Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 51 items.

coursera روشهای بیوانفورماتیک II (Mitalearn-338586)

  • 3 hours 59 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Nicholas James Provart
درباره این دوره:

پروژه‌های زیست‌شناسی در مقیاس بزرگ مانند تعیین توالی ژنوم انسان و بررسی‌های بیان ژن با استفاده از RNA-seq، ریزآرایه‌ها و سایر فناوری‌ها، داده‌های زیادی را برای زیست‌شناسان ایجاد کرده‌اند. با این حال، چالشی که دانشمندان با آن روبرو هستند، تجزیه و تحلیل و حتی دسترسی به این داده ها برای استخراج اطلاعات مفید مربوط به سیستم مورد مطالعه است. این دوره بر استفاده از منابع بیوانفورماتیک موجود - عمدتاً برنامه‌ها و پایگاه‌های اطلاعاتی مبتنی بر وب - برای دسترسی به انبوه داده‌ها برای پاسخ به سؤالات مربوط به یک زیست‌شناس معمولی تمرکز دارد و بسیار کاربردی است. موضوعات تحت پوشش شامل ترازهای توالی چندگانه، فیلوژنتیک، تجزیه و تحلیل داده های بیان ژن، و شبکه های تعامل پروتئین، در دو بخش جداگانه است. بخش اول، روش‌های بیوانفورماتیک I، به پایگاه‌های داده، انفجار، هم‌ترازی‌های توالی چندگانه، فیلوژنتیک، تجزیه و تحلیل انتخاب و متاژنومیکس می‌پردازد. این، بخش دوم، روش‌های بیوانفورماتیک II، جستجوی موتیف، برهمکنش‌های پروتئین-پروتئین، بیوانفورماتیک ساختاری، تجزیه و تحلیل داده‌های بیان ژن و پیش‌بینی‌های عنصر cis را پوشش می‌دهد. این جفت دوره برای هر دانش آموزی که تحصیلات تکمیلی در علوم زیستی را در نظر دارد و همچنین دانشجویانی که پزشکی مولکولی را در نظر دارند مفید است. این دوره‌ها بر اساس دوره‌ای است که در دانشگاه تورنتو به دانش‌آموختگان سطح بالایی که تا حدودی از زیست‌شناسی مولکولی پایه دارند، تدریس می‌شود. اگر با این کار آشنایی ندارید، چیزی مانند https://learn.saylor.org/course/bio101 ممکن است مفید باشد. هیچ برنامه نویسی برای این دوره مورد نیاز نیست، اگرچه برخی از کارهای خط فرمان (هر چند در یک مرورگر وب) در ماژول 5 رخ می دهد. Bioinformatic Methods II به طور منظم به روز می شود و آخرین بار در ژانویه 2024 به روز شده است.

coursera سواد داده های مراقبت های بهداشتی (Mitalearn-344791)

  • 3 hours 1 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Brian Paciotti
درباره این دوره:

این دوره به پایه گذاری سفر داده های مراقبت های بهداشتی شما کمک می کند و دانش و مهارت های لازم برای کار در صنعت مراقبت های بهداشتی به عنوان یک دانشمند داده را در اختیار شما قرار می دهد. مراقبت های بهداشتی منحصر به فرد است زیرا با فرآیندهای پیوسته در حال تکامل و پیچیده مرتبط با مدیریت سلامت و مراقبت های پزشکی همراه است. ما در مورد جنبه های بسیاری که در مراقبت های بهداشتی باید در نظر گرفته شود، یاد خواهیم گرفت و ارزش و نیاز رو به رشد برای تحلیلگران داده در مراقبت های بهداشتی را تعیین خواهیم کرد. ما در مورد Triple Aim و سایر درایورهای مراقبت بهداشتی با داده فعال می آموزیم. ما مفاهیم و دسته‌های مختلف داده‌های مراقبت‌های بهداشتی را پوشش خواهیم داد و توضیح می‌دهیم که چگونه هستی‌شناسی‌ها و اصطلاحات مرتبط مانند طبقه‌بندی و اصطلاحات، مفاهیم را سازماندهی می‌کنند و محاسبات را تسهیل می‌کنند. ما در مورد نمایش های بالینی رایج داده ها در سیستم های مراقبت های بهداشتی، از جمله ICD-10، SNOMED، LOINC، واژگان دارویی (مانند RxNorm) و استانداردهای داده های بالینی بحث خواهیم کرد. ما انواع مختلف داده های مراقبت های بهداشتی را مورد بحث قرار خواهیم داد و پیچیدگی هایی را که در هنگام کار با کشیدن انواع مختلف داده ها برای کمک به تصمیم گیری رخ می دهد، ارزیابی خواهیم کرد. ما انواع و منابع مختلف داده‌های مراقبت‌های بهداشتی، از جمله ادعاهای بالینی، عملیاتی، و داده‌های تولید شده توسط بیمار را تجزیه و تحلیل خواهیم کرد و همچنین داده‌های بدون ساختار، نیمه ساختاریافته و ساختاریافته را در زمینه داده‌های سلامت متمایز خواهیم کرد. ما عملکرد درونی داده ها و هماهنگی مفهومی را با تعریف برخی مفاهیم، ​​روش ها و برنامه های مهم که برای این حوزه مهم هستند، راه حل هایی برای مشکل یکپارچه سازی داده ها ارائه می دهیم.

coursera صورت حساب پزشکی و کدگذاری ضروری (Mitalearn-340031)

  • 1 hours 35 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Barbara Westrick
درباره این دوره:

Insurance and Billing, and Coding Essentials یک دوره جامع با بینش و تمرکز بر نقش متخصص صورتحساب بیمه است. این دوره دانش اساسی مورد نیاز یک متخصص مراقبت های بهداشتی وابسته اداری را ارائه می دهد. تاکید بر چرخه درآمد و اصطلاحات بیمه پایه است. در این دوره، دانش آموزان در معرض انواع عناصر آموزش الکترونیکی قرار می گیرند که امکان تعامل عملی با صفحه نمایش را برای آموزش جذاب می دهد. علاوه بر آموزش مبتنی بر ویدیو که دانش پایه را ارائه می دهد، انواع روش های یادگیری دیگر برای تعامل، سرگرمی و الهام در طول آموزش استفاده می شود. اینها ممکن است شامل فعالیت های مهارتی تعاملی، یادگیری مبتنی بر بازی و محیطی فراگیر برای مهارت های تفکر انتقادی باشد.

coursera طراحی داشبوردهای جذاب برای تجزیه و تحلیل مراقبت های بهداشتی (Mitalearn-335883)

  • 1 hours 3 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Kevin Hartman
درباره این دوره:

فرآیندها و اصول طراحی را برای ایجاد نمایش‌های معنی‌دار از اطلاعات معرفی می‌کند که از تصمیم‌گیری مؤثر تجاری پشتیبانی می‌کند. نحوه جمع آوری و پردازش داده ها را مطالعه می کند. ایجاد تجسم (هم ایستا و هم تعاملی)؛ و از آنها برای ارائه بینش نسبت به یک مشکل، موقعیت یا فرصت استفاده کنید. روش‌هایی را برای نقد تجسم‌سازی‌ها به همراه راه‌هایی برای پاسخ به این سوال مبهم معرفی می‌کند: «چه چیزی یک تجسم را مؤثر می‌کند؟» چالش‌های قابل درک کردن داده‌ها در طیف وسیعی از مخاطبان را مورد بحث قرار می‌دهد. اصول ارتباط مورد نیاز برای داستان سرایی داده موثر را معرفی می کند. موضوعات دیگر ممکن است شامل استفاده اخلاقی از نمایش اطلاعات، داستان سرایی، اینفوگرافیک، تجسم های همه جانبه و استفاده خوب از داشبورد داده باشد. به دانش آموزان فرصتی برای استفاده از یک یا چند ابزار نرم افزاری ارائه می دهد.

coursera علم داده انفورماتیک سلامت (Mitalearn-340592)

  • 5 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Hadi H. K. Kharrazi, MD, Ph.D,Sam Meiselman
درباره این دوره:

coursera علم و خوشه‌بندی داده‌های ژنومی (بیوانفورماتیک V) (Mitalearn-345301)

  • 1 hours 7 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Pavel Pevzner,Phillip Compeau
درباره این دوره:

چگونه استنباط کنیم که کدام ژن فرآیندهای مختلف را در سلول هماهنگ می کند؟ چگونه انسان ها از آفریقا مهاجرت کردند و در سراسر جهان پخش شدند؟ در این کلاس، خواهیم دید که این دو سوال به ظاهر متفاوت را می توان با استفاده از تکنیک های الگوریتمی و یادگیری ماشینی مشابه که از مشکل کلی تقسیم نقاط داده به خوشه های مجزا ناشی می شود، پرداخت. در نیمه اول دوره، الگوریتم هایی را برای خوشه بندی گروهی از اشیاء در مجموعه ای از خوشه ها بر اساس شباهت آنها، که یک مسئله کلاسیک در علم داده است، معرفی خواهیم کرد و خواهیم دید که چگونه می توان این الگوریتم ها را برای داده های بیان ژن اعمال کرد. در نیمه دوم دوره، ابزار کلاسیک دیگری در علم داده به نام تجزیه و تحلیل مؤلفه های اصلی را معرفی خواهیم کرد که می تواند برای پیش پردازش داده های چند بعدی قبل از خوشه بندی در تلاش برای کاهش تا حد زیادی ابعاد عددی بدون از دست دادن بسیاری از "سیگنال" استفاده شود. داده ها در نهایت، یاد خواهید گرفت که چگونه از ابزارهای محبوب نرم افزار بیوانفورماتیک برای حل یک مشکل واقعی در خوشه بندی استفاده کنید.

coursera عوامل اجتماعی تعیین کننده سلامت: جمعیت های آسیب پذیر (Mitalearn-339742)

  • 2 hours 23 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Daniel J. Pesut, Ph.D., RN, FAAN,Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN
درباره این دوره:

این دوره دوم از پنج دوره بر چگونگی تأثیر عوامل اجتماعی تعیین کننده سلامت بر جمعیت آسیب پذیر متمرکز است. با تمرکز بر چهار گروه از جمعیت‌های آسیب‌پذیر، دانش‌آموزان بررسی خواهند کرد که چگونه تعیین‌کننده‌های اجتماعی سلامت در پیامدهای بهداشتی ضعیف تجربه شده توسط این جمعیت‌ها نقش دارند. سرفصل های این دوره شامل: 1. فقر 2. سلامت زنان 3. جنسیت و سلامت LGBTQI+ 4. سلامت خانواده 5. کاربردهای داده: تجزیه و تحلیل t-test و تصویرسازی باکس پلات

coursera عوامل اجتماعی تعیین کننده سلامت: سلامت سیاره ای (Mitalearn-339861)

  • 2 hours 21 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Daniel J. Pesut, Ph.D., RN, FAAN,Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN
درباره این دوره:

این دوره پنجم و پایانی بر سلامت سیاره به عنوان یک عامل تعیین کننده اساسی سلامت متمرکز است. همانطور که ما در نظر می گیریم که چگونه سلامت انسان ها به سلامت سیستم های طبیعی زمین وابسته است، همچنین چگونگی اعمال تفکر آینده و اصول آینده نگری را در ابتکارات بهداشت سیاره ای بررسی خواهیم کرد. سرفصل های این دوره شامل: 1. مقدمه ای بر سلامت سیاره ای 2. ارزش ها و منابع دانش 3. اقدام و جنبش 4. آینده نگری 5. کاربردهای داده: تحلیل رگرسیون و تجسم نمودار پراکندگی

coursera عوامل اجتماعی تعیین کننده سلامت: سیستم های مراقبت سلامت (Mitalearn-339878)

  • 1 hours 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Daniel J. Pesut, Ph.D., RN, FAAN,Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN
درباره این دوره:

این سومین دوره از پنج دوره، موضوعات مرتبط با عوامل اجتماعی تعیین کننده سلامت و سیستم های مراقبت بهداشتی را بررسی می کند. این دوره همچنین بر رابطه بین عوامل اجتماعی تعیین کننده سلامت، سلامت روان، سوء مصرف مواد و تروما تمرکز خواهد کرد. سرفصل های این دوره شامل: 1. سواد سلامت 2. سلامت روان و سوء مصرف مواد 3. خشونت، درگیری و ضربه 4. ملاحظات اخلاقی برای سیستم های سلامت و داده ها 5. کاربردهای داده: تحلیل همبستگی و تجسم نقشه حرارتی

coursera عوامل اجتماعی تعیین کننده سلامت: فرصت های روش شناختی (Mitalearn-339895)

  • 1 hours 40 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Daniel J. Pesut, Ph.D., RN, FAAN,Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN
درباره این دوره:

این چهارمین دوره از پنج دوره، رویکردهای روش‌شناختی و ابزارهای پژوهشی را بررسی می‌کند که درک ما را از بهترین شیوه‌ها در کار با تیم‌های علمی، جوامع و با داده‌ها نشان می‌دهد. سرفصل های این دوره شامل: 1. تحقیقات مشارکتی مبتنی بر جامعه 2. علوم تیمی 3. داده های سطح جامعه 4. انفورماتیک و عوامل اجتماعی تعیین کننده سلامت: مدیریت دانش 5. کاربردهای داده: تجزیه و تحلیل ANOVA و تجسم نمودار خطی

coursera کیفیت داده های مراقبت های بهداشتی و حاکمیت (Mitalearn-344740)

  • 2 hours 2 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Doug Berman
درباره این دوره:

چشم انداز شغلی برای کسانی که واجد شرایط کار با داده های مراقبت های بهداشتی یا به عنوان متخصصان مدیریت اطلاعات سلامت (HIM) هستند، روشن است. شاید شما در تجزیه و تحلیل داده ها کار می کنید اما در فکر انتقال به بخش مراقبت های بهداشتی هستید، یا در بخش مراقبت های بهداشتی کار می کنید اما در حال بررسی انتقال به یک نقش جدید هستید. در هر صورت، کیفیت داده‌های مراقبت‌های بهداشتی و حاکمیت بینشی در مورد نحوه محافظت از دارایی‌های داده با ارزش برای حفظ کیفیت داده‌ها فراهم می‌کند. این به ارائه دهندگان مراقبت، بیماران، پزشکان، پزشکان، و کسانی که کسب و کار بهبود نتایج سلامت را انجام می دهند، خدمت می کند. «داده های بزرگ» سرفصل خبرها است، اما این داده ها باید برای حفظ کیفیت مدیریت شوند. داده های با کیفیت بالا یکی از با ارزش ترین دارایی هایی است که توسط هر کسب و کاری جمع آوری و استفاده می شود. این امر در مراقبت های بهداشتی اهمیت بیشتری دارد، جایی که حفظ و مدیریت کیفیت داده ها به طور مستقیم بر زندگی افراد تأثیر می گذارد. این دوره نحوه بهبود و حفظ کیفیت داده ها را توضیح می دهد. خواهید آموخت که چرا کیفیت داده ها اهمیت دارد، سپس خواهید دید که چگونه متخصصان مراقبت های بهداشتی کیفیت داده ها را نظارت، مدیریت و بهبود می بخشند. خواهید دید که چگونه سیستم‌های انسانی و رایانه‌ای برای حفظ کیفیت داده‌ها از طریق حاکمیت داده تعامل برقرار می‌کنند. نحوه اندازه‌گیری کیفیت داده‌ها را با فراداده، ردیابی منشأ داده‌ها، اعتبارسنجی و تأیید داده‌ها، همراه با یک چارچوب ارتباطی که معمولاً در تنظیمات مراقبت‌های بهداشتی استفاده می‌شود، کشف خواهید کرد. این دانش اهمیت دارد زیرا داده‌های با کیفیت بالا به بینش‌های ارزشمندی تبدیل می‌شوند که می‌تواند جان انسان‌ها را نجات دهد، هزینه‌ها را کاهش دهد، مراقبت‌های بهداشتی را بهبود بخشد و آن را در دسترس‌تر و مقرون به صرفه‌تر کند. با آنچه از این دوره به دست می آورید، خود را به یک دارایی بیشتر در زمینه مراقبت های بهداشتی تبدیل خواهید کرد.

coursera مبانی اپیدمیولوژی ژنتیک (Mitalearn-343805)

  • 8 hours 8 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Todd Edwards,Stephanie A. Santorico
درباره این دوره:

این دوره توسط دانشگاه کلرادو دنور با همکاری موسسه ژنتیک واندربیلت در مرکز پزشکی دانشگاه واندربیلت و انجمن بین المللی اپیدمیولوژی ژنتیک ارائه شده است. این طراحی شده است تا دانش آموزان را با پیشینه و مبانی دانش لازم برای انجام تجزیه و تحلیل آماری داده های مطالعه ارتباط ژنتیکی ارائه دهد. این دوره شامل چندین سخنرانی و ارزیابی در مورد هر یک از موضوعات است: تاریخچه تحقیقات ژنتیک ارائه شده توسط دکتر نانسی کاکس، مفاهیم اساسی در ژنتیک جمعیت ارائه شده توسط دکتر بروس ویر، ساختار جمعیت در مطالعات انجمن ژنتیکی ارائه شده توسط دکتر تاد ادواردز، کنترل کیفیت در مطالعات ژنتیکی ارائه شده توسط دکتر Goncalo Abecasis، تجزیه و تحلیل مطالعات انجمن مورد-شاهدی مبتنی بر جمعیت ارائه شده توسط دکتر سلیا گرین وود، و تجزیه و تحلیل مطالعات خانواده محور ارائه شده توسط دکتر جوآن بیلی ویلسون. نمونه هایی از مفاهیم و ادبیات مرجع نیز در این دوره 6 پودمانی ارائه شده است.

coursera محاسبات برای انفورماتیک سرطان (Mitalearn-339606)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Carrie Wright, PhD
درباره این دوره:

یکی از چالش‌های کلیدی انفورماتیک سرطان، مقابله و مدیریت انفجار داده‌های بزرگ از منابع متعددی است که اغلب برای کار با رایانه‌های شخصی معمولی بسیار بزرگ هستند. این دوره آموزشی برای کمک به محققان و محققین برای درک اصول محاسبات و آشنایی آنها با گزینه های مختلف محاسباتی طراحی شده است تا در نهایت به تصمیم گیری آنها در مورد موضوع کمک کند. این دوره با هدف ارائه آگاهی و راهنمایی رهبران پژوهشی در مورد: اصطلاحات محاسباتی پایه مفاهیمی در مورد نحوه عملکرد کامپیوترها و سیستم های محاسباتی تفاوت بین منابع محاسباتی مشترک آداب مناسب برای منابع محاسباتی مشترک منابع محاسباتی طراحی شده برای تحقیقات سرطان ملاحظات برای تصمیم گیری منابع محاسباتی مخاطب هدف: این دوره برای محققان (شامل فوق دکترا و دانشجویان) با تجربه محدود تا متوسط ​​در تحقیقات انفورماتیک در نظر گرفته شده است. مطالب مفهومی همچنین برای کسانی که در نقش های مدیریتی هستند که در حال جمع آوری داده ها و استفاده از خطوط لوله انفورماتیک هستند مفید خواهد بود. برنامه درسی: ما با اصطلاحات اساسی محاسبات آشنا می شویم. همچنین در مورد چگونگی کارکرد کامپیوترها و منابع محاسباتی مشترک درباره مفاهیم مرتبط بحث خواهیم کرد. ما تفاوت‌های بین گزینه‌های مختلف منابع محاسباتی را بررسی می‌کنیم، و همچنین راهنمایی در مورد چگونگی ایجاد بحث‌های محاسباتی مهم ارائه می‌کنیم. این دوره بخشی از مجموعه ای از دوره های فناوری انفورماتیک برای تحقیقات سرطان (ITCR) به نام منبع آموزشی فناوری انفورماتیک برای تحقیقات سرطان است. این مطالب توسط شبکه آموزشی ITCR (ITN) ایجاد شده است که تلاش مشترک محققان در سراسر ایالات متحده برای حمایت از آموزش انفورماتیک سرطان و علوم داده از طریق منابع، فناوری و رویدادها است. این ابتکار با کمک مالی زیر تامین می شود: موسسه ملی سرطان (NCI) UE5 CA254170. دوره های ما دارای ابزارهایی است که توسط محققان ITCR توسعه یافته است و ادغام انفورماتیک سرطان را در جریان کاری خود برای محققین اصلی، دانشمندان و تحلیلگران آسان می کند. لطفاً برای اطلاعات بیشتر به وب سایت ما در www.itcrtraining.org مراجعه کنید.

coursera مدل سازی پیش بینی و تبدیل عمل بالینی (Mitalearn-343958)

  • 1 hours 59 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Laura K. Wiley, PhD
درباره این دوره:

این دوره به شما اصول تبدیل عمل بالینی را با استفاده از مدل های پیش بینی می آموزد. این دوره به بررسی چالش‌ها و روش‌های خاص اجرای بالینی می‌پردازد، که دانشمندان داده‌های بالینی باید هنگام توسعه مدل‌های پیش‌بینی خود از آن‌ها آگاه باشند.

coursera مدل های داده های مراقبت های بهداشتی (Mitalearn-344927)

  • 2 hours 39 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Doug Berman
درباره این دوره:

چشم انداز شغلی برای کسانی که واجد شرایط کار در تجزیه و تحلیل داده های مراقبت های بهداشتی هستند، روشن است. شاید شما در تجزیه و تحلیل داده ها کار می کنید، اما به فکر انتقال به بخش مراقبت های بهداشتی هستید که در آن کار شما می تواند کیفیت زندگی افراد را بهبود بخشد. اگر چنین است، این دوره به شما نگاهی اجمالی به این موضوع می دهد که چرا این کار اهمیت دارد، چه کاری در این نقش انجام می دهید، و چه چیزی در مسیر ارزش که در آن داده ها از بیماران در محل مراقبت جمع آوری می شود، به انبارهای داده منتقل می شود. برای تجزیه و تحلیل آماده شود، سپس در طول خط لوله داده حرکت می کند تا به بینش های ارزشمندی تبدیل شود که می تواند جان انسان ها را نجات دهد، هزینه ها را کاهش دهد، مراقبت های بهداشتی را بهبود بخشد و آن را در دسترس تر و مقرون به صرفه تر کند. شاید شما در بخش مراقبت های بهداشتی کار می کنید اما در حال بررسی انتقال به یک نقش جدید هستید. اگر چنین است، این دوره به شما کمک می کند ببینید آیا این مسیر شغلی یکی از مواردی است که می خواهید دنبال کنید. شما یک نمای کلی از مدل های داده رایج و کاربردهای آن ها دریافت خواهید کرد. شما یاد خواهید گرفت که چگونه سیستم های مختلف داده ها را یکپارچه می کنند، چگونه از ارتباطات واضح اطمینان حاصل کنید، کیفیت داده ها را اندازه گیری و بهبود بخشید. تجزیه و تحلیل داده ها در مراقبت های بهداشتی به پزشکان، پزشکان، بیماران، ارائه دهندگان مراقبت و کسانی که تجارت بهبود نتایج سلامت را انجام می دهند، خدمت می کند. این دوره از مطالعه تصویر واضحی از تجزیه و تحلیل داده ها در زمینه مراقبت های بهداشتی در حال تغییر امروز و فرصت هایی که برای شما دارد به شما می دهد.

coursera مدیریت داده برای تحقیقات بالینی (Mitalearn-337124)

  • 10 hours 10 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Stephany Duda, PhD,Paul Harris, PhD
درباره این دوره:

این دوره مفاهیم مهم و روش های عملی را برای حمایت از برنامه ریزی، جمع آوری، ذخیره سازی و انتشار داده ها در تحقیقات بالینی ارائه می دهد. درک و اجرای اصول مدیریت داده های جامد برای هر حوزه علمی حیاتی است. صرف نظر از نقش فعلی (یا پیش بینی شده) شما در شرکت تحقیقاتی، مجموعه دانش و مهارت قوی در اصول مدیریت داده ها و عملکرد، بهره وری شما را افزایش می دهد و علم شما را بهبود می بخشد. هدف ما استفاده از این ماژول ها برای کمک به شما در یادگیری و تمرین این مجموعه مهارت است. این دوره دانش فعلی بسیار کمی از فناوری به جز نحوه کار با مرورگر وب را در نظر می گیرد. ما روی درس‌های عملی، آزمون‌های کوتاه و تمرین‌های عملی تمرکز می‌کنیم و بهترین شیوه‌های مدیریت داده را با هم بررسی می‌کنیم.

coursera مدیریت داده های مراقبت های بهداشتی و سیستم های اطلاعاتی (Mitalearn-341714)

  • 1 hours 49 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. John D. Halamka, M.D., M.S.
درباره این دوره:

این دوره ادامه دوره انفورماتیک سلامت برای متخصصان بهداشت و درمان می باشد. اگر هنوز دوره مقدماتی را گذرانده اید، توصیه می شود قبل از این دوره آن دوره را تکمیل کنید. دانش اساسی از مقدمه در این فرو رفتن عمیق تر به انفورماتیک در مراقبت های بهداشتی انجام می شود. در این دوره شما فرصتی خواهید داشت تا مفاهیم و موضوعات مرتبط با طراحی و مدیریت سیستم های اطلاعات سلامت را بررسی کنید. این دوره امنیت سایبری، حریم خصوصی، کاهش خطر، مسدود کردن داده ها و نقش تبادل اطلاعات سلامت را پوشش می دهد. این یک نمای کلی از بهترین شیوه های بودجه بندی فناوری اطلاعات را ارائه می دهد. همچنین بین تفکر خط لوله و پلت فرم در فناوری اطلاعات مراقبت های بهداشتی تمایز قائل می شود و رویکردهای سیستم های مراقبت های بهداشتی را برای ایجاد راه حل های دیجیتال برای آینده توصیف می کند. در طول این دوره، به شما این فرصت داده می شود که درک خود را از طریق مشارکت در بحث های درسی، کاربرد مفاهیم دوره در تکالیف دوره، و از طریق تکمیل آزمون های محتوا در طول مسیر ارزیابی کنید.

coursera مقایسه ژن ها، پروتئین ها و ژنوم ها (بیوانفورماتیک III) (Mitalearn-343839)

  • 2 hours 38 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Pavel Pevzner,Phillip Compeau,Nikolay Vyahhi
درباره این دوره:

هنگامی که ژنوم ها را در دوره قبلی توالی یابی کردیم، می خواهیم آنها را با هم مقایسه کنیم تا مشخص کنیم گونه ها چگونه تکامل یافته اند و چه چیزی آنها را متفاوت می کند. در نیمه اول دوره، ما دو توالی کوتاه بیولوژیکی مانند ژن ها (یعنی توالی های کوتاه DNA) یا پروتئین ها را با هم مقایسه خواهیم کرد. ما با یک ابزار الگوریتمی قدرتمند به نام برنامه نویسی پویا روبرو خواهیم شد که به ما کمک می کند تعداد جهش هایی را که این دو ژن/پروتئین را از هم جدا کرده اند را تعیین کنیم. در نیمه دوم دوره، ما برای مقایسه کل ژنوم‌ها «کوچک‌نمایی» می‌کنیم، جایی که شاهد جهش‌هایی در مقیاس بزرگ به نام بازآرایی ژنوم هستیم، رویدادهای لرزه‌ای که در طول میلیون‌ها سال تکامل در اطراف بلوک‌های بزرگ DNA رخنه کرده‌اند. با نگاهی به ژنوم انسان و موش، از خود خواهیم پرسید: همانطور که احتمال وقوع زمین لرزه در امتداد خطوط گسل بسیار بیشتر است، آیا مکان هایی در ژنوم ما وجود دارد که "شکننده" و بیشتر مستعد شکسته شدن به عنوان بخشی از بازآرایی ژنوم هستند؟ خواهیم دید که چگونه الگوریتم های ترکیبی به ما در پاسخ به این سوال کمک می کنند. در نهایت، شما یاد خواهید گرفت که چگونه از ابزارهای نرم افزاری محبوب بیوانفورماتیک برای حل مسائل در تراز توالی، از جمله BLAST استفاده کنید.

coursera مقدمه ای بر عوامل اجتماعی تعیین کننده سلامت (Mitalearn-338739)

  • 1 hours 42 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Daniel J. Pesut, Ph.D., RN, FAAN,Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN
درباره این دوره:

این اولین دوره از پنج دوره، دانش آموزان را با عوامل اجتماعی تعیین کننده سلامت آشنا می کند و یک مرور کلی از تعاریف و دیدگاه های نظری ارائه می دهد که پایه و اساس این تخصص را تشکیل می دهد. سرفصل های این دوره شامل: 1. مقدمه ای بر عوامل اجتماعی تعیین کننده سلامت 2. دیدگاه های نظری و پیچیدگی دانش 3. تأثیر جمعی مبتنی بر داده 4. نظریه استرس اقلیت 5. کاربردهای داده: تجزیه و تحلیل فرکانس و تجسم نمودار میله ای

coursera مقدمه ای بر غذا و سلامتی استنفورد (Mitalearn-336971)

  • 2 hours 27 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Maya Adam, MD
درباره این دوره:

در سرتاسر جهان، ما خود را با اپیدمی های جهانی چاقی، دیابت نوع 2 و سایر بیماری های عمدتاً مرتبط با رژیم غذایی مواجه می کنیم. برای رسیدگی به این بحران های بهداشت عمومی، ما نیاز فوری به بررسی استراتژی های نوآورانه برای ترویج تغذیه سالم داریم. شواهد محکمی وجود دارد که نشان می‌دهد افزایش جهانی در مصرف غذاهای بسیار فرآوری‌شده، همراه با تغییر فرهنگی از تهیه غذا در خانه، به نرخ بالای بیماری‌های قابل پیشگیری و مزمن کمک کرده است. در این دوره، به فراگیران اطلاعات و مهارت‌های عملی داده می‌شود که برای شروع بهینه‌سازی شیوه غذا خوردن خود نیاز دارند. این دوره تمرکز را از بحث های تقلیل گرایانه در مورد مواد مغذی دور می کند و به جای آن به سمت بحث های عملی در مورد غذای واقعی و محیطی که در آن مصرف می کنیم حرکت می کند. در پایان این دوره، فراگیران باید ابزار مورد نیاز خود را برای تمایز بین غذاهایی که سلامت آنها را حمایت می کنند و غذاهایی که آن را تهدید می کنند، داشته باشند. علاوه بر این، یک منطق قانع کننده برای بازگشت به آشپزی ساده در خانه ارائه خواهیم کرد، که بخشی جدایی ناپذیر از تلاش های ما برای زندگی طولانی تر و سالم تر است. تریلر دوره را در اینجا مشاهده کنید: https://www.youtube.com/watch?v=z7x1aaZ03xU

Suggestions