هوش مصنوعی (AI) به منظور استفاده از فناوری برای شبیه سازی رفتار هوشمند و تفکر انتقادی قابل قیاس با یک انسان استفاده می شود. با نفوذ هوش مصنوعی در فناوری های پزشکی، تحولی نوین در این حوزه ایجاد شده است که با تمرکز بر روی جنبه های بالینی و ساده سازی مفاهیم پیچیده، قادر به تصمیم گیری خواهد بود.
هوش مصنوعی (AI) به منظور استفاده از فناوری برای شبیه سازی رفتار هوشمند و تفکر انتقادی قابل قیاس با یک انسان استفاده می شود. با نفوذ هوش مصنوعی در فناوری های پزشکی، تحولی نوین در این حوزه ایجاد شده است که با تمرکز بر روی جنبه های بالینی و ساده سازی مفاهیم پیچیده، قادر به تصمیم گیری خواهد بود.
1. مفاهیم بینایی ماشین، هوش مصنوعی و یادگیری عمیق در تجزیه و تحلیل داده های پزشکی
2. انواع شبکه های یادگیری عمیق در تجزیه و تحلیل داده های پزشکی (تحت نظارت و بدون نظارت - کانولوشنال، مولد، رمزگذار خودکار)
3. داده های پزشکی چیست؟
4. انواع داده های پزشکی:
a. داده های عددی
b. داده های متنی
c. داده های دسته بندی
d. داده های تصویربرداری
5. تغذیه داده ها به شبکه
6. جمع آوری و حجم داده ها
7. برچسب/ لیبل زدن داده ها
8. افزونگی داده ها
9. وظایف یادگیری عمیق در تجزیه و تحلیل داده های پزشکی:
a. رگرسیون
b. خوشه بندی
c. طبقه بندی
d. تقسیم بندی
e. انطباق
10. حوزه های فعالیت کنونی یادگیری عمیق
11. معرفی نرم افزارهای مطرح در حوزه یادگیری عمیق
برای ثبت نام در این دوره آموزشی لطفا وارد حساب کاربری خود شوید. در صورتی که هنوز عضو سایت نشده اید، فرم عضویت را تکمیل نمایید.