علم داده برای حوزه بهداشت و درمان
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- راهاندازی و ناوبری محیط جوپیتر نوتبوک
- درک و اعمال مبانی پایتون برای علم داده
- جمعآوری و ایمپورت کردن داده حوزه بهداشت و درمان از منابع مختلف
- پاکسازی و پیشپردازش داده برای تحلیل
- انجام تحلیل داده اکتشافی (EDA) برای کشف روندها و الگوها
- اعمال تکنیکهای پیشپردازش داده برای آمادهسازی داده جهت مدلسازی
- ساخت و ارزیابی یک مدل یادگیری ماشین اولیه برای پیشبینی ریسک سلامت
پیش نیازهای دوره
- درک اولیه از آمار و مهارتهای کامپیوتری
- نیازی به تجربه برنامهنویسی قبلی نیست.
توضیحات دوره
این دوره برای آشنا کردن دانشجویان و متخصصان حوزه بهداشت و درمان با اصول علم داده با استفاده از پایتون طراحی شده است. این دوره طیف گستردهای از موضوعات، از مهارتهای اولیه برنامهنویسی گرفته تا تکنیکهای پیشرفته تحلیل داده و یادگیری ماشین را پوشش میدهد که همگی در چارچوب کاربردهای حوزه بهداشت و درمان ارائه میشوند. شرکتکنندگان از طریق نوتبوکهای تعاملی جوپیتر یاد میگیرند که چگونه داده پیچیده حوزه بهداشت و درمان را تحلیل و تفسیر کنند و در نهایت به بینشهایی دست یابند که میتواند به تصمیمگیریهای بالینی کمک کرده، مراقبت از بیمار را بهبود بخشد و نوآوری در حوزه بهداشت و درمان را پیش ببرد.
مخاطبان هدف
- دانشجویان حوزه بهداشت و درمان (پزشکی، داروسازی، پرستاری، بهداشت عمومی و غیره)
- متخصصان حوزه بهداشت و درمان (پزشکان، محققان، مدیران) که به دنبال ادغام علم داده در کار خود هستند.
پیشنیازها
- درک اولیه از آمار
- مهارتهای اولیه کامپیوتر
- نیازی به تجربه برنامهنویسی قبلی نیست.
ساختار دوره
این دوره در مجموع شامل هشت ماژول است که موضوعات مختلفی از مقدمه و راهاندازی محیط کدنویسی تا ساخت و ارزیابی یک مدل یادگیری ماشین را پوشش میدهد.
هر ماژول شامل نوتبوکهای کدنویسی نمونه، ویدئوها، آزمونها و یادداشتهای تکمیلی برای بهبود تجربه یادگیری شما است.
این دوره برای چه کسانی مناسب است؟
- دانشجویان حوزه بهداشت و درمان، مانند دانشجویان داروسازی، پزشکی یا پرستاری که به یادگیری مهارتهای علم داده علاقهمند هستند.
- متخصصان حوزه بهداشت و درمان که به یادگیری مهارتهای علم داده علاقهمند هستند.
- هر کسی که علاقهمند به یادگیری بیشتر در مورد نقطه تلاقی حوزه بهداشت و درمان و علم داده است.
علم داده برای حوزه بهداشت و درمان
-
معرفی علم داده برای بهداشت و درمان 02:32
-
آزمون ماژول 1 None
-
معرفی ماژول 2 01:21
-
متغیرها، نوعهای داده و عملگرها 09:41
-
حلقهها و ساختارهای داده - قسمت 1 09:46
-
حلقهها و ساختارهای داده - قسمت 2 10:50
-
فهرستهای بیشتر، متدها و توابع - قسمت 1 08:41
-
فهرستهای بیشتر، متدها و توابع - قسمت 2 05:51
-
کتابخانهها و برنامهنویسی شیگرا - قسمت 1 05:49
-
کتابخانهها و برنامهنویسی شیگرا - قسمت 2 06:21
-
آزمون ماژول 2 None
-
معرفی ماژول 3 01:14
-
ماژول 3: جمعآوری و ایمپورت کردن داده - قسمت 1 07:28
-
ماژول 3: جمعآوری و ایمپورت کردن داده - قسمت 2 05:19
-
آزمون ماژول 3 None
-
معرفی ماژول 4 01:26
-
ماژول 4: آمادهسازی داده - قسمت 1 09:46
-
ماژول 4: آمادهسازی داده - قسمت 2 08:29
-
آزمون ماژول 4 None
-
معرفی ماژول 5 01:10
-
ماژول 5: تحلیل اکتشافی داده - قسمت 1 08:27
-
ماژول 5: تحلیل اکتشافی داده - قسمت 2 04:06
-
آزمون ماژول 5 None
-
معرفی ماژول 6 01:43
-
ماژول 6: پیش پردازش داده - قسمت 1 09:12
-
ماژول 6: پیش پردازش داده - قسمت 2 07:06
-
آزمون ماژول 6 None
-
ماژول 7 - مقدمه 00:51
-
ماژول 7: یادگیری ماشین - قسمت 1 07:25
-
ماژول 7: یادگیری ماشین - قسمت 2 04:51
-
ماژول 7: یادگیری ماشین - قسمت 3 05:30
-
آزمون ماژول 7 None
-
معرفی ماژول 8 00:53
-
یادداشتهای ماژول 8 07:52
-
آزمون ماژول 8 None
مشخصات آموزش
علم داده برای حوزه بهداشت و درمان
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:مقدماتی
- تعداد درس:35
- مدت زمان :02:33:40
- حجم :1.62GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy