L'IA transforme la pratique de la médecine. Elle aide les médecins à diagnostiquer les patients avec plus de précision, à faire des prédictions sur leur état de santé futur et à recommander de meilleurs traitements. Cette Specializations vous donnera une expérience pratique de l'application de l'apprentissage automatique à des problèmes concrets en médecine. Les traitements médicaux peuvent avoir un impact différent sur les patients en fonction de leurs conditions de santé existantes. Dans ce troisième cours, vous recommanderez des traitements mieux adaptés à chaque patient en utilisant des données provenant d'essais de contrôle randomisés. Au cours de la deuxième semaine, vous appliquerez des méthodes d'interprétation de l'apprentissage automatique pour expliquer la prise de décision de modèles d'apprentissage automatique complexes. Enfin, vous utiliserez des méthodes d'extraction d'entités en langage naturel et de réponse aux questions pour automatiser la tâche d'étiquetage des ensembles de données médicales. Ces cours vont au-delà des fondements de l'apprentissage profond pour vous enseigner les nuances de l'application de l'IA à des cas d'utilisation médicale. Si vous êtes novice en matière d'apprentissage profond ou si vous souhaitez obtenir des bases plus approfondies sur le fonctionnement des réseaux neuronaux, nous vous recommandons de suivre la spécialisation en apprentissage profond.
IA pour le traitement médical
Ce cours fait partie de Spécialisation L'IA au service de la médecine
Instructeurs : Pranav Rajpurkar
24 787 déjà inscrits
(518 avis)
Expérience recommandée
Ce que vous apprendrez
Estimer les effets du traitement à l'aide de données provenant d'essais contrôlés randomisés
Explorer les méthodes d'interprétation des modèles de diagnostic et de pronostic
Appliquer le traitement du langage naturel pour extraire des informations de données médicales non structurées
Compétences que vous acquerrez
- Catégorie : Forêts d'arbres décisionnels
- Catégorie : extraction d'entités en langage naturel
- Catégorie : estimation de l'effet du traitement
- Catégorie : interprétation de l'apprentissage automatique
- Catégorie : question-réponse
Détails à connaître
Ajouter à votre profil LinkedIn
3 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- 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
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 3 modules dans ce cours
Au cours de cette semaine, vous apprendrez Comment analyser les données d'un essai contrôlé randomisé, interpréter les modèles multivariés, évaluer les modèles d'effet de traitement et interpréter les modèles ML pour l'estimation de l'effet de traitement.
Inclus
12 vidéos4 lectures1 devoir1 devoir de programmation3 laboratoires non notés
Cette semaine, vous apprendrez à extraire des étiquettes de maladies à partir de rapports cliniques, ainsi qu'à répondre à des questions avec BERT.
Inclus
10 vidéos1 devoir1 devoir de programmation3 laboratoires non notés
Cette semaine, vous apprendrez à interpréter les modèles d'apprentissage profond, ainsi que l'importance des caractéristiques dans l'apprentissage automatique.
Inclus
9 vidéos4 lectures1 devoir1 devoir de programmation3 laboratoires non notés
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
Alberta Machine Intelligence Institute
Google Cloud
University of California, Santa Cruz
Alberta Machine Intelligence Institute
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 518
518 avis
- 5 stars
78,42 %
- 4 stars
15,41 %
- 3 stars
3,85 %
- 2 stars
1,34 %
- 1 star
0,96 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. 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.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.