人工智能和深度学习让医学成像变得简单

MP4 |视频：h264，1280×720 |音频：AAC，44.1 KHz，2 Ch
级别：初学者 |类型： 电子学习 |语言： 英语 |时长：7堂课（2小时37分钟）

你将学到什么

• 通过简单的实际示例，为 AI、ML、CNN 和 DL 概念打下坚实的基础。
• 使用神经元、权重、偏差和激活函数设计基本神经网络，并可视化数据如何流经网络。
• 使用 PyTorch 等框架构建和训练简单的深度学习模型，并尝试学习率、批量大小、迭代次数并优化模型。
• 使用准确性和损失指标评估模型，识别过度拟合或欠拟合，并应用数据增强和正则化等技术。

要求

熟悉 Python（推荐） – 对 Python 语法（变量、循环、函数、类）的基本了解将使编码练习更容易遵循。
数学基础（可选但有用） – 高中数学的基础知识，特别是代数和简单的统计知识，将有助于理解激活函数、权重、偏差和损失函数等概念。

描述

人工智能和深度学习正在改变医学影像领域，帮助医生更快、更准确、大规模地检测疾病。“人工智能和深度学习让医学影像变得简单”是一门适合初学者的实践课程，旨在帮助您理解和应用这场革命背后的核心概念。在本课程中，您将从人工智能和机器学习的基础知识开始，进入人工神经网络 (ANN) 的结构，然后探索卷积神经网络 (CNN) —图像分析的支柱。您将逐步学习如何构建和训练深度学习模型，这些模型可以对 X 射线等医学图像中的模式进行分类和检测。通过交互式教程、测验和作业的结合，您将获得以下方面的实践经验：了解神经元、权重、偏差和激活函数使用 Python 构建和训练深度学习模型将 CNN 应用于现实世界的医学图像分类任务在本课程结束时，您将有信心设计和实现自己的医学成像深度学习模型。迈入人工智能驱动的医疗保健创新世界的第一步。基础 Python 编程将帮助您受益于构建 CNN 模型。但无需具备人工智能经验，只需您的好奇心、毅力和学习热情就会让您的学习之旅变得不同。

本课程适合谁

希望进入 AI 领域的工程、计算机科学或生命科学背景的学生和应届毕业生。
希望转型为数据科学、AI 或机器学习角色的非 AI 领域的专业人士。
有兴趣了解 AI 模型如何学习、做出预测以及如何应用于现实场景的医疗保健、生物学和成像爱好者。
任何对 AI 感兴趣、想要从理论转向实际实施的人 – 通过学习如何构建并从头开始训练简单的神经网络和 CNN。