Искусственный интеллект (AI) в медицине [Otus] [Николай Павлов, Виктория Иванова, Игорь Стурейко]
Все о разработке медицинского ИИ: от сбора данных до практического применения
Для кого этот курс?
планируете работать или уже работаете с медицинскими данными и искусственным интеллектом;
решаете задачи автоматизации диагностики, прогнозирования заболеваний и персонализированной медицины;
занимаетесь разработкой решений на стыке медицины и информационных технологий.
Необходимые знания
Python на базовом уровне для работы с примерами и домашними заданиями;
основы математической статистики.
Что даст вам этот курс?
Вы узнаете
Какие задачи и типичные кейсы в медицине решаются с помощью ИИ уже сейчас и как;
Как появляются медицинские данные и какой путь они должны проделать, чтобы стать датасетом;
Как работают нейросетевые и классические ML-модели и как настраивать их под ваши задачи;
Какие особенности медицинских данных важны при разметке и как её правильно организовать
Как обеспечить доверие медицинских специалистов, внедряя модель в реальную практику
Вы сможете
Создавать качественные мультимодальные медицинские датасеты
Осуществлять техническую поддержку разметки данных
Применять критическое мышление при выборе и постановке задач
Ориентироваться в зоопарке современных подходов к машинному обучению
Уметь анализировать результаты машинного обучения
Почему стоит освоить?
Искусственный интеллект становится неотъемлемой частью современной медицины, улучшая диагностику, лечение и управление пациентами.
В перспективе специалисты, владеющие навыками работы с ИИ, будут наиболее востребованы в медицинских учреждениях, фармацевтических компаниях, исследовательских центрах.
Программа
Основы медицинской диагностики. Медицинские данные и датасеты
В этом модуле вы изучите, как правильно ставится задача разработчикам, и как видят ИИ врачи со своих позиций.
Тема 1: Введение в искусственный интеллект в медицине
Тема 2: Медицинские данные: обзор, источники, классификации
Тема 3: Особенности подготовки медицинских датасетов
Тема 4: Обзор применения ИИ в медицине
Основы ML в медицине
В этом модуле студент знакомится с базовыми принципами и технологиями машинного обучения с уклоном в медицинскую область (с примерами и с наиболее часто встречающимися подходами к машинному обучению в медицине).
Тема 1: Введение в машинное обучение
Тема 2: Задача регрессии. Линейная регрессия
Тема 3: Задача классификации. Метод ближайших соседей
Тема 4: Логистическая регрессия
Тема 5: Деревья решений
Тема 6: Ансамбли моделей
Тема 7: Специфика ML в медицине
Тема 8: Q&A-сессия
Практические примеры ИИ в медицине
В этом модуле вы рассмотрите насколько разнообразны примеры, где ИИ находит свое место в медицине. Каждое занятие - это практический кейс, где ИИ дает буст врачу или пациенту.
Тема 1: Медицинская визуализация
Тема 2: Кейс: Детекция патологии на томограммах (срезах) // ДЗ
Тема 3: Кейс: Хорошие или плохие «родинки» // ДЗ
Тема 4: Кейс: «Невидимый нож» в лучевой хирургии // ДЗ
Тема 5: Электронные истории болезней. Медицинские карты
Тема 6: Кейс: Виртуальные ассистенты врача // ДЗ
Тема 7: Биосигнальные данные
Тема 8: Кейс: Предсказания по энцефалограммам // ДЗ
Тема 9: Омиксные данные. Генетический анализ
Тема 10: Кейс: Анализ омиксных данных // ДЗ
Тема 11: Кейс: Поиск новых лекарственных средств // ДЗ
Тема 12: Q&A-сессия по ДЗ
Особенности ИИ в медицине
В этом модуле вы изучите медицинскую специфику и о том, насколько сложно применить ИИ в реальной жизни.
Тема 1: Этика и доверие к медицинскому ИИ
Тема 2: Регистрация ИИ как медицинского изделия
Проектная работа
Заключительный месяц курса посвящен проектной работе. Проект – это самая интересная часть обучения. Вы будете разрабатывать его на основе полученных на курсе навыков и компетенций. В процессе работы над проектом можно получить консультацию преподавателей.
Преподаватели
Николай Павлов. Advanced Project Engineer
Виктория Иванова. Data Analyst/ML разработчик
Игорь Стурейко (к.ф.-м.н.) Teamlead, главный инженер
Илья Попов. Аспирант, м.н.с.
Дмитрий Гайнуллин. Machine Learning Engineer
Раиль Сулейманов. Machine Learning Engineer
Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания
Цена: 125000 рублей.
Все о разработке медицинского ИИ: от сбора данных до практического применения
Для кого этот курс?
- cпециалисты Machine Learning и Data Science;
- Python-разработчики с опытом работы с ML;
- Биоинформатики и аналитики;
- а также ученые и исследователи, врачи и организаторы здравоохранения.
планируете работать или уже работаете с медицинскими данными и искусственным интеллектом;
решаете задачи автоматизации диагностики, прогнозирования заболеваний и персонализированной медицины;
занимаетесь разработкой решений на стыке медицины и информационных технологий.
Необходимые знания
Python на базовом уровне для работы с примерами и домашними заданиями;
основы математической статистики.
Что даст вам этот курс?
Вы узнаете
Какие задачи и типичные кейсы в медицине решаются с помощью ИИ уже сейчас и как;
Как появляются медицинские данные и какой путь они должны проделать, чтобы стать датасетом;
Как работают нейросетевые и классические ML-модели и как настраивать их под ваши задачи;
Какие особенности медицинских данных важны при разметке и как её правильно организовать
Как обеспечить доверие медицинских специалистов, внедряя модель в реальную практику
Вы сможете
Создавать качественные мультимодальные медицинские датасеты
Осуществлять техническую поддержку разметки данных
Применять критическое мышление при выборе и постановке задач
Ориентироваться в зоопарке современных подходов к машинному обучению
Уметь анализировать результаты машинного обучения
Почему стоит освоить?
Искусственный интеллект становится неотъемлемой частью современной медицины, улучшая диагностику, лечение и управление пациентами.
В перспективе специалисты, владеющие навыками работы с ИИ, будут наиболее востребованы в медицинских учреждениях, фармацевтических компаниях, исследовательских центрах.
Программа
Основы медицинской диагностики. Медицинские данные и датасеты
В этом модуле вы изучите, как правильно ставится задача разработчикам, и как видят ИИ врачи со своих позиций.
Тема 1: Введение в искусственный интеллект в медицине
Тема 2: Медицинские данные: обзор, источники, классификации
Тема 3: Особенности подготовки медицинских датасетов
Тема 4: Обзор применения ИИ в медицине
Основы ML в медицине
В этом модуле студент знакомится с базовыми принципами и технологиями машинного обучения с уклоном в медицинскую область (с примерами и с наиболее часто встречающимися подходами к машинному обучению в медицине).
Тема 1: Введение в машинное обучение
Тема 2: Задача регрессии. Линейная регрессия
Тема 3: Задача классификации. Метод ближайших соседей
Тема 4: Логистическая регрессия
Тема 5: Деревья решений
Тема 6: Ансамбли моделей
Тема 7: Специфика ML в медицине
Тема 8: Q&A-сессия
Практические примеры ИИ в медицине
В этом модуле вы рассмотрите насколько разнообразны примеры, где ИИ находит свое место в медицине. Каждое занятие - это практический кейс, где ИИ дает буст врачу или пациенту.
Тема 1: Медицинская визуализация
Тема 2: Кейс: Детекция патологии на томограммах (срезах) // ДЗ
Тема 3: Кейс: Хорошие или плохие «родинки» // ДЗ
Тема 4: Кейс: «Невидимый нож» в лучевой хирургии // ДЗ
Тема 5: Электронные истории болезней. Медицинские карты
Тема 6: Кейс: Виртуальные ассистенты врача // ДЗ
Тема 7: Биосигнальные данные
Тема 8: Кейс: Предсказания по энцефалограммам // ДЗ
Тема 9: Омиксные данные. Генетический анализ
Тема 10: Кейс: Анализ омиксных данных // ДЗ
Тема 11: Кейс: Поиск новых лекарственных средств // ДЗ
Тема 12: Q&A-сессия по ДЗ
Особенности ИИ в медицине
В этом модуле вы изучите медицинскую специфику и о том, насколько сложно применить ИИ в реальной жизни.
Тема 1: Этика и доверие к медицинскому ИИ
Тема 2: Регистрация ИИ как медицинского изделия
Проектная работа
Заключительный месяц курса посвящен проектной работе. Проект – это самая интересная часть обучения. Вы будете разрабатывать его на основе полученных на курсе навыков и компетенций. В процессе работы над проектом можно получить консультацию преподавателей.
Преподаватели
Николай Павлов. Advanced Project Engineer
Виктория Иванова. Data Analyst/ML разработчик
Игорь Стурейко (к.ф.-м.н.) Teamlead, главный инженер
Илья Попов. Аспирант, м.н.с.
Дмитрий Гайнуллин. Machine Learning Engineer
Раиль Сулейманов. Machine Learning Engineer
Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания
Цена: 125000 рублей.
https://otus.ru/lessons/ai-medicine/