آموزش استفاده از هوش مصنوعی در صنعت سلامت

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با هوش مصنوعی در صنعت سلامت یاد می گیرید.

عنوان اصلی : The Complete Healthcare Artificial Intelligence Course 2021

سرفصل ها :

معرفی :
ساختار دوره
چگونه از این دوره بهترین استفاده را ببریم
هوش مصنوعی در بهداشت و درمان
نورون چیست؟
یادگیری عمیق چیست
ANN چیست؟
کراس چیست
آشنایی با پانداها و تجسم
پیش پردازش داده ها توسط پانداها
نحوه نصب آناکوندا
اصطلاحات مهم در شبکه عصبی
تابع فعال سازی:
تابع فعال سازی چیست؟
تابع سیگموئید چیست؟
تابع tanh چیست؟
تابع واحد خطی اصلاح شده چیست؟
عملکرد Leaky ReLU چیست؟
تابع واحد خطی نمایی چیست؟
تابع Swish چیست؟
تابع softmax چیست؟
زمان کدگذاری تمام عملکردهای فعال سازی است
پروژه طبقه بندی DNA:
مقدمه ای بر طبقه بندی کننده DNA
وارد کردن کتابخانه و داده ها
نمایش داده ها
تولید توالی DNA
تقسیم مجموعه داده به تست آموزشی و مجموعه تست
روش امتیازدهی و نتایج
خلاصه پروژه
پروژه طبقه بندی بیماری های قلبی:
معرفی پروژه
پارامترهای مهم
هدف این پروژه
وارد کردن کتابخانه و داده ها
تحلیل اکتشافی
مدیریت داده های از دست رفته در پایتون
مقیاس بندی داده ها
تجسم داده ها
تقسیم مجموعه آموزشی به مجموعه تست و ارزیابی مدل
خلاصه پروژه
پروژه تشخیص بیماری عروق کرونر:
معرفی
وارد کردن داده ها و تجزیه و تحلیل داده ها
رفع داده های از دست رفته
تقسیم مجموعه داده به تست آموزشی و مجموعه تست
آموزش شبکه عصبی
مقایسه مسئله مقوله ای و باینری
خلاصه پروژه
پروژه تشخیص سرطان سینه:
معرفی پروژه
وارد کردن کتابخانه و داده ها و پیش پردازش داده ها
تجسم داده ها
درک الگوریتم یادگیری ماشین
مدل آموزشی
پیش بینی کنید
خلاصه پروژه
پروژه پیش بینی دیابت با پرسپترون های چندلایه:
معرفی
وارد کردن داده ها و کتابخانه ها
تجسم داده ها
رسیدگی به مقادیر از دست رفته
استاندارد سازی داده ها
تقسیم داده ها به مجموعه های آموزشی، آزمایشی و اعتبار سنجی
ساختمان نمونه
تدوین مدل
آموزش مدل
دقت تست
ماتریس سردرگمی
منحنی ROC
بهبود بیشتر
خلاصه پروژه
پروژه درمان پزشکی (در آوریل خواهد بود):
معرفی پروژه
تجزیه و تحلیل مشکل
وارد کردن کتابخانه و داده ها
تجزیه و تحلیل داده ها
پیش پردازش داده ها
حذف داده های از دست رفته
ایجاد داده های آموزشی، آزمایشی و اعتبار سنجی
تجسم داده ها
ساخت یک مدل تصادفی
سردرگمی، دقت و ماتریس یادآوری
رمزگذاری تک داغ
رمزگذاری پاسخ - نظریه
رمزگذاری پاسخ - اجرای بخش 1
رمزگذاری پاسخ - پیاده سازی قسمت 2
رمزگذاری پاسخ - اجرای بخش 3
ارزیابی ستون تغییرات قسمت 1
ارزیابی ستون تغییرات قسمت 2
ارزیابی ستون متن قسمت 1
ارزیابی ستون متن قسمت 2
آماده سازی داده ها برای مدل یادگیری ماشینی
هر 3 ویژگی را با هم ترکیب کنید
Naive Bayes- پیاده سازی قسمت 1
Naive Bayes- پیاده سازی قسمت 2
K پیاده سازی طبقه بندی نزدیکترین همسایه
پیاده سازی رگرسیون لجستیک
اجرای رگرسیون لجستیک بدون تعادل داده ها قسمت 1
اجرای رگرسیون لجستیک بدون متعادل کردن داده ها قسمت 2
ماشین های بردار پشتیبان خطی
رفع اشتباهات (لطفا تماشا کنید)
RF با اجرای کدگذاری پاسخ بخش 1
RF با اجرای کدگذاری پاسخ بخش 2
پیاده سازی طبقه بندی کننده تصادفی جنگل
پیاده سازی مدل انباشته
حداکثر رای طبقه بندی کننده
متشکرم :
لینک اضافی
متشکرم
پاداش- پروژه های اضافی خارج از حوزه مراقبت های بهداشتی:
معرفی پروژه
مجموعه داده پروژه پاداش
شبکه های بازخورد عمیق
وارد کردن کتابخانه و داده ها
تجسم داده های موقعیت جغرافیایی
تجزیه و تحلیل داده ها
مدیریت داده های از دست رفته و ناهنجاری ها در پایتون
ویژگی های زمانی
ویژگی های موقعیت جغرافیایی
مقیاس بندی ویژگی ها
ساختمان نمونه
تجزیه و تحلیل نتایج
خلاصه پروژه