Ce cours fait partie de la Spécialisation AI in Healthcare

Matthew Lungren +1 enseignant de plus

Offert par

Spécialisation AI in HealthcareUniversité de Stanford

À propos de ce cours

49,752 consultations récentes

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.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 5 dans le

Spécialisation AI in Healthcare

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau débutant

Approx. 12 heures pour terminer

Anglais

Sous-titres : Anglais

Ce que vous allez apprendre

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.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 5 dans le

Spécialisation AI in Healthcare

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau débutant

Approx. 12 heures pour terminer

Anglais

Sous-titres : Anglais

Enseignants

Évaluation de l'enseignant

4.91/5 (13 notes)

Matthew Lungren

Associate Professor

Department of Radiology

3,564 étudiants

2 cours

Serena Yeung

Assistant Professor

Biomedical Data Science

3,564 étudiants

2 cours

Offert par

Université de Stanford

The Leland Stanford Junior University, commonly referred to as Stanford University or Stanford, is an American private research university located in Stanford, California on an 8,180-acre (3,310 ha) campus near Palo Alto, California, United States.

Programme du cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

2 heures pour terminer

Why machine learning in healthcare?

2 heures pour terminer

7 vidéos (Total 34 min), 6 lectures, 3 quiz

7 vidéos

Why machine learning in healthcare?3 min

History of AI in Medicine6 min

Course Overview4 min

Why Healthcare Needs Machine Learning2 min

Machine Learning Magic8 min

Machine Learning, Biostatistics, Programming4 min

Can Machine Learning Solve Everything?5 min

6 lectures

Getting Started: Creators of This Course5 min

Video Image Credit

Study Guide Module 15 min

Citations and Additional Readings10 min

Video Image Credit

3 exercices pour s'entraîner

Reflection Exercise15 min

Reflection Exercise10 min

Knowledge Check30 min

Semaine

Semaine 2

2 heures pour terminer

Concepts and Principles of machine learning in healthcare part 1

2 heures pour terminer

8 vidéos (Total 51 min), 2 lectures, 3 quiz

8 vidéos

Machine Learning Terms, Definitions, and Jargon Part 111 min

Machine Learning Terms, Definitions, and Jargon Part 210 min

How Machines Learn Part 18 min

How Machines Learn Part 25 min

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

Other Traditional Supervised Machine Learning Approaches3 min

Support Vector Machine (SVM)3 min

Unsupervised Machine Learning4 min

2 lectures

Study Guide Module 25 min

Citations and Additional Readings5 min

3 exercices pour s'entraîner

Reflection Exercise10 min

Knowledge Check30 min

Semaine

Semaine 3

2 heures pour terminer

Concepts and Principles of machine learning in healthcare part 2

2 heures pour terminer

10 vidéos (Total 63 min), 3 lectures, 3 quiz

10 vidéos

Introduction to Deep Learning and Neural Networks8 min

Deep Learning and Neural Networks6 min

Cross Entropy Loss3 min

Gradient Descent6 min

Representing Unstructured Image and Text Data5 min

Convolutional Neural Networks4 min

Natural Language Processing and Recurrent Neural Networks7 min

The Transformer Architecture for Sequences4 min

Commonly Used and Advanced Neural Network Architectures6 min

Advanced Computer Vision Tasks and Wrap-Up10 min

3 lectures

Video Image Credit

Study Guide Module 35 min

Citations and Additional Readings5 min

3 exercices pour s'entraîner

Reflection Exercise10 min

Knowledge Check30 min

Semaine

Semaine 4

2 heures pour terminer

Evaluation and Metrics for machine learning in healthcare

2 heures pour terminer

5 vidéos (Total 35 min), 2 lectures, 3 quiz

5 vidéos

Introduction to Model Performance Evaluation2 min

Overfitting and Underfitting8 min

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

Statistical Approaches to Model Evaluation5 min

Receiver Operator and Precision Recall Curves as Evaluation Metrics11 min

2 lectures

Study Guide Module 45 min

Citations and Additional Readings5 min

3 exercices pour s'entraîner

Reflection Exercise 110 min

Reflection Exercise 210 min

Knowledge Check30 min

À propos du Spécialisation AI in Healthcare

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.

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
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.
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.
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.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.

Fundamentals of Machine Learning for Healthcare