Data Scientist в медицине: с нуля до Junior от GeekBrains

    GeekBrains
    Стоимость курса
    222 943 Р
    122 619 Р
    Сертификат
    Да
    Начало курса
    В любой момент
    Трудоустройство
    Содействие

    Кому подойдет

    • Новичкам

    Чему Вы научитесь

    • Вы научитесь анализировать медицинские данные и создавать модели машинного обучения для прогнозирования сердечно-сосудистых заболеваний, онкологии, сигналам ЭЭГ, рентгеновским изображениям

    Программа обучения

    Введение в программирование

    • Что такое программирование и языки программирования
    • Базовые алгоритмы и массив как структура данных
    • Сложность и стоимость алгоритмов

    Введение в контроль версий

    • Знакомство с контролем версий
    • Установка и настройка системы контроля версий
    • Углубляемся в контроль версий

    Математика

    Информатика

    • Становление информатики
    • Операции с данными

    Знакомство с языком Python

    • Знакомство с языком программирования Python
    • Ввод-Вывод, операторы ветвления
    • Циклы (for, while)
    • Коллекции данных. Профилирование и отладка
    • Списки и словари
    • Словари, множества и профилирование
    • Функции, рекурсия, алгоритмы
    • Рекурсия и алгоритмы
    • Повторение списков
    • Функции высшего порядка, работа с файлами
    • Функции высшего порядка
    • Работа с файлами
    • Google Colab (Jupyter). Знакомство с аналитикой
    • Работа с табличными данными
    • Построение графиков

    Основы языка Python для аналитиков

    • Продолжение знакомства с Jupyter Notebook
    • Анализ данных с библиотекой Pandas
    • Модификация таблиц с Pandas
    • Визуализация данных с Matplotlib и Seaborn

    Теория вероятностей и математическая статистика

    • Расчет вероятности случайных событий
    • Дискретные распределения вероятностей
    • EDA (exploratory data analysis) или Разведочный анализ
    • Непрерывная случайная величина
    • Тестирование гипотез
    • Сравнение долей. Построение доверительного интервала
    • Непараметрические тесты
    • Корреляционный анализ
    • Линейная регрессия Логистическая регрессия
    • Дисперсионный анализ

    Математический анализ

    • Вводный урок
    • Последовательность
    • Функция
    • Предел функции. Теоремы о пределах
    • Непрерывность и дифференцируемость функции
    • Производные функции одной и нескольких переменных
    • Ряды
    • Понятие об интеграле
    • Дифференциальные уравнения 1-го порядка
    • Решение систем дифференциальных уравнений

    Линейная алгебра

    • Линейное пространство. Основные понятия. Часть 1
    • Линейное пространство. Основные понятия. Часть 2
    • Матрицы и матричные операции. Часть 1
    • Матрицы и матричные операции. Часть 2
    • Линейные преобразования
    • Системы линейных уравнений. Часть 1
    • Системы линейных уравнений. Часть 2
    • Сингулярное разложение матриц

    Искуcственный интеллект

    • Искусственный интеллект. Обзор
    • Технологические возможности реализации ИИ
    • Создание проекта машинного обучения (workflow)
    • Внедрение ИИ в организации

    Базы данных и SQL

    • Инструменты для работы с базами данных
    • SQL — создание объектов, изменение данных, логические операторы
    • SQL — выборка данных, сортировка, агрегатные функции
    • SQL — объединение таблиц union, соединение — join, подзапросы
    • SQL — оконные функции
    • SQL — Транзакции, ACID. Временные таблицы, управляющие конструкции, циклы

    Операционные системы

    • Основы Linux. Установка системы
    • Работа с файлами в терминале
    • Права доступа и пользователи
    • Установка пакетов, репозитории. Планировщик Cron
    • Сетевые возможности Linux
    • Веб-сервер на Linux
    • Основы Docker
    • Скрипты Bash

    Сбор и разметка данных

    • Основы клиент-серверного взаимодействия. Парсинг API
    • Парсинг HTML. BeautifulSoup
    • Системы управления базами данных MongoDB и Кликхаус в Python
    • Парсинг HTML. XPath
    • Scrapy. Парсинг фото и файлов
    • Scrapy. Парсинг фото и файлов
    • Selenium в Python
    • Работа с данными
    • Инструменты разметки наборов данных

    Transfer learning

    • Обзор архитектур нейронных сетей
    • Библиотеки и фреймворки для создания нейронных сетей
    • Подготовка данных. Использование готовых моделей
    • Редактирование и дообучение нейронной сети

    Введение в Big Data

    • Введение в Большие Данные
    • SQL & BigData
    • Инструменты работы и визуализации

    ETL: автоматизация подготовки данных

    • Модели данных и нормализация таблиц. Схема «звезда»
    • Введение в подготовку данных для аналитиков. Таблицы фактов и таблицы измерений
    • Получение денормализованных таблиц из нормализованных
    • Партицирование данных по дате. Динамическое партицирование
    • Обзор возможностей Airflow, установка и настройка
    • Операторы в Airflow и их применение для ETL
    • Построение пайплайнов и визуализация потоков данных в Airflow
    • Специфика применения ETL в различных предметных сферах

    Библиотеки Python для DS

    • Вычисления с помощью Numpy
    • Работа с данными в Pandas
    • Визуализация данных в Matplotlib
    • Обучение с учителем в Scikit-learn
    • Обучение без учителя в Scikit-learn
    • Введение в задачу классификации. Постановка задачи и подготовка данных
    • Анализ данных и проверка статистических гипотез
    • Построение модели классификации
    • Способы улучшения полученной модели

    Машинное обучение

    • Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессия
    • Классификация. Логистическая регрессия и SVM
    • Функции потерь и оптимизация
    • Оценка точности модели, переобучение, регуляризация
    • Проблема качества данных
    • Работа с пропусками
    • Работа с переменными
    • Деревья решений
    • Ансамблирование
    • Поиск выбросов и генерация новых признаков
    • Feature Selection
    • Улучшение качества модели

    Глубокое обучение в компьютерном зрении. Интерактивный курс GU

    • Обработка изображений и компьютерное зрение
    • Свёрточные нейронные сети (СНС)
    • Продвинутые архитектуры свёрточных нейросетей
    • Семантическая сегментация
    • Детектирование объектов
    • Metric learning
    • Обработка видео
    • Синтез изображений

    Классические подходы к обработке естественного языка

    • Обработка тестов. Векторизация. Регулярные выражения. Стемминг, лемматизация
    • Векторизация тестов. TfIdf, Count, Hashing векторизаторы. Понятие ngram
    • Эмбеддинги. Word2vec, Doc2Vec, fasttext
    • Тематическое моделирование. Введение в EM-алгоритм
    • Тематическое моделирование. LDA
    • Тематическое моделирование. BigArtm. Иерархические тематические модели
    • Постановка основных задач работы с текстом. NER, токенизация, классификация текстов

    Нейросетевые подходы к обработке естественного языка

    • Сети прямого распространения. Backpropagation. Функции активации. Дропаут
    • Сети прямого распространения для работы с текстами. Сравнение с классическими подходами
    • Сверточные сети. Функции пуллинга. Сверточные сети для обработки текстов
    • Рекуретные сети. LSTM, GRU их применение для обработки текстов
    • Encoder-decode архитектура. Генерация текстов. Механизм Attention
    • Архитектура Transformer. Применение трансформера к задачам классификации текста. (и генерации)
    • Bert архитектура. Принципы finetuning
    • Архитектура современных чат-ботов. ANN

    Введение в молекулярную биологию и генетику

    • База данных NCBI
    • От гена до белка
    • Мутации
    • Методы
    • Секвенирование
    • Области применения

    Прикладные задачи анализа медицинских данных

    • Прогнозирование и диагностика в медицине с помощью машинного обучения
    • Computer Vision для медицинских изображений
    • Применение NLP в здравоохранении

    Введение в анализ данных медицинских изображений

    Прикладная статистика в медицине

    Прогнозирование и диагностика в медицине

    • Основы прогнозирования и диагностики в медицине
    • Методы машинного обучения для диагностики заболеваний
    • Применение искусственного интеллекта в клинической медицине
    • Прогнозирование заболеваний с помощью медицинского анализа данных

    Computer Visiom для медицинских изображений

    • Введение в PyTorch. Аугментация изображений
    • Классификация медицинских изображений
    • Сегментация медицинских изображений
    • Консультация по проекту. Тема проекта: сегментация и классификация COVID-19 по КТ снимкам

    Применение NLP в Здравохранении

    • Использование NLP в медицинской документации и электронных медицинских записях (EMR)
    • Применение NLP для анализа данных клинических испытаний

    Дипломная работа

    Отзывы о школе 12

    4.6 из 5
    9
    1
    1
    1
    0
    Сортировать:
    Дате публикации
    • Дата публикации
    • Популярности
    • Сначала положительные
    • Сначала отрицательные
    • Павел 12 октября 2023

      В настоящее время я обучаюсь на программе "Программист Java" уже восьмой месяц. Сначала я приобрел годовой курс, который включал обучение до уровня Junior. После шести месяцев обучения я решил доплатить за второй год. Существует возможность приобрести двухгодичный (или даже более длительный) курс сразу, но я был не уверен в своих способностях. Я действительно наслаждаюсь обучением здесь. Программа изучения предметов хорошо продумана, лекции записываются (это очень удобно, можно всегда поставить на паузу, пересмотреть или прослушать в другое время). Программа обучения мне очень интересна. Семинары проводятся онлайн. На семинарах преподаватели не только демонстрируют презентации и работу в программах, но и дают задания для самостоятельного выполнения прямо на семинарах, сразу же объясняя их. Мне нравится, когда "вызывают к доске", то есть когда я могу показать свой экран всей группе и выполнить какое-либо задание, получая подсказки при необходимости. Это удобно и эффективно. Если я пропущу семинар, я могу посмотреть его запись позже, но это не так интересно. На семинарах также задают домашние задания, которые преподаватели проверяют и оценивают, давая подробные комментарии о сильных и слабых сторонах выполненной работы. Программа обучения может быть достаточно сложной и требовать времени и усилий для тех, кто ранее не занимался программированием или не интересовался им. У меня был некоторый опыт программирования до начала обучения, поэтому мне пока что довольно легко идет.

      Был ли отзыв полезен?
    • Руслан 8 августа 2023

      В настоящее время я изучаю дизайн в онлайн-университете Geekbrains. Курсы тщательно организованы и представлены последовательно и очень детально. На каждом уровне имеется куратор, который всегда готов помочь по любым вопросам. Преподаватели готовы обсудить повторное выполнение заданий или тестов, и они всегда идут на встречу! Они понимают, что вы совмещаете учебу с работой и энтузиазмом помогают в процессе обучения. Все наставники и преподаватели на протяжении всей учебы предоставляли своевременную обратную связь и поддержку. Доступ к учебным материалам не ограничен, и вы можете вернуться к ним для повторного просмотра 1, 2 или даже 10 раз. Курсы нацелены на формирование портфолио и освоение ключевых навыков, которые применимы в реальной работе. Кроме того, университет активно занимается вопросами трудоустройства, мотивируя вас к успеху и предложению работ при активном желании и упорстве со стороны студентов. В целом, я настоятельно рекомендую Geekbrains всем, кто хочет приобрести дополнительную специальность или сменить профессиональное направление!

      Был ли отзыв полезен?
    • Валерия 2 июня 2023

      Я училась здесь на UX/UI designer. Начало обучения было многообещающее. У меня было 4 занятия в неделю, где давалось много новой информации и мне действительно было интересно. Также от меня требовалось сдать 4 домашние работы к концу недели. Преподаватели действительно были адекватные и готовые всегда придти на помощь. Ведь даже тому, кто немного знаком с этой сферой, может потребоваться помощь в выполнении домашней работы. А потом что то пошло не так и кураторы стали менять каждый месяц, не отвечали на сообщения. Проверка домашних заданий затягивалась, уроки скучные и пустые, интерес к курсу у меня окончательно пропал. Я оправила им письмо с запросом о возврате денежных средств. Курс я покупала в рассрочку, спустя неделю попросили фото паспорта, чтобы оформить возврат. Деньги возвратили за не пройденные уроки, но исходом дела я довольна. Если бы школа старалась заинтересовать ученика, то обучение я бы прошла до конца. Над наполнением курса им еще работать и работать. 

      Был ли отзыв полезен?
    Посмотреть все отзывы о GeekBrains