Trwają zapisy do grupy

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`.

2550 PLN+23% VAT (3136 PLN brutto / 1 os.)

Czas trwania szkolenia:3 dni (24h)

Poziom zaawansowania:

Kod kursu:AI/MED

analysis

Dostępne terminy

  • Termin
  • Trener
  • Cena
  • Zapis
  • Lokalizacja

Termin:

28 października
Trwają zapisy na szkolenie

Trener:

Trener Sages

Cena:

2550 PLN netto
Ikona podpowiedziDowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT

Lokalizacja:

Zdalne
Zdalne
Ikona podpowiedziZapytaj o inne lokalizacje - w tym celu skorzystaj z chatu

Termin:

9 grudnia
Trwają zapisy na szkolenie

Trener:

Trener Sages

Cena:

2550 PLN netto
Ikona podpowiedziDowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT

Lokalizacja:

Zdalne
Zdalne
Ikona podpowiedziZapytaj o inne lokalizacje - w tym celu skorzystaj z chatu

Forma szkolenia

Interesuje Cię szkolenie stacjonarne?

Dostępne terminy

Interesują Cię inne terminy?

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

Pobierz program w PDF

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

Podobne szkolenia