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：
医学のためのAI の専門講座deeplearning.aiこのコースについて
60,707 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：フランス語, ポルトガル語（ブラジル）, ロシア語, 英語, スペイン語
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：フランス語, ポルトガル語（ブラジル）, ロシア語, 英語, スペイン語
提供：
deeplearning.ai
Founded by Andrew Ng, DeepLearning.AI is an education technology company that develops a global community of AI talent.
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 学習用教材, 2 個のテスト
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 学習用教材, 2 個のテスト
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.
RRにより2020年9月8日
This course is one of the best courses to learn about Medical Prognosis. Really, the survival models were described in great detail. Thank you, Pranav for this wonderful course.
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.
医学のためのAI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.
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？
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？
Is financial aid available?
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。
