AI is transforming the practice of medicine. It’s helping doctors diagnose patients more accurately, make predictions about patients’ future health, and recommend better treatments. This Specialization will give you practical experience in applying machine learning to concrete problems in medicine.
提供：
AI for Medicine の専門講座deeplearning.aiこのコースについて
119,108 最近の表示
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3の2コース
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。
中級レベル
You’re comfortable with Python programming, statistics, and probability. The Deep Learning Specialization is recommended but not required.
約30時間で修了
英語
字幕：英語
学習内容
Walk through examples of prognostic tasks
Apply tree-based models to estimate patient survival rates
Navigate practical challenges in medicine like missing data
習得するスキル
Deep LearningMachine Learningtime-to-event modelingRandom Forestmodel tuning
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3の2コース
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。
中級レベル
You’re comfortable with Python programming, statistics, and probability. The Deep Learning Specialization is recommended but not required.
約30時間で修了
英語
字幕：英語
提供：
deeplearning.ai
Founded by Andrew Ng, deeplearning.ai is on a mission to make world-class AI education accessible to people around the globe so that we can all benefit from an AI-powered future.
シラバス - 本コースの学習内容
9時間で修了
Linear prognostic models
Build a linear prognostic model using logistic regression, then evaluate the model by calculating the concordance index. Finally, improve the model by adding feature interactions.
9時間で修了
11件のビデオ （合計28分）, 4 readings, 2 quizzes
11件のビデオ
Prerequisites and Learning Outcomes1 分
Medical Prognosis2 分
Examples of Prognostic Tasks2 分
Atrial fibrillation2 分
Liver Disease Mortality2 分
Risk of heart disease2 分
Risk Score Computation4 分
Evaluating Prognostic Models1 分
Concordant Pairs, Risk Ties, Permissible Pairs2 分
C-Index3 分
4件の学習用教材
Connect with your mentors and fellow learners on Slack!10 分
Please save your work regularly10 分
About the automatic grader10 分
How to refresh your workspace10 分
1の練習問題
Week 1 Quiz30 分
7時間で修了
Prognosis with Tree-based models
Tune decision tree and random forest models to predict the risk of a disease. Evaluate the model performance using the c-index. Identify missing data and how it may alter the data distribution, then use imputation to fill in missing data, in order to improve model performance.
7時間で修了
15件のビデオ （合計41分）
15件のビデオ
Decision trees1 分
Dividing the input space2 分
Building a decision tree2 分
How to fix overfitting4 分
Survival Data3 分
Different distributions2 分
Missing Data example2 分
Missing completely at random2 分
Missing at random3 分
Missing not at random3 分
Imputation1 分
Mean Imputation4 分
Regression Imputation2 分
Calculate Imputed Values2 分
1の練習問題
Week 2 Quiz30 分
6時間で修了
Survival Models and Time
This week, you will work with data where the time that a disease occurs is a variable. Instead of predicting just the 10-year risk of a disease, you will build more flexible models that can predict the 5 year, 7 year, or 10 year risk.
6時間で修了
16件のビデオ （合計38分）
16件のビデオ
Survival Function2 分
Valid survival functions3 分
Collecting Time Data1 分
When a stroke is not observed2 分
Heart Attack Data2 分
Right censoring1 分
Estimating the survival function1 分
Died immediately, or never die3 分
Somewhere in-between1 分
Using censored data1 分
Chain rule of conditional probability2 分
Deriving Survival2 分
Calculating Probabilities from the Data3 分
Comparing Estimates3 分
Kaplan Meier Estimate2 分
1の練習問題
Week 3 Quiz30 分
8時間で修了
Build a risk model using linear and tree-based models
This week, you will fit a linear model, and a tree-based risk model on survival data, to customize a risk score for each patient, based on their health profile. The risk score represents the patient’s relative risk of getting a particular disease. You will then evaluate each model’s performance by implementing and using a concordance index that incorporates time to event and censored data.
8時間で修了
24件のビデオ （合計69分）, 3 readings, 2 quizzes
24件のビデオ
Hazard3 分
Survival to hazard2 分
Cumulative Hazard3 分
Individualized Predictions3 分
Relative risk3 分
Ranking patients by risk1 分
Individual vs. baseline hazard2 分
Smoker vs. non-smoker2 分
Effect of age on hazard3 分
Risk factor increase per unit increase in a variable1 分
Risk Factor Increase or Decrease4 分
Intro to Survival Trees4 分
Survival tree5 分
Nelson Aalen estimator5 分
Comparing risks of patients1 分
Mortality score2 分
Evaluation of Survival Model3 分
Permissible and Non-Permissible Pairs2 分
Possible Permissible Pairs1 分
Example of Harrell's C-Index3 分
Example of Concordant Pairs2 分
Week 4 Summary47
Congratulations!1 分
3件の学習用教材
Congratulations on finishing course 2!10 分
Acknowledgements10 分
Citations10 分
1の練習問題
Week 4 Quiz30 分
レビュー
AI FOR MEDICAL PROGNOSIS からの人気レビュー
JDにより2020年6月4日
I am a medical image analysis enthusiast. But I always wonder why I can't I combine other patient details for extending it's application. Sure this course is awesome. I really loved it !!
BMにより2020年4月21日
This course was great and more challenging that I have expected. More focus on statistics and survival data which is important for prognosis. Course has a good flow and valuable content.
JHにより2020年5月1日
Excellent course! Real world data and robust models. Of particular value was the implementation of the SHAP feature interpretation algorithm as applied to ensemble models.
SNにより2020年5月18日
Excellent course that teaches you complex concepts in an easy to understand manner. The assignments are challenging, while at the same time teaching you advanced stuff!
AI for Medicine専門講座について
AI is transforming the practice of medicine. It’s helping doctors diagnose patients more accurately, make predictions about patients’ future health, and recommend better treatments. This three-course Specialization will give you practical experience in applying machine learning to concrete problems in medicine.
These courses go beyond the foundations of deep learning to teach you the nuances in applying AI to medical use cases. If you are new to deep learning or want to get a deeper foundation of how neural networks work, we recommend taking the Deep Learning Specialization.
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。
What is the refund policy?
サブスクライブすると、7日間の無料トライアルを体験できます。この期間中は解約金なしでキャンセルできます。それ以降、払い戻しはありませんが、サブスクリプションをいつでもキャンセルできます。返金ポリシーをすべて表示します。
Is financial aid available?
はい。受講料の支払いが難しい受講生に、Coursera（コーセラ）は学資援助を提供しています。左側の［登録］ボタンの下にある［学資援助］のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。キャップストーンプロジェクトを含む専門講座の各コースでこのステップを完了する必要があります。詳細。
さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。
