קורס אונליין – תעודה מקצועית מוסמכת בעשיית החלטות קליניות מושכלות באמצעות למידת עומק של Google.

הקורס מסייע לפיתוח מיומנויות קבלת החלטות קליניות מושכלות, מתאים למקצועות בריאות, ניהול רפואי, ותחומים טכנולוגיים. הוא מקנה ידע מעמיק בשימוש בכלים של Google לצורך שיפור תהליכים קליניים.
לפרטים נוספים והרשמה בקורסרה
קורס אונליין - תעודה מקצועית מוסמכת בעשיית החלטות קליניות מושכלות באמצעות למידת עומק של Google.

התמחות מקצועית

סדרה של 5 קורסים

רמת ביניים

לא נדרש ידע מוקדם

זמן להשלמת הקורס

בזמן שלך

7 ימי ניסיון חינם

ללא סיכונים מיותרים

כישורים שתרכשו בקורס

  • כריית מידע ממאגרי נתונים קליניים
  • למידת עמוק ברשומות רפואיות אלקטרוניות
  • מודלי למידה עמוקה ניתנים להסבר ליישומי בריאות
  • מערכות תמיכה בהחלטות קליניות
  • עיבוד מקדים של EHR
  • בניית מודלי למידה עמוקה
  • הסברים כלליים של מודלים
  • הסברים מקומיים של מודלים

מה תלמדו בקורס​

  • כריית מידע ממאגרי נתונים קליניים: אתיקה, מאגר הנתונים MIMIC III, מערכת הסיווג הבינלאומית של מחלות והגדרה של תוצאות קליניות נפוצות.
  • למידת עמוק ברשומות רפואיות אלקטרוניות: מניתוחים תיאוריים עד ניתוחים חיזוי.
  • מודלי למידה עמוקה ניתנים להסבר ליישומי בריאות: מה הם ולמה הם נדרשים.
  • מערכות תמיכה בהחלטות קליניות: הכללה, הטיית מידע, 'הגינות', שימושיות קלינית ופרטיות של אלגוריתמים של אינטליגנציה מלאכותית.
  • חשיבות תכונה בהחלפה על מאגר הנתונים MIMIC עבור טיפול קריטי: הטכניקה מיושמת הן על רגרסיה לוגיסטית והן על מודל LSTM. ההסברים שנובעים הם הסברים כלליים של המודל.
  • LIME על מאגר הנתונים MIMIC עבור טיפול קריטי: הטכניקה מיושמת הן על רגרסיה לוגיסטית והן על מודל LSTM. ההסברים שנובעים הם הסברים מקומיים של המודל.
  • Grad-CAM על מאגר הנתונים MIMIC עבור טיפול קריטי: GradCam מיושם על מודל LSTM המנבא תמותה. ההסברים שנובעים הם הסברים מקומיים של המודל.

המקצועות שאליהם הקורס מתאים

  • מנתח נתונים קליניים
  • מפתח מודלים של למידה עמוקה
  • מהנדס תוכנה בתחום הבריאות
  • מומחה למערכות תמיכה בהחלטות קליניות
  • חוקרת בתחום האינטליגנציה המלאכותית בבריאות
  • מנתח מערכות מידע רפואיות
  • מפתח אלגוריתמים רפואיים
  • מומחה לכריית מידע רפואי
  • מפתח פתרונות טכנולוגיים למערכות בריאות
  • מנתח חיזוי רפואי

התמחות – סדרת 5 קורסים

התמחות זו מיועדת ללומדים בעלי ניסיון בתכנות שמעוניינים להרחיב את הכישורים שלהם ביישום למידה עמוקה ברשומות רפואיות אלקטרוניות, עם דגש על איך לתרגם את המודלים שלהם למערכות תמיכה בהחלטות קליניות.

נושאים עיקריים

  • כריית מידע ממאגרי נתונים קליניים: אתיקה, מאגר הנתונים MIMIC III, מערכת הסיווג הבינלאומית של מחלות והגדרה של תוצאות קליניות נפוצות.
  • למידת עמוק ברשומות רפואיות אלקטרוניות: מניתוחים תיאוריים עד ניתוחים חיזוי.
  • מודלי למידה עמוקה ניתנים להסבר ליישומי בריאות: מה הם ולמה הם נדרשים.
  • מערכות תמיכה בהחלטות קליניות: הכללה, הטיית מידע, 'הגינות', שימושיות קלינית ופרטיות של אלגוריתמים של אינטליגנציה מלאכותית.

פרויקט למידה מעשית

ללומדים יש הזדמנות לבחור ולבצע תרגיל המבוסס על מערכי נתונים שהוצאו מ-MIMIC-III, המשלב ידע מ:

  • כריית מידע ממאגרי נתונים קליניים לשאול את מאגר הנתונים MIMIC.
  • למידת עמוק ברשומות רפואיות אלקטרוניות לעיבוד מקדים של EHR ובניית מודלי למידה עמוקה.
  • מודלי למידה עמוקה ניתנים להסבר לבריאות להסביר את החלטת המודלים.

אפשרויות לבחירה

  • חשיבות תכונה בהחלפה על מאגר הנתונים MIMIC עבור טיפול קריטי: הטכניקה מיושמת הן על רגרסיה לוגיסטית והן על מודל LSTM. ההסברים שנובעים הם הסברים כלליים של המודל.
  • LIME על מאגר הנתונים MIMIC עבור טיפול קריטי: הטכניקה מיושמת הן על רגרסיה לוגיסטית והן על מודל LSTM. ההסברים שנובעים הם הסברים מקומיים של המודל.
  • Grad-CAM על מאגר הנתונים MIMIC עבור טיפול קריטי: GradCam מיושם על מודל LSTM המנבא תמותה. ההסברים שנובעים הם הסברים מקומיים של המודל.

תוכן העניינים של הקורס

חציבת נתונים ממאגרי נתונים קליניים – CDSS 1

קורס 1
20 שעות
4.8 (13 דירוגים)

מה תלמד

  • להבין את הסכימה של מאגרי נתוני EHR הנגישים לציבור (MIMIC-III)
  • להכיר את השימוש בסיווג הבינלאומי של מחלות (ICD)
  • לחלץ ולוויזואליזציה של סטטיסטיקות תיאורטיות ממאגרי נתונים קליניים
  • להבין ולחלץ תוצאים קליניים מרכזיים כמו תמותה ואורך שהייה

מיומנויות שתרכוש

  • חציבת נתונים ממאגרי נתונים קליניים
  • רישומים רפואיים אלקטרוניים
  • סטטיסטיקות תיאורטיות
  • אתיקה ברישומים רפואיים אלקטרוניים
  • סיווג בינלאומי של מחלות

למידה עמוקה ברישומים רפואיים אלקטרוניים – CDSS 2

קורס 2
31 שעות

מה תלמד

  • לאמן ארכיטקטורות למידה עמוקה כגון פרספרטרון רב שכבתי, רשתות נוירונים קונבולוציוניות ורשתות נוירונים חוזרות לצורך סיווג
  • לאמת ולהשוות בין אלגוריתמים שונים של למידת מכונה
  • לפרוס את רישומי הבריאות האלקטרוניים ולייצגם כנתוני סדרה זמן
  • אסטרטגיות חיסור וקידוד נתונים

מיומנויות שתרכוש

  • הסברים גלובליים ומקומיים
  • מודלים של למידת מכונה ברי הסבר
  • מנגנוני תשומת לב
  • פרשנות מול הסבר
  • מודלים ניטרליים ומודלים ספציפיים

מודלים ברי הסבר ללמידה עמוקה בתחום הבריאות – CDSS 3

קורס 3
30 שעות
4.6 (15 דירוגים)

מה תלמד

  • לקודד מתודולוגיות הסבר גלובליות בקטגוריות סיווג של סדרות זמן
  • לקודד מתודולוגיות הסבר מקומיות עבור למידה עמוקה כגון CAM ו-GRAD-CAM
  • להבין את השיטות ההוכחתיות עבור רשתות למידה עמוקה
  • לשלב תשומת לב ברשתות נוירונים חוזרות ולוויזואליזציה של משקלות תשומת הלב

מיומנויות שתרכוש

  • רשת נוירונים חוזרת
  • רשת נוירונים קונבולוציונית
  • קידוד נתונים ואוטו-קודרים
  • תהליך של EHR וחיסור
  • למידה עמוקה ואימות

מערכות תמיכה בהחלטות קליניות – CDSS 4

קורס 4
8 שעות

מה תלמד

  • הערכה של מערכות תמיכה בהחלטות קליניות
  • עיוות, כיול והוגנות במודלים של למידת מכונה
  • ניתוח עקומת החלטות ומערכות תמיכה קליניות ממוקדות בקהל
  • בעיות פרטיות במערכות תמיכה בהחלטות קליניות

מיומנויות שתרכוש

  • בעיות פרטיות במערכות תמיכה קליניות
  • עיוות והוגנות במודלים של למידת מכונה
  • כיול במודלים של למידת מכונה
  • מערכות תמיכה קליניות
  • מערכות תמיכה קליניות ממוקדות בקהל

משימת גג – CDSS 5

קורס 5
2 שעות

מה תלמד

קורס זה הוא משימת גג שמחייבת ממך ליישם את הידע והמיומנויות שלמדת לאורך ההתמחות. בקורס זה תבחר אחד מהתחומים ותשלים את המשימה כדי לעבור.

מה זה קורסרה?

תעודה של קורסרה

איך נרשמים ב-2 דקות לקורסרה

איך מכניסים את התעודה של קורסרה ללינקד-אין​