در این MOOC شما با یادگیری ماشینی پیشرفته و زبان طبیعی آشنا می شوید تکنیک های پردازش برای تجزیه و استخراج اطلاعات از اسناد متنی بدون ساختار در مراقبت های بهداشتی، مانند یادداشت های بالینی، گزارش های رادیولوژی و خلاصه ترخیص. چه شما یک دانشمند داده مشتاق باشید یا یک حرفه ای اولیه یا اواسط حرفه ای در علم داده یا فناوری اطلاعات در مراقبت های بهداشتی، بسیار مهم است که مهارت های خود را در استخراج و تجزیه و تحلیل اطلاعات به روز نگه دارید. برای موفقیت در این دوره، باید مفاهیمی را که از طریق سایر دوره‌های MOOC سطح متوسط ​​و تخصص‌های علوم داده ارائه شده توسط دانشگاه میشیگان آموخته‌اید، بنا کنید، بنابراین می‌توانید عمیق‌تر به چالش‌های شناخت نهادهای پزشکی در سلامت بپردازید. اسناد مرتبط، استخراج اطلاعات بالینی، پرداختن به ابهام و چندمعنی برای برچسب گذاری آنها با انواع مفاهیم صحیح، و توسعه ابزارها و تکنیک هایی برای تجزیه و تحلیل ژانرهای جدید اطلاعات سلامت. در پایان این دوره، شما قادر خواهید بود: رویکردهای متن کاوی مورد نیاز برای شناسایی و استخراج انواع مختلف اطلاعات از داده های متنی مرتبط با سلامت را شناسایی کنید ایجاد یک خط لوله NLP سرتاسر برای استخراج مفاهیم پزشکی از متن رایگان بالینی با استفاده از یک منبع اصطلاحات تفاوت آموزش مدل های یادگیری عمیق را با آموزش مدل های یادگیری ماشین سنتی متمایز کنید یک مدل شبکه عصبی عمیق را برای تشخیص عوارض جانبی از بررسی داروها پیکربندی کنید مزایا و معایب رویکردهای یادگیری عمیق را فهرست کنید."

این سومین دوره در زمینه تفکر محاسباتی با تخصص جاوا اسکریپت، مهارت‌های در حال توسعه جاوا اسکریپت را که در دو دوره اول آموخته‌اید، در دنیای وب اعمال می‌کند. شما یاد خواهید گرفت که چگونه HTML و جاوا اسکریپت با هم از صفحات وبی که ما با آنها آشنا هستیم پشتیبانی می کنند و مهارت هایی را توسعه می دهند تا بتوانید صفحات وب خود را ایجاد کنید. علاوه بر ارائه متن، در قلب HTML، شما یاد خواهید گرفت که چگونه با استفاده از جاوا اسکریپت، گرافیک های متحرک و تعاملی ایجاد کنید تا به صورت پویا اشیاء HTML را روی صفحه اضافه، حذف و تنظیم کنید. علاوه بر این، محیط برنامه نویسی Coursera را ترک خواهید کرد، با محیط های برنامه نویسی خارجی کار می کنید و نحوه استفاده از کتابخانه های جدید را یاد می گیرید. از طریق این تمرین با حوزه‌های کاربردی جدید و بلوک‌های ساختمانی جدید، ما بر چارچوب‌های تفکر محاسباتی معرفی‌شده در دوره‌های قبلی تمرکز می‌کنیم، و به‌ویژه بر چالش‌های حفظ درک ثابت از نمایش‌های محاسباتی متعدد مورد نیاز برای تسلط بر برنامه‌نویسی تمرکز می‌کنیم.

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.