L'analyse prédictive a une longue tradition en médecine. Le développement de meilleurs modèles de prédiction est une étape critique dans la poursuite de l'amélioration des soins de santé : nous avons besoin de ces outils pour guider notre prise de décision sur les mesures préventives et les traitements individualisés. Afin d'utiliser et de développer efficacement ces modèles, nous devons mieux les comprendre. Dans ce cours, vous apprendrez à créer des outils de prédiction précis et à évaluer leur validité. Tout d'abord, nous discuterons du rôle de l'analyse prédictive pour la prévention, le diagnostic et l'efficacité. Ensuite, nous examinerons des concepts clés tels que la conception de l'étude, la taille de l'échantillon et l'ajustement excessif. En outre, nous discuterons en détail des questions de modélisation importantes telles que les valeurs manquantes, les relations non linéaires et la sélection du modèle. L'importance du compromis biais-variance et son rôle dans la prédiction sont également abordés. Enfin, nous examinons différentes manières d'évaluer un modèle - par le biais de mesures de performance et en évaluant la validité interne et externe. Tout au long du cours, nous illustrons les concepts introduits dans les conférences à l'aide de R. Vous n'avez pas besoin d'installer R sur votre ordinateur pour suivre le cours : vous serez en mesure d'accéder à R et à tous les ensembles de données d'exemple dans l'environnement Coursera. Nous faisons cependant référence à d'autres packages que vous pouvez utiliser pour certains types d'analyses - n'hésitez pas à les installer et à les utiliser sur votre ordinateur. En outre, chaque module peut également contenir des questions de quiz pratiques. Dans ces questions, vous réussirez, que vous ayez donné une bonne ou une mauvaise réponse. Vous apprendrez mieux en réfléchissant d'abord aux réponses elles-mêmes, puis en vérifiant vos réponses avec les réponses correctes et les explications fournies. Ce cours fait partie d'un programme de maîtrise en gestion de la santé de la population à l'Université de Leiden (actuellement en cours de développement).
(24 avis)
Expérience recommandée
Ce que vous apprendrez
Comprendre le rôle de l'analyse prédictive pour la prévention, le diagnostic et l'efficacité
Expliquer les concepts clés de la modélisation prédictive : conception appropriée de l'étude, taille adéquate de l'échantillon et surajustement
Comprendre les questions importantes liées au développement de modèles, telles que les données manquantes, les relations non linéaires et la sélection de modèles
Connaître les moyens d'évaluer la qualité des modèles par le biais de mesures de performance et de validation
Compétences que vous acquerrez
- Catégorie : Analyse prédictive
- Catégorie : statistiques médicales
- Catégorie : La programmation en R
- Catégorie : Analyse de régression
Détails à connaître
Ajouter à votre profil LinkedIn
17 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
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 5 modules dans ce cours
Bienvenue dans le cours d'analyse prédictive ! Nous sommes ravis de vous accueillir en classe et nous attendons avec impatience vos contributions à la communauté d'apprentissage. Pour commencer, nous vous recommandons de prendre quelques minutes pour explorer le site du cours. Passez en revue le matériel que nous couvrirons chaque semaine, et prévoyez les devoirs que vous devrez faire pour réussir le cours. Cliquez sur Discussions pour accéder aux forums où vous pourrez discuter du contenu du cours avec d'autres étudiants. Si vous avez des questions sur le contenu du cours, posez-les dans les forums afin d'obtenir l'aide des autres membres de la communauté du cours. Pour les problèmes techniques liés à la plateforme Coursera, consultez le Centre d'aide aux apprenants. Nous vous souhaitons bonne chance et espérons que vous apprécierez le cours !
Inclus
2 vidéos3 lectures1 sujet de discussion1 plugin
Dans ce module, nous examinons le rôle de l'analyse prédictive dans la prévention, le diagnostic et l'efficacité. Nous commençons par une brève introduction à l'analyse prédictive, suivie d'une distinction entre les interventions basées sur la population et les interventions ciblées. Nous expliquons ensuite pourquoi et quand il peut être bénéfique de tester un diagnostic, et comment les outils analytiques peuvent aider à éclairer ces décisions. Enfin, nous nous concentrons sur l'équilibre entre les avantages et les inconvénients d'un certain traitement, et sur la manière dont nous pouvons prédire les avantages pour un individu.
Inclus
6 vidéos6 devoirs
Dans ce module, nous présenterons quelques concepts clés de la modélisation prédictive. Tout d'abord, nous évaluons les forces et les faiblesses des différents modèles d'étude. Ensuite, nous soulignons l'importance d'une taille d'échantillon appropriée pour une inférence fiable. Nous aborderons ensuite les questions de l'ajustement excessif d'un modèle de prédiction et de la régression à la moyenne. Enfin, nous vous guiderons à travers la célèbre procédure bootstrap, en montrant comment elle peut être utilisée pour évaluer la variabilité des paramètres.
Inclus
6 vidéos3 lectures3 devoirs1 sujet de discussion
Dans ce module, nous nous concentrons sur le développement de modèles. Tout d'abord, nous nous intéressons au problème des valeurs manquantes. Nous discutons des mécanismes de manque bien connus et des méthodes pour traiter les valeurs manquantes de manière appropriée. Ensuite, nous apprenons les méthodes pour traiter la non-linéarité dans un ensemble de données. Nous abordons ensuite le thème de la sélection de modèles, en nous concentrant sur les limites des procédures traditionnelles de sélection par étapes. Enfin, nous verrons comment l'introduction d'un biais en échange d'une variance plus faible peut améliorer la qualité de la prédiction. Pour ce faire, nous utilisons des méthodes avancées, telles que LASSO et la régression Ridge.
Inclus
6 vidéos4 lectures2 devoirs2 sujets de discussion
Dans ce dernier module, nous apprenons à évaluer la qualité d'un modèle de prédiction. Tout d'abord, nous discutons en détail des mesures de performance standard pour les résultats binaires et continus. Ensuite, nous explorons différentes manières de valider un modèle de prédiction. Nous verrons comment évaluer la validité interne et la validité externe, plus pertinente, d'un modèle. Ensuite, nous verrons comment mettre à jour un modèle et le rendre applicable à un contexte médical spécifique. Nous conclurons par une interview, où nous discuterons plus largement du potentiel de l'analyse prédictive en prenant l'exemple de l'île d'Aruba.
Inclus
6 vidéos2 lectures6 devoirs2 sujets de discussion
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Analyse des Données
Coursera Project Network
Johns Hopkins University
Northeastern University
Johns Hopkins University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
24 avis
- 5 stars
79,16 %
- 4 stars
8,33 %
- 3 stars
8,33 %
- 2 stars
0 %
- 1 star
4,16 %
Affichage de 3 sur 24
Révisé le 13 sept. 2020
Provide lots of useful tips for practical deployment of predictive analytics and also some brief theoretical background. A very well presented course.
Révisé le 6 janv. 2021
Very Challenging and instructive enjoyed it thank you
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - 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 achetez un certificat, vous avez accès à tous les supports de cours, y compris les devoirs notés. Une fois le cours terminé, votre certificat électronique sera ajouté à votre page de réalisations. Vous pourrez alors l'imprimer ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez l'auditer gratuitement.
Vous pouvez prétendre à un remboursement intégral jusqu'à deux semaines après la date de votre paiement ou (pour les cours qui viennent d'être lancés) jusqu'à deux semaines après le début de la première session du cours, la date la plus tardive étant retenue. Vous ne pouvez pas obtenir de remboursement une fois que vous avez obtenu un certificat de cours, même si vous terminez le cours pendant la période de remboursement de deux semaines. Consultez notre politique de remboursement complète.