https://www.youtube.com/playlist?list=PLJOzdkh8T5krxc4HsHbB8g8f0hu7973fK&app=desktop
залили лекции этого года

круто

оба семестра, но без семинаров

1% сила💪

Хаха) ок, напишу, поболтаем как минимум)

Всем привет. Недавно на coursera появилась нова специализация - AI for Medicine (https://www.coursera.org/specializations/ai-for-medicine). Она состоит из трёх курсов. Первый курс AI for Medical Diagnosis повествует о работе с картинками и рассчитан на 3 недели или 20 часов. Хочу поделиться с вами мением о нём.

Закончил я его примерно за день. Чего точно не стоит ждать от курса: объяснения основ нейроннок, рассказа о том как лучше учить сети, к слову тут их вообще учить не придётся. В одном задании будет код для обучения юнета, но запускать его не обязательно для выполненяи задания.

Код писать тоже особо не дадут, все упражнения представляют собой написание кода (Keras) в уже готовый жупитер ноутбук в отмеченное место. Многие вещи, как например GradCam вообще не объясняют, а дают просто запустить и посмотреть результат.

Из плюсов - хорошая секция про оценку моделей. Хорошая, потому что там дают хороший код, который можно переиспользовать у себя. Самому лень было писать такое.

Так же из плюсов отмечу, что если вы уже проходили курсы или умеете в нейронные сети, то AI for Medical Diagnosis станет неплохим дополнением для вас. При условии, что тема медицины для вас интересна.

Сложилось мнение, что Ын просто замутил хайповую специализацию, рассчитанную на широкую аудиторию.

Жду когда откроются следующие курсы: AI for Medical Prognosis и AI For Medical Treatment. Надеюсь они будут интереснее и полезнее.

Всем привет. Недавно на coursera появилась нова специализация - AI for Medicine (https://www.coursera.org/specializations/ai-for-medicine). Она состоит из трёх курсов. Первый курс AI for Medical Diagnosis повествует о работе с картинками и рассчитан на 3 недели или 20 часов. Хочу поделиться с вами мением о нём.

Закончил я его примерно за день. Чего точно не стоит ждать от курса: объяснения основ нейроннок, рассказа о том как лучше учить сети, к слову тут их вообще учить не придётся. В одном задании будет код для обучения юнета, но запускать его не обязательно для выполненяи задания.

Код писать тоже особо не дадут, все упражнения представляют собой написание кода (Keras) в уже готовый жупитер ноутбук в отмеченное место. Многие вещи, как например GradCam вообще не объясняют, а дают просто запустить и посмотреть результат.

Из плюсов - хорошая секция про оценку моделей. Хорошая, потому что там дают хороший код, который можно переиспользовать у себя. Самому лень было писать такое.

Так же из плюсов отмечу, что если вы уже проходили курсы или умеете в нейронные сети, то AI for Medical Diagnosis станет неплохим дополнением для вас. При условии, что тема медицины для вас интересна.

Сложилось мнение, что Ын просто замутил хайповую специализацию, рассчитанную на широкую аудиторию.

Жду когда откроются следующие курсы: AI for Medical Prognosis и AI For Medical Treatment. Надеюсь они будут интереснее и полезнее.

А чуть рукастее стал в керасе/тф по итогу?

нихера)

А в медицине?

Я про керас ничего не узнал вообще

Вот прикинь код

# create the base pre-trained model
base_model = DenseNet121(weights='./nih/densenet.hdf5', include_top=False)

x = base_model.output

# add a global spatial average pooling layer
x = GlobalAveragePooling2D()(x)

# and a logistic layer
predictions = Dense(len(labels), activation="sigmoid")(x)

model = Model(inputs=base_model.input, outputs=predictions)
model.compile(optimizer='adam', loss=get_weighted_loss(pos_weights, neg_weights))

Они дают тебе обученную сетку, надо тупо предикты сделать

Тоже нихера, с метриками только было интересные объяснения. Но мы за год настрадались так, что уже всё это вычитали)

а можешь кратенько про метрики тогда написать интересности) чтобы совсем курс можно было не проходить)

Вот такую функцию там пилишь, я сам бы такое точно не делал

NPV и PPV незнакомо выглядит

positive predictive value, negative predictive value

В общем кажись спасибо за сэкономленное время)