Szkolenie: AI w medycynie
Szkolenie koncentruje się na zastosowaniach sztucznej inteligencji w medycynie, ze szczególnym uwzględnieniem analizy danych tabelarycznych, obrazów medycznych oraz tekstów klinicznych. Uczestnicy zdobędą wiedzę na temat różnych technik AI, takich jak modelowanie predykcyjne, analiza przeżycia, przetwarzanie języka naturalnego (NLP) i wizja komputerowa w oparciu o dane medyczne. Omówione zostaną także kwestie etyczne, prawne oraz anonimizacja danych wrażliwych i wyjaśnialność modeli uczenia maszynowego. Praktyczna część kursu obejmuje pracę z narzędziami w języku Python, takimi jak `pandas`, `PyTorch` i `MONAI`.
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:3 dni (24h)
Kod kursu:AI/MED
AI w medycynie
Cele szkolenia
Zrozumienie podstawowych zastosowań AI w medycynie, w tym analizy danych tabelarycznych, obrazów medycznych oraz tekstów klinicznych
Praktyczne zastosowanie narzędzi do przetwarzania i analizy danych medycznych w języku Python
Nauka technik predykcyjnego modelowania oraz analizy przeżycia w opiece zdrowotnej
Wdrażanie metod przetwarzania języka naturalnego (NLP) w medycynie, w tym optycznego rozpoznawania znaków (OCR), rozpoznawania jednostek nazwanych (NER) i ekstrakcji informacji
Poznanie zasad oceny modeli AI oraz technik wyjaśnialności modeli (XAI)
Przygotowanie do wdrożenia rozwiązań AI w systemach opieki zdrowotnej
Dla kogo?
Osób, które mają co najmniej podstawową wiedzę z obszaru klasycznego uczenia maszynowego i sieci neuronowych
Programistów, analityków danych, programistów baz danych, statystyków, data scientistów, którzy chcą rozwinąć swoje umiejętności w domenie medycznej
Badaczy zajmujących się analizą danych medycznych
Zalety
Szkolenie obejmuje szeroki zakres tematów z zakresu AI w medycynie, od przetwarzania danych tabelarycznych, przez analizę obrazów medycznych, po NLP
Praktyczne ćwiczenia z wykorzystaniem popularnych bibliotek języka Python
Uczestnicy zdobędą wiedzę na temat pracy z danymi wrażliwymi
Szkolenie kładzie nacisk na wyzwania techniczne i etyczne związane z zastosowaniem AI w medycynie
Wymagania
Znajomość języka Python na poziomie implementacji prostych programów z wykorzystaniem zewnętrznych bibliotek
Podstawowa wiedza z zakresu analizy danych i statystyki
Znajomość podstaw uczenia maszynowego i sieci neuronowych
Znajomość podstaw wizji komputerowej i przetwarzania języka naturalnego
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program szkolenia
Wprowadzenie do sztucznej inteligencji w medycynie
Przegląd zastosowań AI w medycynie
Kwestie etyczne i prawne
Wyzwania i implementacja systemów AI w medycynie
Praca z danymi medycznymi
Dane medyczne, formaty danych
Anonimizacja danych wrażliwych
Narzędzia do pracy z danymi medycznymi w języku Python
Analiza danych tabelarycznych i predykcyjne modelowanie w opiece zdrowotnej
Źródła danych
Praca z danymi tabelarycznymi
Modelowanie predykcyjne
Przetwarzanie obrazów medycznych z użyciem AI
Wprowadzenie do obrazowania medycznego
Przetwarzanie i analiza obrazów medycznych
Trudności w pracy z danymi 3D w medycynie
Sieci neuronowe do klasyfikacji i segmentacji obrazów
Praktyczne zastosowania narzędzi w języku Python: PyTorch, TorchIO, NiBabel, MONAI
Wykorzystanie przetwarzania języka naturalnego (NLP) dla treści medycznych
Wprowadzenie do NLP w medycynie
Optyczne rozpoznawanie znaków (OCR)
Rozpoznawanie jednostek nazwanych (NER) i ekstrakcja informacji
Analiza przeżycia i modelowanie czasu do zdarzenia
Wprowadzenie do analizy przeżycia
Zastosowania w medycynie
Modele analizy przeżycia
Ocena modeli, ich wyjaśnialność i wdrożenie
Ocena modeli w medycynie
Wyjaśnialność sztucznej inteligencji (XAI): SHAP, LIME, Grad-CAM
Proces wdrażania rozwiązań AI w systemach opieki zdrowotnej