Tıbbi Veriler için Makine Öğrenimi

Bu kurs, temel yapay zeka kavramları üzerine inşa edilerek sağlık sektörüne özel olarak uyarlanmış makine öğrenimi (ML) tekniklerini öğretir. Hasta risk değerlendirmesi için tahmine dayalı modeller geliştirmek üzere ML ve derin öğrenme tekniklerini uygulayacaksınız. Ayrıca model tasarımı, eğitimi ve değerlendirmesiyle denemeler yaparak sağlık verilerini eyleme dönüştürülebilir içgörülere dönüştürecek; pratik, sonuç odaklı projeler aracılığıyla hem teknik hem de klinik muhakeme becerilerinizi güçlendireceksiniz. Vaka çalışmaları ve gerçek dünyadan örnekler, ML'in hastalık tahminini, tedavi optimizasyonunu ve klinik karar desteğini nasıl desteklediğini gösterecektir. Müfredat; veri ön işleme, özellik mühendisliği (feature engineering), model seçimi ve klinik metrikler ile doğrulama stratejileri kullanılarak yapılan değerlendirmelere vurgu yapmaktadır. Uygulamalı egzersizler aracılığıyla denetimli ve denetimsiz yöntemleri uygulayacak, yapay sinir ağları tasarlayıp eğitecek ve sınıf dengesizliği, gizlilik ve yorumlanabilirlik gibi pratik zorlukları ele alacaksınız. Laboratuvarları tamamlamak için Google Colab ortamında Jupyter Notebook dosyalarını kullanacaksınız. Bu kursun sonunda, klinik olarak ilgili, istatistiksel olarak sağlam ve etik açıdan sorumlu ML iş akışlarını uygulamaya hazır olacaksınız.