Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable
Il y a 3 modules dans ce cours
L'IA transforme la pratique de la médecine. Elle aide les médecins à diagnostiquer les patients avec plus de précision, à prédire leur état de santé futur et à recommander de meilleurs traitements. En tant que praticien de l'IA, vous avez la possibilité de participer à cette transformation de la médecine moderne. Si vous êtes déjà familier avec une partie des mathématiques et du codage derrière les algorithmes d'IA, et que vous êtes désireux de développer davantage vos compétences pour relever les défis de l'industrie des soins de santé, alors cette spécialisation est faite pour vous. Aucune expertise médicale préalable n'est requise !
Ce programme vous permettra d'acquérir une expérience pratique en appliquant des techniques d'apprentissage automatique de pointe à des problèmes concrets de la médecine moderne : - Dans le cours 1, vous créerez des modèles de classification et de segmentation d'images par réseau de neurones convolutifs afin de diagnostiquer des troubles pulmonaires et cérébraux.
- Dans le cours 2, vous construirez des modèles de risque et des estimateurs de survie pour les maladies cardiaques en utilisant des méthodes statistiques et un prédicteur de forêt aléatoire pour déterminer le pronostic du patient.
- Dans le cours 3, vous construirez un prédicteur d'effet de traitement, appliquerez des techniques d'interprétation de modèles et utiliserez le traitement du langage naturel pour extraire des informations des rapports de radiologie. Ces cours vont au-delà des fondements de l'apprentissage profond pour vous donner un aperçu des nuances de l'application de l'IA à des cas d'utilisation médicale. En tant qu'apprenant, vous serez bien placé pour réussir dans ce programme si vous êtes déjà à l'aise avec les mathématiques et le codage des algorithmes d'IA. Vous n'avez pas besoin d'être un expert en IA, mais une connaissance pratique des réseaux neuronaux profonds, en particulier des réseaux convolutifs, et une maîtrise de la programmation Python à un niveau intermédiaire seront essentielles. Si vous êtes relativement novice en matière d'apprentissage automatique ou de réseaux neuronaux, nous vous recommandons de suivre d'abord la Specialization Deep Learning, proposée par deeplearning.ai et enseignée par Andrew Ng. La demande de praticiens de l'IA possédant les compétences et les connaissances nécessaires pour s'attaquer aux plus grands problèmes de la médecine moderne croît de manière exponentielle. Rejoignez-nous dans cette spécialisation et commencez votre voyage vers la construction de l'avenir des soins de santé.
À la fin de cette semaine, vous vous entraînerez à classer les maladies sur les radiographies du thorax à l'aide d'un réseau neuronal.
Inclus
20 vidéos3 lectures1 devoir1 devoir de programmation1 élément d'application4 laboratoires non notés
Afficher les informations sur le contenu du module
20 vidéos•Total 48 minutes
Bienvenue dans la Specializations avec Andrew et Pranav•4 minutes
Démonstration•1 minute
Pré-requis recommandés•1 minute
Diagnostic d'images médicales•2 minutes
Maladies oculaires et diagnostic du cancer•3 minutes
Construction et formation d'un modèle de diagnostic médical•3 minutes
Formation, prédiction et perte•2 minutes
Classification des images et déséquilibre des classes•2 minutes
Fonction de perte de l'entropie croisée binaire•3 minutes
Impact du déséquilibre des classes sur le calcul des pertes•3 minutes
Rééchantillonnage pour obtenir des classes équilibrées•2 minutes
Multi-tâches•2 minutes
Perte multi-tâches, taille des données et architectures CNN•2 minutes
Travailler avec un petit ensemble de formation•3 minutes
Générer plus d'échantillons•3 minutes
Essai du modèle•3 minutes
Répartition des données par patient•2 minutes
Échantillonnage•3 minutes
La vérité sur le terrain et le vote par consensus•2 minutes
Tests médicaux supplémentaires•3 minutes
3 lectures•Total 17 minutes
Rejoignez le forum DeepLearning.IA pour poser des questions, obtenir du soutien ou partager des idées étonnantes !•2 minutes
(Facultatif) Téléchargement de votre ordinateur portable, Téléchargement de votre espace de travail et Actualisation de votre espace de travail•5 minutes
À propos de l'AutoGrader•10 minutes
1 devoir•Total 30 minutes
Détection de maladies à l'aide de la vision par ordinateur•30 minutes
1 devoir de programmation•Total 180 minutes
Diagnostic médical de la radiographie du thorax avec l'apprentissage profond•180 minutes
1 élément d'application•Total 1 minute
Enquête d'accueil•1 minute
4 laboratoires non notés•Total 240 minutes
Exploration des données et prétraitement des images•60 minutes
Comptage des étiquettes et fonction de perte pondérée•60 minutes
Densenet•60 minutes
Chevauchement de patients et fuite de données•60 minutes
Évaluation des modèles
Semaine 2•5 heures à terminer
Détails du module
À la fin de cette semaine, vous vous entraînerez à mettre en œuvre des mesures d'évaluation standard pour déterminer dans quelle mesure un modèle permet de diagnostiquer des maladies.
Inclus
10 vidéos1 lecture1 devoir1 devoir de programmation1 laboratoire non noté
Afficher les informations sur le contenu du module
10 vidéos•Total 24 minutes
Sensibilité, spécificité et mesures d'évaluation•3 minutes
Précision en termes de probabilité conditionnelle•2 minutes
Sensibilité, spécificité et prévalence•4 minutes
VPP, VPN•2 minutes
Matrice de confusion•2 minutes
Courbe ROC et seuil•2 minutes
Variation du seuil•3 minutes
Échantillonnage de la population totale•2 minutes
Intervalles de confiance•3 minutes
intervalle de confiance à 95•2 minutes
1 lecture•Total 10 minutes
Calcul de la VPP en termes de sensibilité, de spécificité et de prévalence•10 minutes
1 devoir
Évaluation des modèles d'apprentissage automatique•0 minutes
1 devoir de programmation•Total 180 minutes
Évaluation des modèles de diagnostic•180 minutes
1 laboratoire non noté•Total 60 minutes
Courbe ROC et seuil•60 minutes
Segmentation d'images sur des images IRM
Semaine 3•7 heures à terminer
Détails du module
À la fin de cette semaine, vous préparerez des données d'IRM 3D, mettrez en œuvre une fonction de perte appropriée pour la segmentation d'images et appliquerez un modèle de réseau en U pré-entraîné pour segmenter les régions tumorales dans les images d'IRM cérébrale 3D.
Inclus
10 vidéos5 lectures1 devoir1 devoir de programmation3 laboratoires non notés
Afficher les informations sur le contenu du module
10 vidéos•Total 25 minutes
Segmentation des images médicales•1 minute
Données IRM et enregistrement des images•3 minutes
Segmentation•4 minutes
u-Net 2D et U-Net 3D•3 minutes
Augmentation des données pour la segmentation•2 minutes
Fonction de perte pour la segmentation d'images•3 minutes
Différentes populations et technologies de diagnostic•2 minutes
Validation externe•2 minutes
Mesurer les résultats pour les patients•3 minutes
Félicitations !•1 minute
5 lectures•Total 42 minutes
Réseaux neuronaux convolutifs•10 minutes
En savoir plus sur U-Net (facultatif)•10 minutes
[IMPORTANT] Rappel sur la fin de l'accès aux cahiers de laboratoire•2 minutes
Remerciements•10 minutes
Citations•10 minutes
1 devoir
Segmentation en fonction des images médicales•0 minutes
1 devoir de programmation•Total 180 minutes
Auto-Segmentation des tumeurs cérébrales pour l'imagerie par résonance magnétique (IRM)•180 minutes
3 laboratoires non notés•Total 180 minutes
Explorez les données et les étiquettes IRM•60 minutes
Extraire une sous-section•60 minutes
Modèle U-Net•60 minutes
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs
Évaluations de l’enseignant
Évaluations de l’enseignant
Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.
DeepLearning.AI est une société de technologie éducative qui développe une communauté mondiale de talents en matière d'IA.
Les expériences éducatives de DeepLearning.AI, menées par des experts, fournissent aux praticiens de l'IA et aux professionnels non techniques les outils nécessaires pour passer des bases fondamentales aux applications avancées, leur permettant ainsi de construire un avenir propulsé par l'IA.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
4.7
2 070 avis
5 stars
76,52 %
4 stars
17,53 %
3 stars
3,71 %
2 stars
1,20 %
1 star
1,01 %
Affichage de 3 sur 2070
K
KH
5·
Révisé le 26 mai 2020
Throughout this course, I was able to understand the different medical and deep learning terminology used. Definitely a good course to understand the basic of image classification and segmentation!
R
RR
4·
Révisé le 29 nov. 2024
The instructor is excellent. I knocked it down a star for the finicky auto-grader. Would love to have had a fourth week that showed how to re-train a previously trained system.
L
LY
4·
Révisé le 9 févr. 2021
Pleasant pacing, very clear and concise lecture material. I was really frustrated with the final assignment though. Would be nice if the grader gives something more instructive than correct/incorrect.
Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Qu'est-ce que je recevrai si je souscris à cette Specializations ?
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.
Une aide financière est-elle disponible ?
Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien pour postuler sur la page de description.