در این دوره در مورد Concept Art صحبت خواهیم کرد. به عنوان یک پروژه نهایی، یک مفهوم محیطی کاملاً تمام شده، آماده برای ارائه ایجاد خواهیم کرد. در طول 4 هفته ماژول ها عمیقاً در ترکیب و تکنیک های نقاشی دیجیتال فرو می روند تا مهارت های هنری شما را به سطح بعدی برسانند! بنابراین، بیایید شروع کنیم!

بین برنامه درسی خود، تجربیات دانش آموزان و موضوعات قابل دسترس در هنر ارتباط برقرار کنید. مضامین شامل مکان ها و فضاها، هنر و هویت، تبدیل اشیاء روزمره، و هنر و جامعه است.

هدف از این دوره ارائه یک نمای کلی از فرهنگ روم باستان است که از حدود 1000 سال قبل از میلاد شروع شده و با به اصطلاح "سقوط روم" پایان می یابد. ما به برخی از افراد کلیدی که از زمان پادشاهان تا جمهوری روم و امپراتوری روم در رم ایفای نقش کردند، نگاه خواهیم کرد. ما همچنین بر خود شهر رم و همچنین گسترش رم از طریق ایتالیا، مدیترانه و فراتر از آن تمرکز خواهیم کرد.

نحوه ادغام آثار هنری را با روش‌های آموزشی مبتنی بر تحقیق که توسط مربیان موزه استفاده می‌شود، کاوش کنید.

سیاست اقتصادی بر هر شهروندی تأثیر می گذارد. و سیاست گذاری اقتصادی بهتر است به عنوان یک فرآیند مشارکتی با طیف وسیعی از ذینفعان انجام شود. این دوره درکی از ارتباط و تأثیرات سیاست گذاری اقتصادی در زندگی روزمره و راه های مشارکت شهروندان در شکل دادن به سیاست های اقتصادی را به شیوه ای قابل دسترس و جالب به ارمغان می آورد. این دوره با تدریس دکتر ویجی کلکار و دکتر آجی شاه، همراه با آرومار ریوی، مدیر IIHS، بیش از صد سال تجربه ترکیبی آنها را به عنوان اقتصاددانان حرفه ای و روشنفکران عمومی ترکیب می کند. این دوره را می توان در طول 5 هفته با 3-5 ساعت یادگیری در هفته پوشش داد. برای کسب بهترین نتیجه از دوره، فراگیران تشویق می‌شوند که تمام سخنرانی‌ها و مکالمات ویدیویی را مشاهده کنند، مطالب آموزشی دیگر را مرور کنند، روی تمام تکالیف و ارزیابی‌ها کار کنند و در بحث‌ها به شیوه‌ای سازنده و محترمانه شرکت کنند. در پایان این دوره، شما قادر خواهید بود: ~ شناسایی نقش دولت در تعریف و اجرای سیاست ~ جنبه های مختلف عینی سیاست گذاری را بشناسید و از جنبه های مختلف نرم / مردمی درگیر قدردانی کنید ~ تجزیه و تحلیل مراحل درگیر در فرآیند سیاست گذاری و بحث در مورد تفاوت های ظریف و چالش های مختلف در تعریف و اجرای آن هر شهروند نقش مهمی در شکل دادن به جمهوری ما دارد. این دوره به شهروندان، کارمندان عمومی و فراگیران این امکان را می دهد تا مفاهیم جنبه های مختلف حکومت جمهوری را درک کنند. اگر دانشجوی اقتصاد، سیاست عمومی، حقوق، علوم سیاسی و/یا مدیریت هستید، این دوره روند سیاست گذاری اقتصادی را توضیح می دهد و شما را در مورد سیستم های پیچیده ای که در ایجاد و اجرای آن دخیل هستند، آگاه می کند. اگر شما یک کارمند دولتی در خدمات ملکی هند درگیر در امور مالی و اقتصاد عمومی هستید، این دوره به شما کمک می کند تا بینش عمیق تری در مورد موضوعات و شیوه های پیرامون طراحی سیاست عمومی اقتصادی کسب کنید. مشتاقان UPSC نیز از بینش ها و با شرکت در بحث هایی که دوره ارائه می دهد بهره مند خواهند شد. کارمندان و رهبران بخش خصوصی که از داشتن درک دقیق تری از سیاست و توسعه اقتصادی بهره مند می شوند نیز این دوره را بسیار آموزشی و آموزنده می یابند. ما مشتاقانه منتظر حضور شما در دوره هستیم!

توسط AMAZON WEB SERVICES (AWS) حمایت می شود. بیاموزید که چگونه آمازون، فیس بوک، گوگل، و توییچ PM ها را هدایت می کنند و با یک تیم بین رشته ای متشکل از طراحان UX، مهندسان نرم افزار، مهندسان AI/ML همکاری می کنند. به علاوه، سوالات واقعی مصاحبه PM که توسط مایکروسافت، گوگل و آمازون پرسیده می شود را تمرین کنید! شامل: * نانسی وانگ، رئیس خدمات حفاظت از داده، خدمات وب آمازون؛ بنیانگذار و مدیر عامل، پیشرفت زنان در محصول * سندی کارتر، معاون رئیس جمهور برای برنامه های بخش عمومی در سراسر جهان، خدمات وب آمازون * PRANAVA ADDURI، مدیر مهندسی نرم افزار، خدمات وب آمازون * MINMIN YANG، مدیر UX اصلی، خدمات وب آمازون * وهاب اوولابی، بنیانگذار OneReq. شریک تجاری تنوع، فیس بوک * SHARMEEN CHAPP، معاون تولید و مهندسی، انجمن Twitch * EJ EMEAGWALI، مدیر محصول، سامسارا؛ مدیر محصول سابق، گوگل و مایکروسافت * استفانی نیل، مدیر ارشد محصولات، تجارت Twitch * جورج الیسائوس، مدیر کل و مدیر مدیریت محصول، خدمات وب آمازون * نانسی رایلی، معاون و مدیر کل گروه محصولات اکوسیستم، Hubspot * سابرینا فارمر، معاون مهندسی برای قابلیت اطمینان سایت، محصولات گوگل این سومین دوره از چهار دوره در تخصص مدیریت محصول در دنیای واقعی توصیه شده ACE است. با تکمیل هر چهار دوره، می توانید تا 6 واحد کالج کسب کنید.

بررسی کنید که چگونه فعالیت‌ها می‌توانند خلاقیت دانش‌آموزان را تقویت کنند و آن‌ها را تشویق کنند تا در یادگیری خود شرکت‌کنندگان قدرتمندی شوند.

چگونه می توان از پهپادها در علم محیط زیست به خوبی استفاده کرد؟ دانشمندان چه نوع داده‌هایی را می‌توانند جمع‌آوری کنند و چگونه باید با استفاده از پهپادها آن‌ها را جمع‌آوری کنند؟ چرا شخصی باید هواپیماهای بدون سرنشین را در حرفه فعلی خود ادغام کند یا این رشته را دنبال کند؟ این دوره آموزشی Duke Environment+ به عنوان مقدمه ای برای هر کسی که علاقه مند به یادگیری بیشتر در مورد استفاده از پهپاد در علوم زیست محیطی است خدمت می کند. هیچ دانش پیشینه ای در پهپادها فرض یا ضروری نیست. در طول چهار هفته، شما اصول استفاده از پهپاد در علوم محیطی، از جمله مزایای خاص استفاده از هواپیماهای بدون سرنشین برای تحقیقات علمی را کشف خواهید کرد. انواع پهپادها و نحوه استفاده از آنها برای اهداف و ماموریت های مختلف. و بهترین شیوه های تحقیق، از جمله نگرانی های قانونی و اخلاقی. هفته آخر دوره به شما کمک می کند تا با معرفی شما به متخصصانی که با این فناوری در علوم زیست محیطی کار می کنند، کاوش در مسیرهای شغلی مختلف که شامل هواپیماهای بدون سرنشین است را آغاز کنید. در پایان دوره، شما باید برای در نظر گرفتن نحوه استفاده از هواپیماهای بدون سرنشین برای علایق تحقیقاتی خود مجهزتر باشید و در صورت تصمیم، برای دنباله دوره های عمیق تر محیط زیست + UAS Applicants and Operations in Environmental Science آمادگی بیشتری خواهید داشت. برای ادامه تحصیل

بیاموزید که چگونه هواشناسی، رشته‌ای که به بررسی اشکال حیات در هوا می‌پردازد، با استفاده از رادار با این دوره منحصر به فرد، انقلابی ایجاد کرده است. این دوره برای کمک به دانشمندان، محققان و همچنین علاقه مندان به محیط زیست طراحی شده است تا مهارت های خود را در استفاده از رادار برای کشف تنوع زیستی توسعه دهند. منشا و تکامل رادار از یک فناوری نظامی به یک ابزار قدرتمند با کاربردهای علمی متعدد، از جمله هواشناسی را بررسی خواهید کرد. سپس با مطالعه روندهای جهانی تنوع زیستی آشنا خواهید شد و نحوه ارزیابی روش های سنتی و فناوری های نوظهور مورد استفاده دانشمندان برای نظارت بر جهان طبیعی را خواهید آموخت. سپس عمیق تر خواهید فهمید که چگونه علم رادار می تواند برای اندازه گیری و نظارت بر تنوع زیستی و ارزیابی مزایای آن نسبت به روش های موجود اندازه گیری تنوع زیستی استفاده شود. از طریق مطالعات موردی واقعی، یاد خواهید گرفت که چگونه تجسم داده ها و خروجی داده های رادار را تفسیر کنید، چگونه زیست توده گونه ها را کمی کنید، و محدودیت های طبقه بندی این فناوری را کشف خواهید کرد. در پایان دوره، شما بررسی خواهید کرد که چگونه می توان از این رشته مطالعاتی جدید برای تغییر تحقیقات بیولوژیکی و کشاورزی و همچنین اطلاع رسانی مقررات و سیاست های زیست محیطی استفاده کرد.

به دوره تخصصی هوش تجاری و انبار داده خوش آمدید. این دوره در مدت شش هفته تکمیل خواهد شد و با فیلم ها و اسناد مختلف پشتیبانی می شود که به شما این امکان را می دهد تا به روشی بسیار ساده نحوه شناسایی، طراحی و توسعه سیستم های اطلاعاتی تحلیلی مانند هوش تجاری با تجزیه و تحلیل توصیفی داده ها را بیاموزید. انبارها شما قادر خواهید بود مشکل یکپارچه سازی و تحلیل پیش بینی حجم بالای داده های بدون ساختار (داده های بزرگ) را با داده کاوی و چارچوب Hadoop درک کنید. پس از اتمام این دوره، زبان آموز قادر خواهد بود ● یک نمودار مدل داده ستاره یا دانه برف از طریق طراحی چند بعدی از نیازمندی های تجاری تحلیلی و سیستم OLTP ایجاد کنید ● یک سیستم پایگاه داده فیزیکی ایجاد کنید ● استخراج، تبدیل و بارگذاری داده ها در انبار داده. ● پرس و جوهای تحلیلی را با SQL با استفاده از MySQL برنامه ریزی کنید ● تجزیه و تحلیل پیش بینی با RapidMiner ● داده های رابطه ای یا بدون ساختار را در Hortonworks HDFS بارگذاری کنید ● کارهای Map-Reduce را برای جستجوی داده ها در HDFS برای اهداف تحلیلی اجرا کنید زبان های برنامه نویسی: برای دوره 2 از زبان MYSQL استفاده خواهید کرد. نرم افزار برای دانلود: Rapidminer MYSQL اکسل چارچوب هادوپ Hortonworks در صورتی که سیستم عامل Mac / IOS دارید، باید از ماشین مجازی (VirtualBox، Vmware) استفاده کنید.

این دوره بر اساس "ذخیره سازی داده ها و هوش تجاری" بر روی تجسم داده ها و تجزیه و تحلیل بصری تمرکز دارد. این دوره با پوشش کاملی از اینکه تجسم داده چیست و چه نوع تجسم برای یک هدف خاص خوب است شروع می شود، این دوره به سرعت با استفاده از یکی از محبوب ترین ابزارهای تجزیه و تحلیل بصری: SAS به توسعه مهارت های عملی و دانش در مورد تجزیه و تحلیل بصری می پردازد. Viya، یک پلتفرم تحلیلی مبتنی بر ابر. مروری بر معماری ابری، اتوماسیون و یادگیری ماشین نیز ارائه شده است.

«مرگروندها» به شدت بر سازمان‌ها، صنایع و جوامع امروزی تأثیر می‌گذارند و توانایی شما برای ایجاد بینش در این زمینه برای موفقیت سازمان شما در آینده بسیار مهم است. این دوره شما را با ابزارها و مهارت‌های تحلیلی آشنا می‌کند که می‌توانید برای درک، تجزیه و تحلیل و ارزیابی چالش‌ها و فرصت‌هایی که «مرگروندها» به ناچار برای سازمان شما به ارمغان می‌آورند، استفاده کنید. از طریق فعالیت‌های یادگیری ساختاریافته، چگونگی رسیدگی به این روندها را از طریق نوآوری مبتنی بر پایداری کشف خواهید کرد. شما با مفاهیم کلیدی تجزیه و تحلیل داده‌ها مانند تفکر سیستمی، دیدگاه‌های چند سطحی و روش‌های چند رشته‌ای برای تصور آینده آشنا می‌شوید و آنها را برای چالش‌های دنیای واقعی خاصی که ممکن است شما و سازمانتان با آن مواجه شوید، به کار ببرید. و تمرکز بر مهارت های اثبات آینده مانند کار گروهی، همکاری با سهامداران مختلف و حسابرسی برای قضاوت های انجام شده در چارچوب های تصمیم گیری اخلاقی خواهد بود.

امریکن ایرلاینز (AAL)، یکی از بزرگترین گروه هواپیمایی جهان و یک شرکت SP500، با مشکل مواجه است. AAL با توجه به اینکه نرخ رشد قیمت سهام آن در پایین ترین رتبه در بین خطوط هوایی بزرگ ایالات متحده قرار دارد، باید مشکلات کلیدی، علل ریشه ای و چگونگی تغییر شرکت و قیمت سهام آن را پیدا کند. پرداختن به چالشی که AAL با آن مواجه است ممکن است یک پروژه مشاوره مدیریت در مقیاس بزرگ باشد. برای شروع، هوش تجاری و تجزیه و تحلیل رقابتی (یا به اختصار هوش رقابتی) برای کشف مشکلات و شناسایی دلایل شرکت که پایه و اساس استراتژی های چرخشی را ایجاد می کند، مورد نیاز است. در این دوره، دانش، مهارت و تجربه در تجزیه و تحلیل داده ها / تجسم و داستان سرایی برای تجزیه و تحلیل هوش رقابتی موثر را به دست خواهید آورد. پس از اتمام دوره، شما باید بتوانید مانند یک مشاور مدیریت، هوش رقابتی را بر روی شرکت های انتخابی خود انجام دهید. توجه: برای به دست آوردن تجربیات عملی در هوش رقابتی از طریق تجزیه و تحلیل داده ها، باید وارد عمل شوید. برای این منظور، این دوره از یک وب سایت خارجی (رایگان) برای تمرین مهارت های آموخته شده استفاده می کند.

"ما برای اتصال سیمی هستیم. علوم اعصاب کشف کرده است که طراحی مغز ما آن را اجتماعی می کند و هر زمان که با شخص دیگری درگیر می شویم به طور اجتناب ناپذیری به یک پیوند صمیمی مغز و مغز کشیده می شود." دانیل گولمن – مقدمه – هوش اجتماعی هوش عاطفی و اجتماعی (ESI) به عنوان مجموعه‌ای از شایستگی‌ها تعریف می‌شود که نشان‌دهنده توانایی فرد برای تشخیص رفتارها، حالات و انگیزه‌های خود و مدیریت بهترین آنها بر اساس موقعیت است. این دوره ابزارهایی را که برای داشتن هوش عاطفی و اجتماعی در محل کار خود نیاز دارید را در اختیار شما قرار می دهد. داشتن توانایی تسلط بر ESI به کارکنان مزیت مشخصی در موقعیت های خود می دهد. این اجازه می دهد تا آنها به مرکز عاطفی خود دسترسی داشته باشند در حالی که روابط خود را با اعضای تیم خود مدیریت می کنند. شایستگی های مرتبط با هوش هیجانی و اجتماعی اغلب چیزی است که یک مجری معمولی را از یک فرد عالی جدا می کند. و برخلاف هوش کلی ما، هوش هیجانی را می توان در طول زمان آموخت و بهبود بخشید. در این دوره به توضیح ارزش هوش هیجانی و اجتماعی برای موفقیت حرفه ای می پردازیم. ما مهارت‌های هوش هیجانی و اجتماعی فعلی را ارزیابی می‌کنیم و شما 4 ربع اساسی هوش هیجانی و اجتماعی (ESI) را برای درک، استفاده و مدیریت احساسات کشف خواهید کرد. ما توضیح خواهیم داد که چگونه استرس می‌تواند بر کاربرد مهارت‌های هوش هیجانی و اجتماعی تأثیر بگذارد و اقدامات لازم برای ایجاد ارتباطات و ایجاد روابط برای اثربخشی حرفه‌ای بیشتر را بررسی می‌کنیم.

در این دوره، نحوه ارتباط داده‌های صورت‌های مالی و معیارهای غیر مالی را با عملکرد مالی بررسی خواهید کرد. پروفسور ریک لمبرت و کریس ایتنر از مدرسه وارتون این دوره را طراحی کرده اند تا به شما کمک کنند تا درک عملی از نحوه استفاده از داده ها برای ارزیابی عواملی که باعث عملکرد مالی می شود و سناریوهای مالی آینده را پیش بینی کنید به دست آورید. در مورد چارچوب‌های گزارش‌گری مالی، صورت‌های درآمد و گزارش‌دهی نقدی اطلاعات بیشتری کسب خواهید کرد و رویکردهای مختلفی را برای تجزیه و تحلیل عملکرد مالی با استفاده از مثال‌های واقعی برای مشاهده مفاهیم در عمل به کار خواهید برد. در پایان این دوره، شما مهارت‌های خود را در درک نحوه تعامل داده‌های مالی و داده‌های غیر مالی برای پیش‌بینی رویدادها تقویت خواهید کرد و می‌توانید بهترین استراتژی مالی را برای سازمان خود تعیین کنید.

این دوره در زمینه هوش مصنوعی (AI) برای توسعه نرم افزار به بررسی استفاده از مدل های زبان بزرگ هوش مصنوعی مانند ChatGPT، Bard و سایرین و مزایا و چالش های بالقوه آنها می پردازد. از طریق مثال‌ها و فعالیت‌های عملی، درک درستی از روش‌هایی ایجاد خواهید کرد که هوش مصنوعی می‌تواند وظایف توسعه نرم‌افزار را سرعت بخشد و زمان را برای کارهای خلاقانه‌تر و استراتژیک‌تر آزاد کند. ویژگی های منحصر به فرد این دوره - کاوش چندین ابزار هوش مصنوعی مبتنی بر مرورگر - فعالیت های عملی و در عین حال ساده که نیازی به نصب نرم افزار ندارند - تاکید بر استفاده مسئولانه و اخلاقی از هوش مصنوعی - دوستانه مبتدی برای کسانی که می خواهند با استفاده از ابزارهای هوش مصنوعی مولد شروع کنند - ایده های مفید برای چگونگی استفاده از ابزارها برای بهتر و کارآمدتر کردن کار شما - راهبردهای آزمایش شده و آزمایش شده برای استفاده از ابزارهای هوش مصنوعی توسط دانشمندان داده و توسعه دهندگان نرم افزار علمی - یک رویکرد سرگرم کننده و بازیگوش برای یادگیری کلمات کلیدی هوش مصنوعی (AI)، ChatGPT، هوش مصنوعی مولد، مدل‌های زبان بزرگ (LLM)، توسعه نرم‌افزار، کدنویسی، علم داده مخاطب مورد نظر - افراد حرفه ای که به دنبال بهبود کارایی هستند - دانش آموزانی که امیدوارند در مورد برنامه نویسی بیشتر بیاموزند - هر کسی کنجکاو است که چگونه می توان از هوش مصنوعی برای فناوری استفاده کرد توجه: کسانی که کاملاً در برنامه نویسی جدید هستند، استفاده از ابزارهای هوش مصنوعی برای ایجاد راه حل های نرم افزاری را در این زمان چالش برانگیز خواهند یافت. داشتن مقداری دانش اساسی برای نوشتن اعلان های مناسب و تشخیص زمانی که کد طبق انتظار کار نمی کند مفید است. ما به تازه کارها توصیه می کنیم به دنبال بررسی متخصص باشند. اهداف یادگیری - مبانی هوش مصنوعی و پتانسیل آن برای بهبود گردش کار توسعه نرم افزار را توضیح دهید - پیاده سازی استراتژی برای نوشتن و اشکال زدایی کد با استفاده از ابزارهای مبتنی بر هوش مصنوعی - مزایای بازسازی کد با استفاده از تکنیک های مبتنی بر هوش مصنوعی، مانند خوانایی کد، مختصر نگه داشتن آن، و بهینه سازی کد را شرح دهید. - بهترین شیوه ها را برای حاشیه نویسی کد با استفاده از هوش مصنوعی اعمال کنید - شناخت استراتژی‌هایی برای استفاده از ابزارهای مبتنی بر هوش مصنوعی برای درک و تجزیه و تحلیل کد، مانند درک کد زبان‌ها یا توابع ناآشنا - در مورد چالش ها و پیامدهای اخلاقی استفاده از هوش مصنوعی برای جنبه های مختلف توسعه نرم افزار بحث کنید قابلیت دسترسی ما متعهد هستیم که محتوای خود را در دسترس و در دسترس همه قرار دهیم. ما از هرگونه بازخوردی که ممکن است در https://forms.gle/3sTZpctxzYyhj74NA داشته باشید استقبال می کنیم. سوالات مربوط به اقامتگاه های دسترسی باید به https://studentserviceportal.force.com/s/ هدایت شود. نسخه PDF این دوره را می توانید در https://leanpub.com/courses/fredhutch/ai_for_software بیابید.

هوش مصنوعی عمل پزشکی را متحول می کند. این به پزشکان کمک می کند تا بیماران را با دقت بیشتری تشخیص دهند، در مورد سلامت آینده بیماران پیش بینی کنند و درمان های بهتری را توصیه کنند. این تخصص به شما تجربه عملی در به کارگیری یادگیری ماشینی برای مشکلات عینی در پزشکی می دهد. یادگیری ماشینی ابزاری قدرتمند برای پیش آگهی است، شاخه ای از پزشکی که در پیش بینی سلامت آینده بیماران تخصص دارد. در این دوره دوم، نمونه‌های متعددی از کارهای پیش‌آگهی را مرور خواهید کرد. سپس از درخت‌های تصمیم برای مدل‌سازی روابط غیرخطی، که معمولاً در داده‌های پزشکی مشاهده می‌شوند، استفاده می‌کنید و آنها را برای پیش‌بینی دقیق‌تر میزان مرگ و میر به کار می‌گیرید. در نهایت، یاد خواهید گرفت که چگونه داده های از دست رفته را مدیریت کنید، یک چالش کلیدی در دنیای واقعی. این دوره‌ها فراتر از پایه‌های یادگیری عمیق هستند تا تفاوت‌های ظریف را در استفاده از هوش مصنوعی در موارد استفاده پزشکی به شما آموزش دهند. این دوره بر یادگیری ماشینی مبتنی بر درخت تمرکز دارد، بنابراین برای این دوره به پایه ای در یادگیری عمیق نیازی نیست. با این حال، پایه ای در یادگیری عمیق برای دوره 1 و 3 این تخصص بسیار توصیه می شود. شما می توانید با استفاده از تخصص یادگیری عمیق که توسط deeplearning.ai ارائه شده و توسط Andrew Ng تدریس می شود، پایه ای در یادگیری عمیق کسب کنید.

هوش مصنوعی عمل پزشکی را متحول می کند. این به پزشکان کمک می کند تا بیماران را با دقت بیشتری تشخیص دهند، در مورد سلامت آینده بیماران پیش بینی کنند و درمان های بهتری را توصیه کنند. به عنوان یک پزشک هوش مصنوعی، شما این فرصت را دارید که به این تحول در پزشکی مدرن بپیوندید. اگر قبلاً با برخی از ریاضیات و کدنویسی پشت الگوریتم‌های هوش مصنوعی آشنا هستید و مشتاق هستید که مهارت‌های خود را برای مقابله با چالش‌های صنعت مراقبت‌های بهداشتی بیشتر توسعه دهید، پس این تخصص برای شما مناسب است. هیچ تخصص پزشکی قبلی لازم نیست! این برنامه به شما تجربه عملی در به کارگیری تکنیک های پیشرفته یادگیری ماشینی برای مشکلات عینی در پزشکی مدرن می دهد: - در دوره 1، شما مدل های طبقه بندی و تقسیم بندی تصویر شبکه عصبی کانولوشنال را برای تشخیص اختلالات ریوی و مغز ایجاد خواهید کرد. - در دوره 2، با استفاده از روش های آماری و پیش بینی جنگل تصادفی برای تعیین پیش آگهی بیمار، مدل های خطر و برآوردگرهای بقا را برای بیماری های قلبی می سازید. - در دوره 3، شما یک پیش بینی کننده اثر درمان می سازید، تکنیک های تفسیر مدل را اعمال می کنید و از پردازش زبان طبیعی برای استخراج اطلاعات از گزارش های رادیولوژی استفاده می کنید. این دوره ها فراتر از پایه های یادگیری عمیق هستند تا به شما بینشی در مورد تفاوت های ظریف استفاده از هوش مصنوعی در موارد استفاده پزشکی ارائه دهند. به عنوان یک یادگیرنده، اگر از قبل با برخی از ریاضیات و کدنویسی پشت الگوریتم های هوش مصنوعی راحت باشید، برای موفقیت در این برنامه آماده خواهید شد. لازم نیست شما یک متخصص هوش مصنوعی باشید، اما دانش کاری شبکه های عصبی عمیق، به ویژه شبکه های کانولوشن، و مهارت در برنامه نویسی پایتون در سطح متوسط ​​ضروری است. اگر در یادگیری ماشین یا شبکه های عصبی نسبتاً تازه کار هستید، توصیه می کنیم ابتدا تخصص یادگیری عمیق را که توسط deeplearning.ai ارائه شده و توسط Andrew Ng آموزش داده شده است، استفاده کنید. تقاضا برای پزشکان هوش مصنوعی با مهارت ها و دانش برای مقابله با بزرگترین مسائل در پزشکی مدرن به طور تصاعدی در حال افزایش است. در این تخصص به ما بپیوندید و سفر خود را به سوی ساختن آینده مراقبت های بهداشتی آغاز کنید.

هدف از این دوره ارائه دانش به دانشجویان از رویکردهای پردازش هوش مصنوعی برای تشخیص سرطان سینه است. دانش‌آموزان آزمون‌ها را می‌گیرند و در جلسات بحث شرکت می‌کنند تا مفاهیم مهمی را که در ماژول‌ها منتقل می‌شوند، تقویت کنند. تکالیف خواندن، از جمله مقالات مجلات برای درک موضوعات در ماژول ها، ارائه خواهد شد. این دوره برای دانشجویانی طراحی شده است که به حرفه توسعه محصول با استفاده از هوش مصنوعی علاقه مند هستند و می خواهند بدانند چگونه می توان هوش مصنوعی را در ماموگرافی به کار برد. محتوای دوره بر روی پارادایم پردازش هوش مصنوعی همراه با دانش حوزه تصویربرداری سینه متمرکز شده است. این رویکرد درسی منحصر به فرد است و به جای توجه به یک روش پیاده سازی خاص، چشم انداز وسیعی از هوش مصنوعی در اختیار دانش آموزان قرار می دهد. دانش‌آموزانی که این دوره را تکمیل می‌کنند نه تنها از دانش خود در یک شغل ابتدایی در زمینه هوش مصنوعی بهره می‌برند، بلکه در پروژه‌ها نیز عملکرد خوبی خواهند داشت، زیرا درک کاملی از پارادایم پردازش هوش مصنوعی دارند.