Специалист по анализу медицинских данных
|
№ п/п |
Наименование раздела (модуля) |
Общая трудоемкость (252 часа) |
|
1. |
Принципы поиска и отбора медицинских данных. Источники. |
6 |
|
2. |
Исследовательская статистика медицинских данных |
6 |
|
3. |
Прикладная статистика в здравоохранении |
6 |
|
4. |
Практика формулирования медицинской задачи, которая может быть решена за счет методов анализа данных |
6 |
|
5. |
Средства автоматизации поиска и отбора медицинских данных. Возможности применения машинного обучения. |
6 |
|
6. |
Основные понятия теории баз данных |
6 |
|
7. |
Основы SQL |
6 |
|
8. |
Проектирование Баз данных на примере PostgreSQL, MySQL, SQLite |
6 |
|
9. |
Импорт данных из xml, csv, xls и других форматов |
6 |
|
10. |
Практика создания медицинской базы данных |
6 |
|
11. |
Алгоритмы и структуры данных на Python |
6 |
|
12. |
Основы программирования на языке Python |
6 |
|
13. |
Анализ данных на Python. Изучение данных с помощью NumPy и Pandas |
6 |
|
14. |
Анализ данных на Python. Визуализация данных с помощью Matplotlib |
6 |
|
15. |
Практика аналитической обработки и визуализации данных датасета |
6 |
|
16. |
Основы машинного обучения на Python, библиотека scikit-learn |
6 |
|
17. |
Методы обучения с учителем (деревья решений; машины опорных векторов; байесовский классификатор; линейный дискриминантный анализ; метод k-ближайших соседей) |
6 |
|
18. |
Методы обучения без учителя K-means clustering; KNN (k-nearest neighbors); Hierarchal clustering; метод главных компонент) |
6 |
|
19. |
Библиотеки Python для машинного обучения (NumPy; SciPy; Pandas; Matplotlib; Seaborn; TensorFlow; Scikit-learn) |
6 |
|
20. |
Применение машинного обучения для анализа данных |
6 |
|
21. |
Основы глубокого обучения и нейронных сетей |
6 |
|
22. |
Фреймворки для глубокого обучения (TensorFlow, Keras, PyTorch) |
6 |
|
23. |
Сверточные нейронные сети, Рекуррентные нейронные сети |
6 |
|
24. |
Трансформеры, предобученные нейронные сети, перенос обучения |
6 |
|
25 |
Практическое применение нейронных сетей для задач классификации в медицине |
6 |
|
26 |
Основы построения клиент-серверных приложений |
6 |
|
27 |
Построение систем обработки данных на Python |
6 |
|
28 |
Основы работы на серверах Linux, работа с командной строкой. |
6 |
|
29 |
Применение фреймворков Flask, Django |
6 |
|
30 |
Практика размещения системы на серверной платформе |
6 |
|
|
Промежуточная аттестация |
По 2 часа в каждом модуле |
|
|
Практика |
24 |
|
|
Итоговая аттестация |
36 |
|
|
Итого: |
252 |