このコースはAI in Healthcare専門講座に属します。

4.8
星
269件の評価

Matthew Lungren +1人以上のインストラクター

13,067人がすでに登録済みです

提供：

AI in Healthcare専門講座スタンフォード大学（Stanford University）

このコースについて

34,700 最近の表示

Machine learning and artificial intelligence hold the potential to transform healthcare and open up a world of incredible promise. But we will never realize the potential of these technologies unless all stakeholders have basic competencies in both healthcare and machine learning concepts and principles. 
This course will introduce the fundamental concepts and principles of machine learning as it applies to medicine and healthcare. We will explore machine learning approaches, medical use cases, metrics unique to healthcare, as well as best practices for designing, building, and evaluating machine learning applications in healthcare.

The course will empower those with non-engineering backgrounds in healthcare, health policy, pharmaceutical development, as well as data science with the knowledge to critically evaluate and use these technologies.

 
Co-author: Geoffrey Angus
 
Contributing Editors:
Mars Huang
Jin Long
Shannon Crawford
Oge Marques


The Stanford University School of Medicine is accredited by the Accreditation Council for Continuing Medical Education (ACCME) to provide continuing medical education for physicians.  Visit the FAQs below for important information regarding 1) Date of original release and Termination or expiration date; 2) Accreditation and Credit Designation statements; 3) Disclosure of financial relationships for every person in control of activity content.

柔軟性のある期限

スケジュールに従って期限をリセットします。

共有できる証明書

修了時に証明書を取得

100%オンライン

自分のスケジュールですぐに学習を始めてください。

次における5の3コース

AI in Healthcare専門講座

初級レベル

約12時間で修了

英語

学習内容

Define important relationships between the fields of machine learning, biostatistics, and traditional computer programming.
Learn about advanced neural network architectures for tasks ranging from text classification to object detection and segmentation.
Learn important approaches for leveraging data to train, validate, and test machine learning models.
Understand how dynamic medical practice and discontinuous timelines impact clinical machine learning application development and deployment.

柔軟性のある期限

スケジュールに従って期限をリセットします。

共有できる証明書

修了時に証明書を取得

100%オンライン

自分のスケジュールですぐに学習を始めてください。

次における5の3コース

AI in Healthcare専門講座

初級レベル

約12時間で修了

英語

講師

講師の評価

4.9/5 (111 件の評価)

Matthew Lungren

Associate Professor

Department of Radiology

受講者14,411 名

2 コース

Serena Yeung

Assistant Professor

Biomedical Data Science

受講者14,411 名

2 コース

提供：

スタンフォード大学（Stanford University）

シラバス - 本コースの学習内容

コンテンツの評価96%(1,334 件の評価)

週

週 1

2時間で修了

Why machine learning in healthcare?

2時間で修了

7件のビデオ（合計34分）, 6 学習用教材, 3 個のテスト

7件のビデオ

Why machine learning in healthcare?3 分

History of AI in Medicine6 分

Course Overview4 分

Why Healthcare Needs Machine Learning2 分

Machine Learning Magic8 分

Machine Learning, Biostatistics, Programming4 分

Can Machine Learning Solve Everything?5 分

6件の学習用教材

Getting Started: Creators of This Course5 分

Video Image Credit

Study Guide Module 15 分

Citations and Additional Readings10 分

Video Image Credit

3の練習問題

Reflection Exercise15 分

Reflection Exercise10 分

Knowledge Check30 分

週

週 2

2時間で修了

Concepts and Principles of machine learning in healthcare part 1

2時間で修了

8件のビデオ（合計51分）, 2 学習用教材, 3 個のテスト

8件のビデオ

Machine Learning Terms, Definitions, and Jargon Part 111 分

Machine Learning Terms, Definitions, and Jargon Part 210 分

How Machines Learn Part 18 分

How Machines Learn Part 25 分

Supervised Machine Learning Approaches: Regression and the "No Free Lunch" Theorem3 分

Other Traditional Supervised Machine Learning Approaches3 分

Support Vector Machine (SVM)3 分

Unsupervised Machine Learning4 分

2件の学習用教材

Study Guide Module 25 分

Citations and Additional Readings5 分

3の練習問題

Reflection Exercise10 分

Knowledge Check30 分

週

週 3

2時間で修了

Concepts and Principles of machine learning in healthcare part 2

2時間で修了

10件のビデオ（合計63分）, 3 学習用教材, 3 個のテスト

10件のビデオ

Introduction to Deep Learning and Neural Networks8 分

Deep Learning and Neural Networks6 分

Cross Entropy Loss3 分

Gradient Descent6 分

Representing Unstructured Image and Text Data5 分

Convolutional Neural Networks4 分

Natural Language Processing and Recurrent Neural Networks7 分

The Transformer Architecture for Sequences4 分

Commonly Used and Advanced Neural Network Architectures6 分

Advanced Computer Vision Tasks and Wrap-Up10 分

3件の学習用教材

Video Image Credit

Study Guide Module 35 分

Citations and Additional Readings5 分

3の練習問題

Reflection Exercise10 分

Knowledge Check30 分

週

週 4

2時間で修了

Evaluation and Metrics for machine learning in healthcare

2時間で修了

5件のビデオ（合計35分）, 2 学習用教材, 3 個のテスト

5件のビデオ

Introduction to Model Performance Evaluation2 分

Overfitting and Underfitting8 分

Strategies to Address Overfitting, Underfitting and Introduction to Regularization 5 分

Statistical Approaches to Model Evaluation5 分

Receiver Operator and Precision Recall Curves as Evaluation Metrics11 分

2件の学習用教材

Study Guide Module 45 分

Citations and Additional Readings5 分

3の練習問題

Reflection Exercise 110 分

Reflection Exercise 210 分

Knowledge Check30 分

レビュー

4.8

73件のレビュー

5 stars
82.15%
4 stars
15.24%
3 stars
2.23%
2 stars
0.37%

FUNDAMENTALS OF MACHINE LEARNING FOR HEALTHCARE からの人気レビュー

SRにより2020年10月9日

Outstanding teaching and pacing by both professors and an excellent generalized instruction of ML for healthcare.

LAにより2021年4月1日

This was a great course, the presenters really gave a clear view about the differences which could happen when working with health related data set. Very well done,

MNにより2021年1月2日

Good course but the language needs to be simpler. Sometimes simple facts are complicated with the use of high pedigree words that don't really add much to conveying the overall message.

KKにより2021年2月5日

The course was inspiring and useful for a future career! Congratulations to Professor Matthew Lungren and Assistant Professor Serena Yeung! :)

すべてのレビューを見る

AI in Healthcare専門講座について

Artificial intelligence (AI) has transformed industries around the world, and has the potential to radically alter the field of healthcare. Imagine being able to analyze data on patient visits to the clinic, medications prescribed, lab tests, and procedures performed, as well as data outside the health system -- such as social media, purchases made using credit cards, census records, Internet search activity logs that contain valuable health information, and you’ll get a sense of how AI could transform patient care and diagnoses.

In this specialization, we'll discuss the current and future applications of AI in healthcare with the goal of learning to bring AI technologies into the clinic safely and ethically. This specialization is designed for both healthcare providers and computer science professionals, offering insights to facilitate collaboration between the disciplines. CME Accreditation The Stanford University School of Medicine is accredited by the Accreditation Council for Continuing Medical Education (ACCME) to provide continuing medical education for physicians. View the full CME accreditation information on the individual course FAQ page.

よくある質問

いつ講座や課題にアクセスできるようになりますか？
講義と課題へのアクセスは、登録のタイプによって異なります。聴講モードでコースを受講すると、ほとんどのコース教材を無料で見ることができます。採点された課題にアクセスして修了証を取得するには、聴講中または聴講後に、修了証エクスペリエンスを購入する必要があります。聴講オプションが表示されない場合：
コースは聴講オプションを提供していない可能性があります。代わりに無料トライアルをお試しいただくか、学資援助を申請することができます。
コースは、聴講オプションを提供せずに「修了証なしフルコース」オプションを提供する場合があります。このオプションでは、すべてのコース教材が表示され、必須の評価を提出して、最終成績を取得することができます。この場合、修了証エクスペリエンスは購入できません。
この専門講座をサブスクライブすると何を行うことができるようになりますか？
コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。
学資援助はありますか？
はい。一部の学習プログラムでは、登録料が払えない場合、学資援助や奨学金を申請することができます。学習プログラムの選択において、学資援助や奨学金が利用可能な場合は、説明ページに申請するためのリンクが貼ってあります。
Is this activity accredited for Continuing Medical Education (CME)?
Dates and Duration
Original Release Date: 08/10/2020
Expiration Date: 08/10/2023
Estimated Time to Complete: 11 hours
CME Credits Offered: 11.00
Accreditation
The Stanford University School of Medicine is accredited by the Accreditation Council for Continuing Medical Education (ACCME) to provide continuing medical education for physicians. The Stanford University School of Medicine designates this enduring material for a maximum of 11.00 AMA PRA Category 1 Credits™. Physicians should claim only the credit commensurate with the extent of their participation in the activity.
Disclosures
The Stanford University School of Medicine adheres to ACCME Criteria, Standards and Policies regarding industry support of continuing medical education. There are no relevant financial relationships with ACCME-defined commercial interests for anyone who was in control of the content of this activity.

さらに質問がある場合は、受講者ヘルプセンターにアクセスしてください。

Fundamentals of Machine Learning for Healthcare

このコースについて

学習内容