week 4 Project Introduction3 Minuten
Module Summary1 Minute
Course Summary1 Minute

4 AufgabenInsgesamt 14 Minuten

Check Your Knowledge3 Minuten
Check Your Knowledge3 Minuten
Check Your Knowledge2 Minuten
Module Quiz6 Minuten

2 DiskussionsthemenInsgesamt 150 Minuten

Healthcare Professionals and AI60 Minuten
Validation90 Minuten

Dozenten

Sonya Makhni

Northeastern University

1 Kurs1.749 Lernende

von

Northeastern University

Mehr von Research entdecken

Status: Vorschau
Northeastern University
Machine Learning for Healthcare Professionals
Kurs
Status: Vorschau
Cleveland Clinic
Machine Learning in Healthcare: Foundations and Applications
Kurs
Status: Kostenloser Testzeitraum
SkillUp
Machine Learning for Healthcare Applications
Kurs
Status: Kostenloser Testzeitraum
Stanford University
Fundamentals of Machine Learning for Healthcare
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
72,72 %
4 stars
27,27 %
3 stars
0 %
2 stars
0 %
1 star
0 %

Zeigt 3 von 11 an

Geprüft am 5. Feb. 2025

It was fine. The only complaint about the food is the cookie needed to be heated up and the lines were too long.

Weitere Bewertungen anzeigen

Schalten Sie den Zugang zu mehr als 10.000 Kursen mit einem Abonnement frei
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich den über 4.700 globalen Unternehmen an, die Coursera for Business wählen

Häufig gestellte Fragen

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you purchase a Certificate you get access to all course materials, including graded assignments. Upon completing the course, your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.