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.
Ce cours fait partie de la Spécialisation AI for Medicine
Offert par
Spécialisation AI for Medicinedeeplearning.aiÀ propos de ce cours
186,294 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 2 sur 3 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
You’re comfortable with Python programming, statistics, and probability. The Deep Learning Specialization is recommended but not required.
Approx. 30 heures pour terminer
Anglais
Sous-titres : Anglais
Ce que vous allez apprendre
Walk through examples of prognostic tasks
Apply tree-based models to estimate patient survival rates
Navigate practical challenges in medicine like missing data
Compétences que vous acquerrez
Deep LearningMachine Learningtime-to-event modelingRandom Forestmodel tuning
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 2 sur 3 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
You’re comfortable with Python programming, statistics, and probability. The Deep Learning Specialization is recommended but not required.
Approx. 30 heures pour terminer
Anglais
Sous-titres : Anglais
Offert par
deeplearning.ai
deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders.
Programme du cours : ce que vous apprendrez dans ce cours
9 heures pour terminer
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 heures pour terminer
11 vidéos (Total 28 min), 4 lectures, 2 quiz
11 vidéos
Prerequisites and Learning Outcomes1 min
Medical Prognosis2 min
Examples of Prognostic Tasks2 min
Atrial fibrillation2 min
Liver Disease Mortality2 min
Risk of heart disease2 min
Risk Score Computation4 min
Evaluating Prognostic Models1 min
Concordant Pairs, Risk Ties, Permissible Pairs2 min
C-Index3 min
4 lectures
Connect with your mentors and fellow learners on Slack!10 min
Please save your work regularly10 min
About the automatic grader10 min
How to refresh your workspace10 min
1 exercice pour s'entraîner
Week 1 Quiz30 min
7 heures pour terminer
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 heures pour terminer
15 vidéos (Total 41 min)
15 vidéos
Decision trees1 min
Dividing the input space2 min
Building a decision tree2 min
How to fix overfitting4 min
Survival Data3 min
Different distributions2 min
Missing Data example2 min
Missing completely at random2 min
Missing at random3 min
Missing not at random3 min
Imputation1 min
Mean Imputation4 min
Regression Imputation2 min
Calculate Imputed Values2 min
1 exercice pour s'entraîner
Week 2 Quiz30 min
6 heures pour terminer
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 heures pour terminer
16 vidéos (Total 38 min)
16 vidéos
Survival Function2 min
Valid survival functions3 min
Collecting Time Data1 min
When a stroke is not observed2 min
Heart Attack Data2 min
Right censoring1 min
Estimating the survival function1 min
Died immediately, or never die3 min
Somewhere in-between1 min
Using censored data1 min
Chain rule of conditional probability2 min
Deriving Survival2 min
Calculating Probabilities from the Data3 min
Comparing Estimates3 min
Kaplan Meier Estimate2 min
1 exercice pour s'entraîner
Week 3 Quiz30 min
8 heures pour terminer
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 heures pour terminer
24 vidéos (Total 69 min), 3 lectures, 2 quiz
24 vidéos
Hazard3 min
Survival to hazard2 min
Cumulative Hazard3 min
Individualized Predictions3 min
Relative risk3 min
Ranking patients by risk1 min
Individual vs. baseline hazard2 min
Smoker vs. non-smoker2 min
Effect of age on hazard3 min
Risk factor increase per unit increase in a variable1 min
Factor Risk Increase or Decrease4 min
Intro to Survival Trees4 min
Survival tree5 min
Nelson Aalen estimator5 min
Comparing risks of patients1 min
Mortality score2 min
Evaluation of Survival Model3 min
Permissible and Non-Permissible Pairs2 min
Possible Permissible Pairs1 min
Example of Harrell's C-Index3 min
Example of Concordant Pairs2 min
Week 4 Summary47s
Congratulations!1 min
3 lectures
Congratulations on finishing course 2!10 min
Acknowledgements10 min
Citations10 min
1 exercice pour s'entraîner
Week 4 Quiz30 min
À propos du Spécialisation AI for Medicine
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.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
What is the refund policy?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
Is financial aid available?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
