Анализ медицинских данных

Станьте востребованным специалистом по анализу медицинских данных и повысьте свой уровень компетенций в Data Science с курсом переподготовки от Государственного Сеченовского Университета.

Все учебные материалы курса синхронизированы со стратегией цифровой трансформации здравоохранения 2030.

Бесплатно
Проверка домашних заданий
Диплом о переподготовке установленного образца
Практика на реальных данных
252 часа
Только конкретика
ДПО
195 свободных мест
Онлайн
Для кого курс?
Для окончивших 1 курс бакалавриата
Отличная возможность заложить основу для успешной карьеры, приобретая востребованные знания и навыки
Для тех, кто ранее не проходил обучение на цифровой кафедре
Курс идеально подходит для начинающих, желающих освоить передовые технологии анализа медицинских данных
Для окончивших 2 курс специалитета
Углубите свои знания в анализе медицинских данных и подготовьтесь к профессиональной деятельности в области медицины и информационных технологий
Для учащихся в магистратуре и ординатуре
Примените полученные знания и навыки для научных исследований и практической работы, улучшая качество медицинской помощи
Что вы получите?
Навыки анализа медицинских данных
Научитесь создавать базы медицинских данных
Углубитесь в разработку клиент-серверных систем
Уверенность в собственных знаниях
Умения выявлять закономерности и тренды, а также делать прогноз
Освоите подходы для анализа и интерпретации данных
Научитесь обеспечивать безопасность и конфиденциальность медицинских данных
Курс разработан и проводится государственным Сеченовским университетом, гарантирующим высокое качество обучения и выдачу диплома о переподготовке установленного образца
Программа курса
1
Введение в анализ данных и статистику
  • Принципы поиска и отбора медицинских данных. Источники
  • Исследовательская статистика медицинских данных
  • Прикладная статистика в здравоохранении
  • Практика формулирования медицинской задачи, решаемой методами анализа данных
3
Программирование на Python
  • Основы программирования на языке Python
  • Алгоритмы и структуры данных на Python
  • Анализ данных на Python с помощью NumPy и Pandas
  • Визуализация данных на Python с помощью Matplotlib
  • Практика аналитической обработки и визуализации данных датасета
4
Машинное и глубокое обучение
  • Основы машинного обучения на Python, библиотека scikit-learn
  • Методы обучения с учителем (деревья решений, машины опорных векторов, байесовский классификатор, линейный дискриминантный анализ, метод k-ближайших соседей)
  • Методы обучения без учителя (K-means clustering, KNN, Hierarchal clustering, метод главных компонент)
  • Применение машинного обучения для анализа данных
  • Основы глубокого обучения и нейронных сетей
  • Фреймворки для глубокого обучения (TensorFlow, Keras, PyTorch)
  • Сверточные и рекуррентные нейронные сети
  • Трансформеры, предобученные нейронные сети, перенос обучения
  • Практическое применение нейронных сетей для задач классификации в медицине
5
Разработка клиент-серверных систем
  • Основы построения клиент-серверных приложений
  • Построение систем обработки данных на Python
  • Основы работы на серверах Linux, работа с командной строкой
  • Применение фреймворков Flask и Django
  • Практика размещения системы на серверной платформе
6
Аттестации и практика
2
Итого - 252 часа
Базы данных и SQL
  • Средства автоматизации поиска и отбора медицинских данных. Применение машинного обучения
  • Основные понятия теории баз данных
  • Основы SQL
  • Проектирование баз данных на примере PostgreSQL, MySQL, SQLite
  • Импорт данных из xml, csv, xls и других форматов
  • Промежуточная аттестация: По 2 часа в каждом модуле
  • Практика: 24 часа
  • Итоговая аттестация: 36 часов
1
Введение в анализ данных и статистику
  • Принципы поиска и отбора медицинских данных. Источники
  • Исследовательская статистика медицинских данных
  • Прикладная статистика в здравоохранении
  • Практика формулирования медицинской задачи, решаемой методами анализа данных
3
Программирование на Python
  • Основы программирования на языке Python
  • Алгоритмы и структуры данных на Python
  • Анализ данных на Python с помощью NumPy и Pandas
  • Визуализация данных на Python с помощью Matplotlib
  • Практика аналитической обработки и визуализации данных датасета
4
Машинное и глубокое обучение
  • Основы машинного обучения на Python, библиотека scikit-learn
  • Методы обучения с учителем (деревья решений, машины опорных векторов, байесовский классификатор, линейный дискриминантный анализ, метод k-ближайших соседей)
  • Методы обучения без учителя (K-means clustering, KNN, Hierarchal clustering, метод главных компонент)
  • Применение машинного обучения для анализа данных
  • Основы глубокого обучения и нейронных сетей
  • Фреймворки для глубокого обучения (TensorFlow, Keras, PyTorch)
  • Сверточные и рекуррентные нейронные сети
  • Трансформеры, предобученные нейронные сети, перенос обучения
  • Практическое применение нейронных сетей для задач классификации в медицине
5
Разработка клиент-серверных систем
  • Основы построения клиент-серверных приложений
  • Построение систем обработки данных на Python
  • Основы работы на серверах Linux, работа с командной строкой
  • Применение фреймворков Flask и Django
  • Практика размещения системы на серверной платформе
6
Аттестации и практика
Итого - 252 часа
  • Промежуточная аттестация: По 2 часа в каждом модуле
  • Практика: 24 часа
  • Итоговая аттестация: 36 часов
2
Базы данных и SQL
  • Средства автоматизации поиска и отбора медицинских данных. Применение машинного обучения
  • Основные понятия теории баз данных
  • Основы SQL
  • Проектирование баз данных на примере PostgreSQL, MySQL, SQLite
  • Импорт данных из xml, csv, xls и других форматов
Лекторы курса
Лебедев Георгий Станиславович
Заведующий кафедрой информационных и интернет-технологий, д.т.н.
Кошечкин Константин Александрович
Профессор кафедры информационных и интернет-технологий, д.ф.н.
Игнатьев Александр Андреевич
Преподаватель кафедры информационных и интернет-технологий, к.м.н.
Нурматова Елена Вячеславовна
Преподаватель кафедры информационных и интернет-технологий, к.т.н.
Орлов Юрий Львович
Профессор кафедры информационных и интернет-технологий, д.б.н.
Лисненко Александр Алексеевич
Преподаватель кафедры информационных и интернет-технологий
Лебедев Георгий Станиславович
Заведующий кафедрой информационных и интернет-технологий, д.т.н.
Кошечкин Константин Александрович
Профессор кафедры информационных и интернет-технологий, д.ф.н.
Игнатьев Александр Андреевич
Преподаватель кафедры информационных и интернет-технологий, к.м.н.
Нурматова Елена Вячеславовна
Преподаватель кафедры информационных и интернет-технологий, к.т.н.
Орлов Юрий Львович
Профессор кафедры информационных и интернет-технологий, д.б.н.
Лисненко Александр Алексеевич
Преподаватель кафедры информационных и интернет-технологий
Вопросы и ответы