Sağlık verisiyle riski önceden ve sorumlulukla tahmin et
Sağlık için kestirimci analitik vaka eğitimi: yeniden yatış ve komplikasyon riski sınıflandırması, klinik/ICD özellik mühendisliği, yatış süresi regresyonu, dengesiz sınıf, olasılık kalibrasyonu ve karar eğrisi analizi, alt grup adaleti, SHAP ile yorumlanabil…
Yeniden yatış, risk ve yatış süresi tahmini, klinik özellik ve model etiği
Bu orta seviye eğitim, kestirimci analitiği sağlık vakaları üzerinden uygulamalı ve etik duyarlılıkla öğretir. Hastane yeniden yatış (readmission) tahmini için sınıflandırma, hastalık/komplikasyon risk skorlaması; yatış süresi (length of stay) tahmini için regresyon işlenir. Ardından klinik özellik mühendisliği (tanı/ICD kodları, laboratuvar, zaman içi ölçümler), dengesiz sınıf ve nadir olay, model kalibrasyonu ve karar eğrileri; yanlılık, adalet (fairness), yorumlanabilirlik ve klinik karara sorumlu entegrasyon uygulanır. Katılımcılar sağlık verisiyle güvenilir, kalibre ve etik açıdan dikkatli tahmin modelleri kurar.
3 Gün. Her gün dört modül; katılımcılar yeniden yatış, risk ve yatış süresi vakalarında model kurma, kalibrasyon ve etik eksenlerinde ilerler.
Orta Seviye — Sağlık vakalarıyla kestirimci analitik: yeniden yatış, hastalık riski ve yatış süresi tahmini, klinik özellik mühendisliği, dengesiz sınıf ve model etiği/değerlendirmesinin uygulamalı ele alınması.
Katılımcılar gerçek benzeri klinik veri setleri üzerinde Python/R ile tahmin modelleri kurar, kalibre eder ve adalet/yorumlanabilirlik açısından değerlendirir.
Yeniden yatış ve komplikasyon riskini önceden belirleyip müdahale planlarsınız.
Kalibrasyon, adalet ve yorumlanabilirlikle klinik açıdan güvenilir model kurarsınız.
Tahmini klinik iş akışına sorumlu ve anlaşılır biçimde bağlarsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Olasılık, risk ve oran kavramlarına aşinalık faydalıdır.
Temel Python (pandas) veya R aşinalığı beklenir.
Sınıflandırma/regresyon kavramına temel aşinalık avantajdır.
Klinik veri ve mahremiyet kavramlarına aşinalık örnekleri anlamlı kılar.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Sağlık sorusunu sızıntısız ve klinik anlamlı tahmin problemine çevirirsiniz.
Tanı, laboratuvar ve zaman içi ölçümlerden özellik üretirsiniz.
Yeniden yatış ve komplikasyon riskini sınıflandırmayla tahmin edersiniz.
Nadir klinik olaylar için ağırlık ve örnekleme uygularsınız.
Length of stay'i regresyonla tahmin eder ve yorumlarsınız.
Olasılıkları kalibre eder ve karar eğrisiyle klinik faydayı ölçersiniz.
Alt grup performansı ve adalet metrikleriyle yanlılığı değerlendirirsiniz.
Modeli yorumlanabilir ve sorumlu biçimde klinik akışa bağlarsınız.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
IBM SPSS Modeler ile görsel stream kurma, veri hazırlama, CLEM, keşif ve karar ağacı/lojistik regresyon modellemeyi kodsuz, uygulamalı öğrenin.
Detayları Gör →
IBM SPSS Statistics ile veri tanımlama, Recode/Compute dönüştürme, betimsel istatistik, t-testi, ANOVA, ki-kare ve raporlamayı menülerle uygulamalı öğrenin.
Detayları Gör →
SAP IBP zaman serisi tabanlı tedarik planlaması ve Supply Optimizer ile maliyet, kapasite kısıtları, senaryo ve sonuç analizini uygulamalı öğrenin.
Detayları Gör →
Microsoft Project'te yerleşik ve özel raporlar, grafikler, Timeline, Gantt kritik yol ve Visual Reports ile Excel/Visio aktarımını uygulamalı öğrenin.
Detayları Gör →
Microsoft Fabric'te Lakehouse: OneLake, kısayol, Dataflow Gen2, Spark notebook, Delta tabloları, medallion mimarisi ve DirectLake Power BI raporlamayı öğrenin.
Detayları Gör →