התמחות מקצועית מוסמכת ב-AI in Healthcare של Google, Stanford University

מוצע על ידי: קורסרה (מה זה קורסרה?)

התמחות מקצועית

סדרה של 5 קורסים

מתחילים

לא נדרש ידע מוקדם

זמן להשלמת הקורס

7 ימי ניסיון חינם

ללא סיכונים מיותרים

כישורים שתרכשו בהתמחות

  • יכולת לנתח נתונים רפואיים ומידע חיצוני
  • הבנה של יישומי בינה מלאכותית בתחום הבריאות
  • ידע בהבאת טכנולוגיות AI לקליניקה בצורה בטוחה ואתית
  • שיפור שיתוף פעולה בין מקצועות הבריאות ומדעי המחשב
  • ניסיון בפרויקט גמר מעשי בתחום הבריאות
  • הבנה של השפעת בחירות על טיפול רפואי המומלץ על ידי מודלים של AI

מה תלמדו

  • יישומים נוכחיים ועתידיים של בינה מלאכותית בתחום הבריאות
  • הבאת טכנולוגיות AI לקליניקה בצורה בטוחה ואתית
  • שיפור שיתוף הפעולה בין מקצועני בריאות ואנשי מקצוע במדעי המחשב
  • פרויקט גמר שיביא אתכם לסיור מודרך
  • חוויה מעשית המתמקדת במסע של מטופל דרך lens של הנתונים
  • השפעת הבחירות על בניית תכונות, סוגי הנתונים, הערכת המודל וציר הזמן של המטופל

המקצועות שאליהם ההתמחות מתאימה

  • רופאים
  • מנתחי נתונים רפואיים
  • חוקרי בריאות
  • אנשי מקצוע בתחום הבריאות הדיגיטלית
  • מפתחים בתחום הבריאות
  • מנהלי פרויקטים בתחום הבריאות
  • יועצים בתחום הבריאות
  • אנשי מקצוע במדעי המחשב
  • מומחי בינה מלאכותית בתחום הבריאות

התמחות – סדרת קורסים של 5

בינה מלאכותית (AI) שינתה תעשיות ברחבי העולם ויש לה את הפוטנציאל לשנות באופן דרמטי את תחום הבריאות. דמיינו לעצמכם יכולת לנתח נתונים על ביקורי מטופלים בקליניקה, תרופות שנרשמו, בדיקות מעבדה ופרוצדורות שבוצעו, לצד נתונים מחוץ למערכת הבריאות – כמו רשתות חברתיות, רכישות שבוצעו בכרטיסי אשראי, רישומי אוכלוסין, יומני חיפוש באינטרנט המכילים מידע בריאותי יקר ערך.

בהתמחות הזו, נדון ביישומים הנוכחיים והעתידיים של בינה מלאכותית בתחום הבריאות, במטרה ללמוד כיצד להביא טכנולוגיות AI לקליניקה בצורה בטוחה ואתית.

קהל יעד

  • מקצועני בריאות
  • אנשי מקצוע במדעי המחשב

התמחות זו מציעה תובנות לשיפור שיתוף הפעולה בין התחומים.

אקרדיטציה CME

בית הספר לרפואה של אוניברסיטת סטנפורד מוכר על ידי המועצה לאקרדיטציה של חינוך רפואי מתמשך (ACCME) לספק חינוך רפואי מתמשך לרופאים. ניתן לראות את המידע המלא על אקרדיטציית CME בעמוד השאלות הנפוצות של הקורס הספציפי.

פרויקט למידה מעשית

הקורס הסופי יכלול פרויקט גמר שיביא אתכם לסיור מודרך שבו נתחקה אחרי כל המושגים שעברנו בכיתות השונות. תהיה זו חוויה מעשית שתתמקד במסע של מטופל דרך lens של הנתונים, בעזרת סט נתונים ייחודי שנוצר לצורך ההתמחות הזו.

נסקור כיצד הבחירות השונות שתעשו – כמו אלו הנוגעות לבניית תכונות, סוגי הנתונים שברצונכם להשתמש בהם, כיצד מתבצע הערכת המודל ואיך תתמודדו עם ציר הזמן של המטופל – משפיעות על הטיפול שיומלץ על ידי המודל.

פירוט הקורסים שמרכיבים את ההתמחות

מבוא לבריאות

קורס 1

11 שעות
4.8 (981 דירוגים)

  • אתגרים מרכזיים במערכת הבריאות האמריקאית
  • בעיות העשויות להתרחש במאמצים לשפר את אספקת הבריאות ואת מערכת הבריאות
  • מי הם הגורמים המרכזיים במערכת הבריאות האמריקאית

קורס 2

11 שעות
4.7 (336 דירוגים)

  • איך ליישם מתודולוגיה בתחום כריית נתונים רפואיים
  • שימוש אתי בנתונים בקבלת החלטות בתחום הבריאות
  • איך לעשות שימוש בנתונים עשויים להיות לא מדויקים בדרכים שיטתיות
  • מהי שאלה מחקר חשובה ואיך לבנות זרימת עבודה להצלחה בנתוני כריית נתונים

קורס 3

14 שעות
4.8 (466 דירוגים)

  • להגדיר קשרים חשובים בין תחומי הלמידה המכונה, ביוסטטיסטיקה ותכנות מסורתי
  • ללמוד על ארכיטקטורות רשתות עצביות מתקדמות למשימות כמו סיווג טקסט וזיהוי אובייקטים ומיפוי
  • ללמוד גישות חשובות לניצול נתונים כדי לאמן, לאמת ולבדוק מודלים של למידת מכונה
  • להבין כיצד הפרקטיקה הרפואית הדינמית וצרכים משתנים משפיעים על פיתוח וזניחת יישומי למידת מכונה קלינית

קורס 4

11 שעות
4.6 (234 דירוגים)

  • עקרונות ושיקולים מעשיים לשילוב AI בתהליכי עבודה קליניים
  • שיטות טובות ליישומי AI כדי לקדם פתרונות בריאות הוגנים ושוויוניים
  • אתגרים של רגולציה ביישומי AI ואילו רכיבים של מודל ניתן לרגולציה
  • איזו מטריצת הערכה סטנדרטית מספקת ואילו לא

קורס 5

10 שעות
4.6 (210 דירוגים)

  • פרויקט גמר המוקדש לחקר כל הקונספטים שנלמדו בכיתות השונות
  • מסע של מטופל עם תסמינים נשימתיים ומעקב אחר הנתונים שנוצרים בכל מפגש
  • בניית מודלים להחלטות בנושא סיכון עבור המטופל
  • דיון בנושאים רגולטוריים ואתיים בשימוש ב-AI לקבלת החלטות טובות יותר
preloader