Ingyenes tananyag

Gépi tanulás az egészségügyben

Nyolc lecke az egészségügyi gépi tanulásról a Stanford orvosi karának kurzusa nyomán. Miben más az orvosi adat, hogyan készülnek a címkék, mitől becsületes a validálás, mit jelentenek a klinikai metrikák, min múlik a telepítés, és hogyan világíts át kritikusan egy egészségügyi AI megoldást. Orvosoknak, egészségügyi döntéshozóknak és a területre lépő adatszakembereknek szól, mérnöki előképzettség nem szükséges.

KD AI Academy · Kalmár Dániel


01Miért más az egészségügyi gépi tanulás 02Az orvosi adat és a címkék problémája 03Modellek a klinikumban 04Tanítás, validálás és tesztelés orvosi adaton 05A metrikák, amelyeken minden múlik 06A telepítés valósága 07Méltányosság, torzítás és szabályozás 08Hogyan értékelj egy egészségügyi AI megoldást

Ha végigért

Záróteszt és tanúsítvány

10 feleletválasztós kérdés, 15 perc. Ha sikeresen teljesíted, a tanúsítvány automatikusan, egyedi sorszámmal kiállításra kerül.

Záróteszt kitöltése

Forrás

A Stanford University School of Medicine Fundamentals of Machine Learning for Healthcare kurzusa alapján, magyar feldolgozásban. A kurzus a Coursera felületén ingyenesen elérhető, az AI in Healthcare sorozat harmadik része, és kimondottan nem mérnök hátterű egészségügyi szakembereknek készült.