This course teaches you the fundamentals of computational phenotyping, a biomedical informatics method for identifying patient populations. In this course you will learn how different clinical data types perform when trying to identify patients with a particular disease or trait. You will also learn how to program different data manipulations and combinations to increase the complexity and improve the performance of your algorithms. Finally, you will have a chance to put your skills to the test with a real-world practical application where you develop a computational phenotyping algorithm to identify patients who have hypertension. You will complete this work using a real clinical data set while using a free, online computational environment for data science hosted by our Industry Partner Google Cloud.
Этот курс входит в специализацию ''Специализация Clinical Data Science'
Identifying Patient Populations
от партнера
Чему вы научитесь
Create a computational phenotyping algorithm
Assess algorithm performance in the context of analytic goal.
Create combinations of at least three data types using boolean logic
Explain the impact of individual data type performance on computational phenotyping.
Учащиеся, которые проходят продукт ''Course'
- Data Scientists
- Scientists
- Researchers
- Medical Doctors
- Data Analysts
Программа курса: что вы изучите
Introduction: Identifying Patient Populations
Learn about computational phenotyping and how to use the technique to identify patient populations.
Tools: Clinical Data Types
Understand how different clinical data types can be used to identify patient populations. Begin developing a computational phenotyping algorithm to identify patients with type II diabetes.
Techniques: Data Manipulations and Combinations
Learn how to manipulate individual data types and combine multiple data types in computational phenotyping algorithms. Develop a more sophisticated computational phenotyping algorithm to identify patients with type II diabetes.
Techniques: Algorithm Selection and Portability
Understand how to select a single "best" computational phenotyping algorithm. Finalize and justify a phenotyping algorithm for type II diabetes.
Лучшие отзывы о курсе Identifying Patient Populations
excellent course.\n\nThe first MOOC on computational pheonotying
This is a well-presented course. I highly recommend.
Преподаватели
Laura K. Wiley, PhD
Assistant ProfessorО Система университетов штата Колорадо
Специализация Clinical Data Science: общие сведения
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
I live in an area that restricts access to Google products. Will I be able to complete the specialization?
Unfortunately at this time we can only allow students who have access to Google services (e.g., a gmail account) to complete the specialization. This is because we give students access to real clinical data and our privacy protections only allow data sharing through the Google BigQuery environment.
Остались вопросы? Посетите Центр поддержки учащихся.
