Ce cours est conçu pour enseigner aux étudiants comment l'intelligence artificielle peut aider à résoudre des problèmes dans le domaine de la santé. L'accent sera mis sur l'analyse des signaux physiologiques en utilisant des techniques d'apprentissage automatique, y compris l’apprentissage profond, pour la détection et le diagnostic des maladies, la prédiction des événements liés à la santé, ainsi que l'estimation et la caractérisation des paramètres de santé. Le cours couvrira principalement la conception et la validation appropriées des algorithmes d'apprentissage automatique pour l'analyse et le traitement des signaux physiologiques. Les algorithmes d’IA abordés dans le cours vont des techniques classiques, telles que les SVM, KNN et méthodes bayésiennes, aux approches plus avancées comme les MLP, CNN, LSTM et les transformeurs.
A la fin du cours, les étudiants seront capables de :
- Comprendre la nature des signaux biomédicaux et les informations qu'ils contiennent.
- Préparer et traiter de manière appropriée les signaux biomédicaux pour l'application de l'apprentissage automatique.
- Comprendre les différences entre les principaux types d’algorithmes d’apprentissage automatique, y compris ceux d’apprentissage profond, et choisir entre apprentissage supervisé et non supervisé, clustering, régression et classification, ainsi que sélectionner les fonctions de coût adaptées à chaque problème.
- Découvrez les applications potentielles de l'apprentissage automatique dans les soins de santé à travers plusieurs études de cas.
- Concevoir des algorithmes d'apprentissage automatique, y compris ceux d’apprentissage profond, les régler et valider précisément leurs performances.
- Appliquer diverses analyses statistiques pour évaluer les résultats.