MIT医疗机器学习-学习资料
MIT医疗机器课程,内容覆盖临床护理、风险分层、生理时间序列、心脏成像、鉴别诊断、病理学机器学习、因果推断、强化学习、疾病进展建模、可解释性等

关键词标签: MIT, 生理时间序列, 因果推断, 医疗机器学习

课程介绍

MIT 6.S897是全球顶校麻省理工开设的医学与机器学习的交叉专业课程,本课程以生物医学为主要应用领域,讲解了深度学习的典型应用场景与目前前沿技术方法进展。课程内容覆盖 临床护理、临床数据、风险分层、生理时间序列、自然语言处理、心脏成像、鉴别诊断、病理学机器学习、因果推断、强化学习、疾病进展建模、精准医学、模型可解释性 等知识。

课时编号 课时内容
第1讲 是什么让医疗保健与众不同?
第2讲 临床护理概述
第3讲 深入研究临床数据
第4讲 风险分层,第 1 部分
第5讲 风险分层,第 2 部分
第6讲 生理时间序列
第7讲 自然语言处理 (NLP),第 1 部分
第8讲 自然语言处理 (NLP),第 2 部分
第9讲 将技术转化为临床
第10讲 机器学习在心脏成像中的应用
第11讲 鉴别诊断
第12讲 病理学机器学习
第13讲 用于乳房 X 光检查的机器学习
第14讲 因果推断,第 1 部分
第15讲 因果推断,第 2 部分
第16讲 强化学习,第 1 部分
第17讲 强化学习,第 2 部分
第18讲 疾病进展建模和亚型,第 1 部分
第19讲 疾病进展建模和亚型,第 2 部分
第20讲 精准医学
第21讲 自动化临床工作流程
第22讲 美国对机器学习/人工智能的监管
第23讲 公平
第24讲 数据集转移的鲁棒性
第25讲 可解释性

ShowMeAI课程解读:全套资料

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
end
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!