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.
제공자:
배울 내용
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.
100% 온라인
다음 전문 분야의 6개 강좌 중 3번째 강좌:
유동적 마감일
중급 단계
Some programming experience in any language.
완료하는 데 약 19시간 필요
영어
강의 계획 - 이 강좌에서 배울 내용
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.
Identifying Patient Populations의 최상위 리뷰
Great course, gives a solid understanding of computational phenotyping. Also teaches some R programming!
This is a well-presented course. I highly recommend.
강사
Laura K. Wiley, PhD
Assistant Professor콜로라도 대학교 정보
Clinical Data Science 전문 분야 정보
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
강좌에 등록하면 바로 모든 비디오, 테스트 및 프로그래밍 과제(해당하는 경우)에 접근할 수 있습니다. 상호 첨삭 과제는 이 세션이 시작된 경우에만 제출하고 검토할 수 있습니다. 강좌를 구매하지 않고 살펴보기만 하면 특정 과제에 접근하지 못할 수 있습니다.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.
환불 규정은 어떻게 되나요?
재정 지원을 받을 수 있나요?
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.
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
