在本 MOOC 中，您将学习高级机器学习和自然语言处理技术，以便从医疗保健领域的非结构化文本文档（如临床笔记、放射报告和出院摘要）中解析和提取信息。无论您是有抱负的数据科学家，还是数据科学或医疗保健信息技术领域的早期或中期专业人士，不断更新您的信息提取和分析技能都至关重要。

要想在本课程中取得成功，您应该在密歇根大学提供的其他中级MOOC课程和数据科学专业课程中学到的概念基础上，深入研究在健康相关文档中识别医学实体、提取临床信息、解决歧义和多义性以正确的概念类型标记它们等方面的挑战，并开发工具和技术来分析新类型的健康信息。 在本课程结束时，您将能够： 确定从健康相关文本数据中识别和提取不同类型信息所需的文本挖掘方法 创建一个端到端的 NLP 管道，使用一个术语资源从临床自由文本中提取医学概念 区别训练深度学习模型与训练传统机器学习模型的不同之处 配置一个深度神经网络模型，从药物评论中检测不良事件 列出深度学习方法的利弊"。