Udacity

环境的可用性

我们可以进行实践练习的环境的可用性

优秀的学习平台，内容实用、优质

总体来说非常棒的体验。这些课程质量高、组织良好，并提供巨大的价值。说明简洁，涵盖的主题与当前的行业标准相关。

便于使用

便于使用。内容简单合理。需要精简版订阅或以更低的成本获取微型徽章内容（即对于微型课程来说，>250 太多）

教学法

很好的经历

非常好学习了

好课程

伟大的

有用的说明、有用的示例、理论深度。

教学和格式化的方式...

课程的教学和格式设置有助于我轻松理解主题。

从课程中学到了很多技能

好的

技术

曾经很好

它曾经很好，但现在像我这样来自洪都拉斯的人不能上课程，我记得塞巴斯蒂安·特龙的愿景是为世界上所有人提供高水平的课程，现在我们被封锁了，所以真的很糟糕，支付网关很容易实现，特别是对于软件公司来说，如果你可以实现洪都拉斯的支付网关，请寻求帮助

我很高兴分享我已经……

我很高兴地告诉大家，我已经从 Udacity 医疗保健人工智能纳米学位项目毕业。 在加入这个项目之前，我已经花了很多时间通过 Kaggle 比赛来学习。我经常面临的一个挑战是看到经验丰富的 Kaggler 讨论 NIFTI、DICOM、超参数调整和集成学习等主题，而我对它们只有部分了解。通过反复试验和竞争讨论，我学到了很多东西，但我想要一个更深入、更坚实的基础，学习有关医疗保健系统人工智能的知识。这正是这个纳米学位给我的。通过人工智能医疗保健纳米学​​位项目，我能够超越非正式地学习技术，而是了解其背后的原理。我了解了 NIFTI 和 DICOM 等医学成像格式如何存储扫描仪数据、如何表示医学卷，以及如何为机器学习应用程序读取、处理和准备这些文件。我还对临床工作流程有了更深入的了解，包括 DICOM 网络、医疗保健中人工智能系统的部署注意事项，以及数据科学家和临床医生在现实环境中使用的工具。这个项目特别有意义的是它并没有停留在模型构建上。它还强调了将人工智能应用于医疗保健所涉及的更广泛的责任：医疗设备监管、FDA考虑、数据隐私、数据安全以及电子健康记录中使用的标准。这种观点让这个领域感觉更加真实，因为医疗保健领域成功的人工智能必须技术强大、临床意识强、道德基础强。了解 EHR 分析、信号处理、傅里叶变换和心电图信号处理帮助我认识到医疗保健人工智能不仅仅是训练模型，它还涉及理解数据、系统、安全性和临床影响。它还提醒我，有意义的机器学习工作通常早在模型训练之前就开始了——了解信号本身的结构、噪声和行为。 这次经历对我来说也强化了一些重要的东西：人们通过反复的 Kaggle 失败而努力拼凑起来的许多经验教训实际上可以通过结构化和严格的方式来学习。对于任何想要为医疗保健人工智能打下坚实基础的人来说，甚至对于那些想要在医学成像和信号处理方面成为更好的 Kaggle 竞争对手的人来说，这个项目以及通过学习 Stuart Russell 和 Peter Norvig 的《人工智能：现代方法》第 19 章，是一条极好的道路。我最欣赏的是这个纳米学位将试错学习转变为更扎实的理解。它不仅帮助我了解如何构建模型，还帮助我了解如何更仔细地思考数据、上下文、部署和影响。我非常感谢导师 Emily Lindemer、导师 Nikhil Bikhchandani、导师 Mazen Zawaideh、导师 Ivan Tarapov 和导师 Michael D’Andrea 创建了如此出色的课程内容，并为审稿人提供了详细的评论。我还要特别感谢 Udacity 支持部门的 Raghda 和 Udit 帮助我解决了“测试你的算法”工作区中的疑虑，使我能够顺利毕业。我感谢在这段旅程中学到的一切，并且很高兴能够继续在人工智能、医疗保健和医学成像的交叉领域进行建设。

技术好的内容

技术，简单易懂……

技术，易于理解的课程，带有实践项目，并提供所有主题的体验练习

非凡的

这门课程提供了大量的知识，包括实验室..

伟大的

太好了，一切都很好

Udacity 的精彩学习体验

我在 Udacity 获得了非常好的学习体验。课程结构合理、易于理解且实用。总体而言，我对自己的学习经历感到满意，并会向其他人推荐 Udacity。

1 级 Abdulkarim isa A/bulgu

好又舒服

高质量的演示和代码......

高质量的演示和代码解释