AI is transforming the practice of medicine. It’s helping doctors diagnose patients more accurately, make predictions about patients’ future health, and recommend better treatments. This Specialization will give you practical experience in applying machine learning to concrete problems in medicine.
Este curso forma parte de Programa Especializado - AI for Medicine
ofrecido por
Programa Especializado - AI for Medicinedeeplearning.aiAcerca de este Curso
113,450 vistas recientes
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Curso 2 de 3 en
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
You’re comfortable with Python programming, statistics, and probability. The Deep Learning Specialization is recommended but not required.
Aprox. 30 horas para completar
Inglés (English)
Subtítulos: Inglés (English)
Qué aprenderás
Walk through examples of prognostic tasks
Apply tree-based models to estimate patient survival rates
Navigate practical challenges in medicine like missing data
Habilidades que obtendrás
Deep LearningMachine Learningtime-to-event modelingRandom Forestmodel tuning
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Curso 2 de 3 en
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
You’re comfortable with Python programming, statistics, and probability. The Deep Learning Specialization is recommended but not required.
Aprox. 30 horas para completar
Inglés (English)
Subtítulos: Inglés (English)
ofrecido por
deeplearning.ai
Founded by Andrew Ng, deeplearning.ai is on a mission to make world-class AI education accessible to people around the globe so that we can all benefit from an AI-powered future.
Programa - Qué aprenderás en este curso
9 horas para completar
Linear prognostic models
Build a linear prognostic model using logistic regression, then evaluate the model by calculating the concordance index. Finally, improve the model by adding feature interactions.
9 horas para completar
11 videos (Total 28 minutos), 4 lecturas, 2 cuestionarios
11 videos
Prerequisites and Learning Outcomes1m
Medical Prognosis2m
Examples of Prognostic Tasks2m
Atrial fibrillation2m
Liver Disease Mortality2m
Risk of heart disease2m
Risk Score Computation4m
Evaluating Prognostic Models1m
Concordant Pairs, Risk Ties, Permissible Pairs2m
C-Index3m
4 lecturas
Connect with your mentors and fellow learners on Slack!10m
Please save your work regularly10m
About the automatic grader10m
How to refresh your workspace10m
1 ejercicio de práctica
Week 1 Quiz30m
7 horas para completar
Prognosis with Tree-based models
Tune decision tree and random forest models to predict the risk of a disease. Evaluate the model performance using the c-index. Identify missing data and how it may alter the data distribution, then use imputation to fill in missing data, in order to improve model performance.
7 horas para completar
15 videos (Total 41 minutos)
15 videos
Decision trees1m
Dividing the input space2m
Building a decision tree2m
How to fix overfitting4m
Survival Data3m
Different distributions2m
Missing Data example2m
Missing completely at random2m
Missing at random3m
Missing not at random3m
Imputation1m
Mean Imputation4m
Regression Imputation2m
Calculate Imputed Values2m
1 ejercicio de práctica
Week 2 Quiz30m
6 horas para completar
Survival Models and Time
This week, you will work with data where the time that a disease occurs is a variable. Instead of predicting just the 10-year risk of a disease, you will build more flexible models that can predict the 5 year, 7 year, or 10 year risk.
6 horas para completar
16 videos (Total 38 minutos)
16 videos
Survival Function2m
Valid survival functions3m
Collecting Time Data1m
When a stroke is not observed2m
Heart Attack Data2m
Right censoring1m
Estimating the survival function1m
Died immediately, or never die3m
Somewhere in-between1m
Using censored data1m
Chain rule of conditional probability2m
Deriving Survival2m
Calculating Probabilities from the Data3m
Comparing Estimates3m
Kaplan Meier Estimate2m
1 ejercicio de práctica
Week 3 Quiz30m
8 horas para completar
Build a risk model using linear and tree-based models
This week, you will fit a linear model, and a tree-based risk model on survival data, to customize a risk score for each patient, based on their health profile. The risk score represents the patient’s relative risk of getting a particular disease. You will then evaluate each model’s performance by implementing and using a concordance index that incorporates time to event and censored data.
8 horas para completar
24 videos (Total 69 minutos), 3 lecturas, 2 cuestionarios
24 videos
Hazard3m
Survival to hazard2m
Cumulative Hazard3m
Individualized Predictions3m
Relative risk3m
Ranking patients by risk1m
Individual vs. baseline hazard2m
Smoker vs. non-smoker2m
Effect of age on hazard3m
Risk factor increase per unit increase in a variable1m
Risk Factor Increase or Decrease4m
Intro to Survival Trees4m
Survival tree5m
Nelson Aalen estimator5m
Comparing risks of patients1m
Mortality score2m
Evaluation of Survival Model3m
Permissible and Non-Permissible Pairs2m
Possible Permissible Pairs1m
Example of Harrell's C-Index3m
Example of Concordant Pairs2m
Week 4 Summary47s
Congratulations!1m
3 lecturas
Congratulations on finishing course 2!10m
Acknowledgements10m
Citations10m
1 ejercicio de práctica
Week 4 Quiz30m
Revisiones
Principales revisiones sobre AI FOR MEDICAL PROGNOSIS
por JD4 de jun. de 2020
I am a medical image analysis enthusiast. But I always wonder why I can't I combine other patient details for extending it's application. Sure this course is awesome. I really loved it !!
por BM21 de abr. de 2020
This course was great and more challenging that I have expected. More focus on statistics and survival data which is important for prognosis. Course has a good flow and valuable content.
por JH1 de may. de 2020
Excellent course! Real world data and robust models. Of particular value was the implementation of the SHAP feature interpretation algorithm as applied to ensemble models.
por SN18 de may. de 2020
Excellent course that teaches you complex concepts in an easy to understand manner. The assignments are challenging, while at the same time teaching you advanced stuff!
Acerca de Programa especializado: AI for Medicine
AI is transforming the practice of medicine. It’s helping doctors diagnose patients more accurately, make predictions about patients’ future health, and recommend better treatments. This three-course Specialization will give you practical experience in applying machine learning to concrete problems in medicine.
These courses go beyond the foundations of deep learning to teach you the nuances in applying AI to medical use cases. If you are new to deep learning or want to get a deeper foundation of how neural networks work, we recommend taking the Deep Learning Specialization.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
- es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
- Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
What is the refund policy?
Si estás suscrito, obtienes una prueba gratis de 7 días, que podrás cancelar cuando desees sin ningún tipo de penalidad. Una vez transcurrido ese tiempo, no realizamos reembolsos. No obstante, puedes cancelar tu suscripción cuando quieras. Consulta nuestra política completa de reembolsos.
Is financial aid available?
Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el enlace de Ayuda económica que está debajo del botón “Inscribirse” a la izquierda. Se te pedirá que completes una solicitud. Recibirás una notificación en caso de que se apruebe. Deberás completar este paso para cada uno de los cursos que forman parte del Programa especializado, incluido el proyecto final. Obtén más información.
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
