Are you interested in how to use data generated by doctors, nurses, and the healthcare system to improve the care of future patients? If so, you may be a future clinical data scientist! This specialization provides learners with hands on experience in use of electronic health records and informatics tools to perform clinical data science. This series of six courses is designed to augment learner’s existing skills in statistics and programming to provide examples of specific challenges, tools, and appropriate interpretations of clinical data. By completing this specialization you will know how to: 1) understand electronic health record data types and structures, 2) deploy basic informatics methodologies on clinical data, 3) provide appropriate clinical and scientific interpretation of applied analyses, and 4) anticipate barriers in implementing informatics tools into complex clinical settings. You will demonstrate your mastery of these skills by completing practical application projects using real clinical data. This specialization is supported by our industry partnership with Google Cloud. Thanks to this support, all learners will have access to a fully hosted online data science computational environment for free! Please note that you must have access to a Google account (i.e., gmail account) to access the clinical data and computational environment.
Spezialisierung Clinical Data Science
Launch your career in Clinical Data Science. A six-course introduction to using clinical data to improve the care of tomorrow's patients.
von
Kompetenzen, die Sie erwerben
- Biostatisticians
- Scientists
- Pharmacists
- Data Scientists
- Medical Doctors
So funktioniert die Spezialisierung
Kurse absolvieren
Eine Coursera-Spezialisierung ist eine Reihe von Kursen, in denen Sie eine Kompetenz erwerben. Um zu beginnen, melden Sie sich direkt für die Spezialisierung an oder überprüfen Sie deren Kurse und wählen Sie denjenigen Kurs aus, mit dem Sie beginnen möchten. Wenn Sie einen Kurs abonnieren, der Bestandteil einer Spezialisierung ist, abonnieren Sie automatisch die gesamte Spezialisierung Es ist in Ordnung, wenn Sie nur einen Kurs absolvieren möchten — Sie können Ihren Lernprozess jederzeit unterbrechen oder Ihr Abonnement kündigen. Gehen Sie zu Ihrem Kursteilnehmer-Dashboard, um Ihre Kursanmeldungen und Ihren Fortschritt zu verfolgen.
Praxisprojekt
Jede Spezialisierung umfasst ein Praxisprojekt. Sie müssen das Projekt/die Projekte erfolgreich abschließen, um die Spezialisierung abzuschließen und Ihr Zertifikat zu erwerben. Wenn die Spezialisierung einen separaten Kurs für das Praxisprojekt umfasst, müssen Sie zunächst alle anderen Kurse abschließen, bevor Sie damit beginnen können.
Zertifikat erwerben
Wenn Sie alle Kurse und das Praxisprojekt abgeschlossen haben, erhalten Sie ein Zertifikat, dass Sie für potenzielle Arbeitgeber und Ihr berufliches Netzwerk freigeben können.
Es gibt 6 Kurse in dieser Spezialisierung
Introduction to Clinical Data Science
This course will prepare you to complete all parts of the Clinical Data Science Specialization. In this course you will learn how clinical data are generated, the format of these data, and the ethical and legal restrictions on these data. You will also learn enough SQL and R programming skills to be able to complete the entire Specialization - even if you are a beginner programmer. While you are taking this course you will have access to an actual clinical data set and a free, online computational environment for data science hosted by our Industry Partner Google Cloud. At the end of this course you will be prepared to embark on your clinical data science education journey, learning how to take data created by the healthcare system and improve the health of tomorrow's patients.
Clinical Data Models and Data Quality Assessments
This course aims to teach the concepts of clinical data models and common data models. Upon completion of this course, learners will be able to interpret and evaluate data model designs using Entity-Relationship Diagrams (ERDs), differentiate between data models and articulate how each are used to support clinical care and data science, and create SQL statements in Google BigQuery to query the MIMIC3 clinical data model and the OMOP common data model.
Identifying Patient Populations
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.
Clinical Natural Language Processing
This course teaches you the fundamentals of clinical natural language processing. In this course you will learn practical techniques for extracting information stored in text-based portions of electronic medical records.
Dozenten
Laura K. Wiley, PhD
Assistant Professor
Michael G. Kahn, MD, PhD
Professor of Clinical InformaticsPartner in der Branche
Über University of Colorado System
Häufig gestellte Fragen
Wie erfolgen Rückerstattungen?
Kann ich mich auch nur für einen Kurs anmelden?
Ja! Um loszulegen, klicken Sie auf die Kurskarte, die Sie interessiert, und melden Sie sich an. Sie können sich anmelden und den Kurs absolvieren, um ein teilbares Zertifikat zu erwerben, oder Sie können als Gast teilnehmen, um die Kursmaterialien gratis einzusehen. Wenn Sie einen Kurs abonnieren, der Teil einer Spezialisierung ist, abonnieren Sie automatisch die gesamte Spezialisierung. Auf Ihrem Kursteilnehmer-Dashboard können Sie Ihren Fortschritt verfolgen.
Ist finanzielle Unterstützung möglich?
Kann ich kostenlos an diesem Kurs teilnehmen?
Findet dieser Kurs wirklich ausschließlich online statt? Muss ich zu irgendwelchen Sitzungen persönlich erscheinen?
Dieser Kurs findet ausschließlich online statt, Sie müssen also zu keiner Sitzung persönlich erscheinen. Sie können jederzeit und überall über das Netz oder Ihr Mobilgerät auf Ihre Vorträge, Lektüren und Aufgaben zugreifen.
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 (i.e., 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.
Wie lange dauert es, die Spezialisierung abzuschließen?
The specialization will take approximately 6 months to complete. However students can take the specialization at their own pace.
What background knowledge is necessary?
Some experience or awareness of programming and statistical concepts are helpful. However, Course 1 - Introduction to Clinical Data Science, provides learners with enough training in SQL and R to complete the specialization.
Do I need to take the courses in a specific order?
We highly recommend that you take Course 1 - Introduction to Clinical Data Science, first as it is meant to provide basic training and information useful for Courses 2-6. Although you may take Course 2-6 in any order, it may be helpful to take them sequentially.
Erhalte ich akademische Leistungspunkte für den Abschluss der Spezialisierung?
This Specialization doesn't carry university credit, but some universities may choose to accept Specialization Certificates for credit. Check with your institution to learn more. Additionally, certification in this specialization may enhance professional credentials and attribute to new jobs, salary increases, or promotions.
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..