本次課程聚焦上述熱點問題，旨在幫助研究者利用既有電子健康檔案數據合理設計研究，規范清理和整合數據，介紹近年來熱點的線性混合效應模型和軌跡分析，以及機器學習算法和環境氣候與疾病關聯研究；并專門講解中醫藥領域的數據治理和大語言模型應用范式。
在醫學領域，科學文獻、臨床證據及相關數據集的快速增長，對醫學研究者、臨床決策者造成了巨大的信息負擔。自然語言處理技術尤其是大語言模型（例如ChatGPT等）中科學推理能力的突破性發展為緩解信息負擔提供了全新手段，也為人機融合臨床研究決策帶來了全新場景。本課程將AI技術與文獻挖掘方法結合起來，聚焦大語言模型在醫學文獻大數據知識挖掘中的應用，基于常見疾病場景及經典案例進行課程設計，兼顧創新性與實用性。
Python健康醫療數據分析是開展健康數據科學、人工智能、機器學習等相關領域研究的重要基礎，Python健康醫療數據分析是開展健康數據科學、人工智能、機器學習等相關領域研究的重要基礎，通過真實醫療數據分析，深入了解編程和機器學習的相關原理，以及提高解決問題的實際動手能力。
文獻數據是醫學知識的顯性載體，互聯網上日益豐富的文獻是不可多得的優質資源與科研寶藏。本課程聚焦醫學文獻大數據中的知識挖掘，基于常見疾病場景及經典案例進行課程設計，強調數據分析賦能科研產出，突出創新性與實用性，旨在指導學員? 全面提升從醫學文獻中發現科學問題，從數據研究中提煉知識與證據，運用研究成果提升臨床實踐的全周期各項關鍵能力。
北京大學健康醫療大數據國家研究院版權所有 2019-2020
