课程详情
想要成为医学大数据领域的专家？那就不要错过我们的课程！系统全面的教
学内容，覆盖了医学大数据分析的各个方面，让你学有所成。
应用领域：
（1）分析海量医疗数据，深度挖掘疾病信息。
（2） 整合分析病例、影像等数据，实现精准医疗。
（3） 提供全面、准确的医疗信息，辅助决策。
课程特色：
（1）系统全面，轻松掌握医学大数据分析的精髓。
（2）案例演示，医学数据操作流程显而易见。
（3）情境类比，模型算法原理深入浅出。
（4）附源代码，自主学习助你一臂之力。
你将收获：
（1） 系统掌握医学大数据分析的基础知识和技能，轻松应对数据挑战。
（2） 提升数据处理与分析能力，挖掘医学数据中的潜在价值。
（3） 了解行业最新动态，拓展职业发展视野。
（4） 增强医学研究与决策的科学性，提升专业水平。
课程内容（共10讲，每讲约30分钟）：
第1讲 医学大数据与数据科学 1）医学大数据 2）数据科学 3）机器学习与智能算法 4）大数据分析工具 5）为什么选择Python 6）环境安装与使用
| 第2讲 Python语言编程基础 1）数据表示与表达式计算 1-1 数据类型 1-2 运算符 2）程序控制 3）字符串 4）列表 5）函数 |
第3讲 Numpy数组与计算 1）数组对象属性 2）创建特殊数组 随机数组 3）数组索引和切片
| 第4讲 Matplotlib可视化 1）Matplotlib绘制折线图 2）Matplotlib绘制直方图 3）Matplotlib绘制饼图图 4）Matplotlib绘制散点图
|
第5讲_1 Pandas数据读取 1）Pandas数据结构 2）Excel文件读取 3）csv文件读取 4）数据查询与删除 5）数据预处理
| 第5讲_2 Pandas数据统计可视化 1）数据统计 1-1 统计计算 2-2 分组统计 2）数据可视化 2-1折线图 2-2柱状图 2-3 饼图 2-4散点图 2-5 箱图
|
第6讲 统计描述与统计推断 1）医学统计资料 2）统计描述 2-1 正态分布 2-2 非正态分布 3）统计推断 3-1 参数估计 点估计/区间估计 3-1 假设检验 t检验、z检验 | 第7讲_1逻辑回归二分类 1）逻辑回归算法原理 2）模型创建与参数解析 3）分类模型评价指标 4）乳腺癌数据集的二分类预测 4-1 读取数据集 4-2 训练集和测试集划分 4-3 模型训练和评估
|
第7讲_2 多分类应用 1）支持向量机 2）k-近邻 3）决策树 4）随机森林 心脏病数据集的分类应用
| 第8讲_1 、2回归模型及评价 1）SVR回归 2）k近邻回归 3）决策树回归 4）随机森林回归 5）模型评价 6）帕金森检测数据的回归应用 |
第9讲 聚类模型及评价 1）常用聚类算法 2）聚类模型评价 2-1 Caliniski-Harabaz指数 2-2 轮廓系数（Silhouette Coefficient） 2-3 调整兰德指数（ARI） 3）K-means聚类应用 肝炎数据集的聚类预测 | 第10讲 神经网络与深度学习 1）环境安装 2）深度学习常用算法 3）Tensorflow组建 4）Keras模块 4-1 Sequential包 4-2 Layers包 4-3 Initializations、Activations、Objectives、Optimizers包 5）基于神经网络的多分类预测 |
课程目录(14)
-
第1讲医学大数据与数据科学
视频
-
第2讲Python语言编程基础
视频
-
第3讲Numpy数组与计算
视频
-
第4讲Matplotlib可视化
视频
-
第5讲-1Pandas数据读取
视频
-
第5讲-2Pandas数据统计可视化
视频
-
第6讲-1-统计描述与统计推断
视频
-
第6讲-2-统计描述与统计推断
视频
-
第7讲-1逻辑回归二分类
视频
-
第7讲-2讲-多分类应用
视频
-
第8讲-1-回归模型及评价
视频
-
第8讲-2-回归模型及评价
视频
-
第9讲聚类模型及评价
视频
-
第10讲 神经网络与深度学习
视频
