Війна перервала навчання в багатьох університетах України. Чимало студентів та викладачів змушені були залишити своє місто, внаслідок чого деякі курси не викладались на достатньому рівні або взагалі не викладались.
Німецька служба академічних обмінів (DAAD) надала гранти для підтримки українських студентів.
З ініціативи професорки Ольги Гаращук – директорки Інституту фізіології університету м. Тюбінгену (Німеччина) за співпраці з Кафедра біохімії та біотехнології ПНУ був розроблений проєкт підтримки українських студентів-біологів.
У рамках проєкту пропонуються онлайн-курси для українських студентів біологічного профілю.
Навчання на курсах абсолютно безкоштовне.
Передбачено приблизно 180 стипендій в розмірі від 200 до 600 Євро для фінансової підтримки студентів курсів, які надаватимуться тим, хто найбільше постраждав від війни.
Ми організовуємо 8 курсів для студентів різного рівня:
Біоінформатика (30 годин, початок 6 березня 2023) Буде викладатись спеціалістами з Львівського національного університету ім. І. Франка та української компанії Explogen LLC (м. Львів). Цей предмет викладають не у всіх українських університетах, але він є одним з найбільш перспективних напрямків для молодих біологів в Європі. Очікувана аудиторія курсу – студенти 4 курсу та старші, аспіранти.
З деталями програми та викладачами можна ознайомитись на сторінці нашого проєкту http://lifesciencescourse.org/kurs-bioinformatyka.
Реєстрація: https://lifesciencescourse.utrigg.net/.../Bioinformatics...
Молекулярна та клітинна нейрофізіологія (30 годин, початок 8 березеня 2023). Спецкурс для 3-го та старших курсів та аспірантів (в основі курсу програми Київського Академічного Університету).
Реєстрація буде відкрита з 8 лютого 2023 року
Викладач: Олексій Болдирєв (КАУ)
Життєвий цикл дослідницького проєкту (30 годин, квітень-травень 2023). Орієнтований переважно на бакалаврантів, розкриває роботу біохіміків в науково-дослідній лабораторії.
Ключовий викладач - Олег Лущак (ПНУ)
Педагогічна майстерність у викладанні та популяризації біологічних наук (30 годин, травень 2023). Орієнтований на студентів спеціальності "Середня освіта, біологія".
Викладач: Галина Михайлишин (ПНУ)
Мікроскопія та інструментальні методи в біології (60 годин, травень-червень 2023). Націлений на те, щоб дати студентам знання необхідні для роботи на сучасному обладнанні науково-дослідних лабораторій. Розрахований на студентів старше 3-го курсу та аспірантів. Буде викладатись командою біофізиків та мікроскопістів з України, Німеччини та Чехії.
Ключовий викладач: Володимир Швадчак (ПНУ)
Інтегрований курс “Науки про життя” (120 годин, вересень-грудень 2023). Комбінує фізіологію, біохімію, молекулярну біологію та біофізику. Орієнтований переважно на бакалаврантів, предмети викладатимуться з нуля. Буде викладатися командою викладачів з різних університетів (Прикарпатський національний університет ім. В. Стефаника, Львівський національний університет ім. І. Франка, Дніпровський національний університет ім. О. Гончара, Університет м. Тюбінгена (Німеччина)).
Інтегрований курс "Мікроби, віруси та інфекції" (90 годин, жовтень-грудень 2023). Орієнтований переважно на бакалаврантів, які хочуть працювати на стику біології та лабораторної діагностики. Буде викладатися командою викладачів з різних університетів (Прикарпатський національний університет ім. В. Стефаника та Інститут біохімії ім. О.В.Палладіна)
Математична статистика для біологів (30 годин, жовтень 2023). Курс на основі програми Київського Академічного Університету для студентів 2-го та старших курсів.
Викладач: Дмитро Строй (КАУ)
ШІ змінює практику медицини. Це допомагає лікарям точніше діагностувати пацієнтів, робити прогнози щодо майбутнього здоров’я пацієнтів і рекомендувати кращі методи лікування. Ця спеціалізація з трьох курсів дасть вам практичний досвід застосування машинного навчання до конкретних проблем у медицині.
Ці курси виходять за рамки основ глибокого навчання, щоб навчити вас нюансам застосування штучного інтелекту в медичних випадках. Якщо ви новачок у глибокому навчанні або хочете отримати глибші основи того, як працюють нейронні мережі, ми рекомендуємо пройти спеціалізацію з глибокого навчання.
КУРС1
ШІ змінює практику медицини. Це допомагає лікарям точніше діагностувати пацієнтів, робити прогнози щодо майбутнього здоров’я пацієнтів і рекомендувати кращі методи лікування. Як фахівець зі штучного інтелекту ви маєте можливість долучитися до цієї трансформації сучасної медицини. Якщо ви вже знайомі з математикою та кодуванням алгоритмів штучного інтелекту та прагнете вдосконалювати свої навички, щоб долати виклики в галузі охорони здоров’я, тоді ця спеціалізація для вас. Попередня медична експертиза не потрібна! Ця програма дасть вам практичний досвід у застосуванні передових методів машинного навчання до конкретних проблем сучасної медицини: - У курсі 1 ви створите класифікацію зображень згорткової нейронної мережі та моделі сегментації для діагностики захворювань легенів і мозку. - У курсі 2, ви будете будувати моделі ризику та оцінки виживання для серцевих захворювань, використовуючи статистичні методи та випадковий лісовий предиктор для визначення прогнозу пацієнта. - У курсі 3 ви створите предиктор ефекту лікування, застосуєте методи інтерпретації моделі та використаєте обробку природної мови для отримання інформації з радіологічних звітів. Ці курси виходять за рамки основ глибокого навчання, щоб дати вам уявлення про нюанси застосування штучного інтелекту в медичних випадках. Як учень, ви будете налаштовані на успіх у цій програмі, якщо вам уже добре знайомі деякі з математики та кодування, що лежать в основі алгоритмів ШІ. Вам не обов’язково бути фахівцем зі штучного інтелекту, але практичне знання глибоких нейронних мереж, зокрема згорткових мереж, і знання програмування на Python на середньому рівні будуть важливими. Якщо ви відносно новачок у машинному навчанні чи нейронних мережах, ми рекомендуємо вам спочатку пройти спеціалізацію Deep Learning, яку пропонує deeplearning.ai і викладає Ендрю Нґ. Попит на фахівців зі штучного інтелекту, які володіють навичками та знаннями для вирішення найбільших проблем сучасної медицини, зростає в геометричній прогресії. Приєднуйтесь до нас у цій спеціалізації та почніть свій шлях до побудови майбутнього охорони здоров’я.
КУРС2
ШІ змінює практику медицини. Це допомагає лікарям точніше діагностувати пацієнтів, робити прогнози щодо майбутнього здоров’я пацієнтів і рекомендувати кращі методи лікування. Ця спеціалізація дасть вам практичний досвід застосування машинного навчання до конкретних проблем у медицині. Машинне навчання — це потужний інструмент для прогнозування, галузь медицини, яка спеціалізується на прогнозуванні майбутнього здоров’я пацієнтів. У цьому другому курсі ви ознайомитеся з кількома прикладами прогностичних завдань. Потім ви будете використовувати дерева рішень для моделювання нелінійних залежностей, які зазвичай спостерігаються в медичних даних, і застосовувати їх для більш точного прогнозування рівня смертності. Нарешті, ви дізнаєтеся, як працювати з відсутніми даними, що є ключовим завданням у реальному світі. Ці курси виходять за рамки основ глибокого навчання, щоб навчити вас нюансам застосування штучного інтелекту в медичних випадках. Цей курс зосереджений на машинному навчанні на основі дерева, тому для цього курсу не потрібна основа глибокого навчання. Однак для курсу 1 і 3 цієї спеціалізації настійно рекомендується основа глибокого навчання. Ви можете отримати основу глибокого навчання, пройшовши спеціалізацію глибокого навчання, яку пропонує deeplearning.ai і викладає Ендрю Нг.
КУРС3
ШІ змінює практику медицини. Це допомагає лікарям точніше діагностувати пацієнтів, робити прогнози щодо майбутнього здоров’я пацієнтів і рекомендувати кращі методи лікування. Ця спеціалізація дасть вам практичний досвід застосування машинного навчання до конкретних проблем у медицині. Медикаментозне лікування може по-різному впливати на пацієнтів залежно від стану їх здоров’я. У цьому третьому курсі ви будете рекомендувати лікування, яке більше підходить для окремих пацієнтів, використовуючи дані рандомізованих контрольних досліджень. На другому тижні ви застосовуватимете методи інтерпретації машинного навчання, щоб пояснити прийняття рішень у складних моделях машинного навчання. Нарешті, ви будете використовувати методи вилучення об’єктів природної мови та відповіді на питання, щоб автоматизувати завдання позначення наборів медичних даних. Ці курси виходять за рамки основ глибокого навчання, щоб навчити вас нюансам застосування штучного інтелекту в медичних випадках. Якщо ви новачок у глибокому навчанні або хочете отримати глибші основи роботи нейронних мереж, ми рекомендуємо вам пройти спеціалізацію з глибокого навчання.
https://www.coursera.org/videos/foundations-of-healthcare-systems-engineering/geWEJ
Завдяки динамічним відеолекціям і практичним прикладним питанням ви дізнаєтесь про основи інженерії систем охорони здоров’я. У цьому курсі ви дізнаєтесь про поточний брак синхронізованих, ефективних та інтегрованих систем охорони здоров’я, які є одними з рушійних сил для покращення надання медичних послуг. Крім того, у цьому курсі ви дізнаєтеся про різні типи систем і про те, як вони транслюються в сферу охорони здоров’я для відповідних процесів системної інженерії, із прикладами. Після артикуляції та відображення типу системи буде запроваджено підхід системної інженерії, щоб допомогти розпочати процес:
1) дослідження викликів, потреб і вимог у галузі охорони здоров’я;
2) розробка концепцій системи, які виводяться з вимог, а потім реалізуються у фізичній формі та формі процесу;
3) створення засобів перевірки, валідації та розгортання систем охорони здоров’я, які відповідають потребам і вимогам.
https://www.coursera.org/videos/opioid-epidemic/I9Vmz
Хоча опіоїди, що відпускаються за рецептом, відіграють неоціненну роль у лікуванні болю при раку та болю в кінці життя, їх надмірне використання для лікування гострого та хронічного болю, не пов’язаного з раком, а також збільшення доступності героїну та забороненого фентанілу сприяли найвищим показникам передозування та опіоїдна залежність в історії США. Для вирішення цих проблем і сприяння високоякісній медичній допомозі тим, хто страждає від болю, терміново необхідні рішення, засновані на доказах. Цей курс і звіт, на якому він базується, є відповіддю на цю потребу. Вони пропонують своєчасну інформацію та шлях вперед для всіх, хто відданий справі вирішення проблеми травм і смертей, пов’язаних із вживанням опіоїдів у Сполучених Штатах.
Інженерні стратегії
У цьому модулі представлено ідею про те, що зміна дизайну опіоїдних ліків і флаконів для таблеток, у яких вони прописані, є однією зі стратегій зменшення ненавмисних отруєнь опіоїдами та диверсії. Модуль містить обговорення прототипу дизайну флакона з таблетками, розробленого для видачі визначеної кількості ліків авторизованим користувачам через запрограмовані проміжки часу. Цей модуль узгоджується з четвертим розділом звіту «Опіоїдна епідемія» (2017).
Мова: англійська
Викладачі: Eileen McDonald
faculty member in the Johns Hopkins Bloomberg School of Public Health
У цьому курсі ви розвинете навички, отримані в дослідницькому аналізі даних за допомогою MATLAB, щоб закласти основу, необхідну для прогнозного моделювання. Цей курс середнього рівня стане у нагоді всім, кому потрібно об’єднати дані з кількох джерел або часу та хто цікавиться моделюванням.
Ці навички є цінними для тих, хто має знання предметної області та певний досвід роботи з обчислювальними інструментами, але не має досвіду програмування. Щоб досягти успіху в цьому курсі, ви повинні мати певний досвід у базовій статистиці (гістограми, середні значення, стандартне відхилення, підгонка кривої, інтерполяція) і пройти дослідницький аналіз даних за допомогою MATLAB. Протягом курсу ви будете об’єднувати дані з різних наборів даних і працювати з типовими сценаріями, такими як відсутність даних. В останньому модулі курсу ви ознайомитеся зі спеціальними методами обробки текстових, звукових і графічних даних, які є поширеними в науці про дані та більш розширеному моделюванні. Наприкінці цього курсу ви навчитеся візуалізувати свої дані, очистити їх і організувати для аналізу, а також визначите якості, необхідні для відповідей на ваші запитання. Ви зможете візуалізувати розподіл ваших даних і використовувати візуальний огляд для усунення артефактів, які впливають на точне моделювання.
Senior Online Content Developer Senior Online Content Developer
MathWorks
Principal Course Developer
Тривалість: близько 20 годин
Мова: англійська
CASE STUDY: як вирішувати складні завдання в бізнесі та в житті
https://prometheus.org.ua/prometheus-plus/case-study/
Формат курсу
Відеолекції
Обговорення на форумі
Тести
4 години відеолекцій
11 експертів — кейсерів-переможців та ТОП-менеджерів компаній
https://www.ted.com/talks/todd_kuiken_a_prosthetic_arm_that_feels
Фізіатр та інженер Тод Куйкен створює протез руки, який з’єднується з нервовою системою людини, покращуючи рухи, контроль і навіть відчуття. На сцені пацієнтка Аманда Кіттс допомагає продемонструвати цю роботизовану руку нового покоління.
Спікер
Лікар та інженер Тод Куйкен створює нові протези, які пов’язані з нервовою системою людини.
https://www.ted.com/talks/scott_summit_beautiful_artificial_limbs
Протези не можуть відтворити вигляд і відчуття втрачених кінцівок, але вони можуть нести багато індивідуальності. Дизайнер Скотт Самміт демонструє надруковані на 3D-принтері індивідуально розроблені протези ніг, які є беззаперечно штучними та абсолютно індивідуальними — від мачо до неймовірних.
Ця доповідь була представлена місцевій аудиторії на незалежному заході TEDxCambridge. Редактори TED вирішили представити його для вас.
Скотт Самміт використовує свій 20-річний досвід промислового дизайнера для виготовлення протезів, які допомагають людям особисто контролювати ці власні предмети.
https://www.ted.com/talks/tal_danino_programming_bacteria_to_detect_cancer_and_maybe_treat_it
Рак печінки є одним із видів раку, який найважче виявити, але синтетичний біолог Тал Даніно мав ліву думку: що, якби ми могли створити пробіотичні їстівні бактерії, які були б «запрограмовані» на пошук пухлин печінки? Його розуміння використовує те, що ми тільки починаємо розуміти про бактерії: їх здатність відчувати кворум або робити щось разом, коли вони досягають критичної маси. Даніно, стипендіат TED, пояснює, як працює визначення кворуму, і як розумні бактерії, працюючи разом, колись можуть змінити лікування раку.
Спікер
Tal Danino досліджує нові межі поєднання біології та інженерії (і мистецтва). Він є стипендіатом TED 2015 року.
https://www.ted.com/talks/tania_douglas_to_design_better_tech_understand_context
Яка користь від складного медичного обладнання людям в Африці, якщо воно не справляється з кліматом там? Біомедичний інженер Таня Дуглас ділиться історіями про те, як ми часто не бачимо реальних потреб у пошуках технологій, і як глибше розуміння контексту, де вони використовуються, може привести нас до кращих рішень.
Спікер
Biomedical engineering professor
Tania Douglas уявила, як біомедична інженерія може допомогти вирішити деякі проблеми охорони здоров’я Африки.
https://www.ted.com/talks/laura_indolfi_good_news_in_the_fight_against_pancreatic_cancer
Будь-хто, хто втратив близьку людину через рак підшлункової залози, знає, з якою руйнівною швидкістю рак може вразити здорову людину. Співробітник TED і біомедичний підприємець Лаура Індольфі розробляє революційний спосіб лікування цієї складної та смертельної хвороби: пристрій для доставки ліків, який діє як клітка на місці пухлини, запобігаючи її поширенню та доставляючи ліки лише туди, куди вони потрібні. "Ми сподіваємося, що одного дня ми зможемо зробити рак підшлункової залози виліковною хворобою", - каже вона.
Спікер
Laura Indolfi робить революцію в лікуванні раку за допомогою нових технологій, включаючи імплантовані пристрої для доставки ліків локально до місця пухлини.
https://www.coursera.org/learn/stanford-statistics
Стенфордський «Вступ до статистики» навчає вас концепціям статистичного мислення, необхідним для навчання на основі даних і передачі ідей. До кінця курсу ви зможете виконувати пошуковий аналіз даних, розуміти ключові принципи вибірки та вибирати відповідні тести значущості для багатьох контекстів. Ви отримаєте базові навички, які підготують вас до вивчення більш складних тем у статистичному мисленні та машинному навчанні.
Теми включають описову статистику, вибірку та рандомізовані контрольовані експерименти, ймовірність, вибіркові розподіли та центральну граничну теорему, регресію, загальні тести значущості, повторну вибірку, численні порівняння.
Викладачі:
Час виконання 15 годин
Мова: Англійська
https://www.coursera.org/learn/clinicalsimulations
Цей 7-тижневий курс надає вам ключові стратегії, які допоможуть зрозуміти основи клінічного моделювання. Під час кожного модуля ви дізнаєтеся про 7 ключових компонентів клінічного моделювання в медичних професіях та його вплив на вашу поточну посаду медичного працівника. Будь ласка, використовуйте всі ресурси, надані кожним із модулів, щоб підтримати та покращити ваше розуміння кожної концепції. У цьому курсі ви дізнаєтесь про такі теми:
Модуль 1: Початок роботи з клінічним моделюванням – основи Модуль 2: Стандарти передової практики INACSL: моделювання Модуль 3: Впровадження моделювання в навчальний план Модуль 4: Розробка центру моделювання Модуль 5: Основи дебрифінгу в моделюванні Модуль 6: Методи оцінювання в моделюванні Модуль 7: SP в симуляції Про школу медсестер університету Джорджа Вашингтона Школа медсестер Університету Джорджа Вашингтона, визнана однією з найкращих шкіл медсестер за версією US News & World Report, навчає та надихає медсестер надавати високоякісну, співчутливу медичну допомогу, орієнтовану на особистість. Школа розвиває лідерів, які активно займаються зміцненням здоров’я, захистом інтересів пацієнтів та інноваціями в галузі охорони здоров’я, а також готує виняткових викладачів медсестер, які прагнуть до якості та розвитку професії. Школа медсестер прагне покращити здоров’я та добробут людей і громад на місцевому, національному та глобальному рівнях. Школа цінує навчання протягом усього життя, а її студенти вдосконалюють медсестринську практику, лідерство та освіту, оскільки вони змінюють світ. Для більш поглибленого навчання симуляції, будь ласка, перегляньте GW Nursing Simulation Initiatives. https://nursing.gwu.edu/gw-nursing-simulation-initiatives
Навички, що набувають:
Викладачі:
The George Washington University - School of Nursing
Associate Director for Programs and Initiatives
The George Washington University - School of Nursing
Sr. Associate Dean for Academic Affairs & Clinical Associate Professor
The George Washington University - School of Nursing
Director of Simulation and Experiential Learning Clinical Education Instructor
The George Washington University - School of Nursing
Adjunct Associate Professor of Medicine
Marquette University - College of Nursing
Regional Research and Innovation in Simulation Education (RISE) Center - Robert Morris University
Час виконання 12 годин
Мова: Англійська
https://www.coursera.org/learn/introduction-to-medical-software
У цьому класі ми представляємо широкий огляд сфери медичного програмного забезпечення. Ви дізнаєтеся від професорів Єльського університету та низки галузевих експертів, які пов’язують концепції курсу зі своїми реальними додатками.
Ми починаємо з обговорення структур регулювання медичних пристроїв, правил конфіденційності даних і кібербезпеки, а також ключових технологій підтримки, таких як системи управління якістю та управління ризиками. Потім ми детально розглядаємо життєвий цикл медичного програмного забезпечення, починаючи з визначення потреб користувачів, зіставлення їх із системними вимогами, а потім процес розробки програмного забезпечення, кодування, тестування та перевірки. Ми продовжуємо досліджувати проблеми, пов’язані з використанням методів машинного навчання в медичних програмах як з точки зору розробки програмного забезпечення, так і з точки зору регулювання. Ми закінчуємо обговоренням питань бізнесу та менеджменту в цій галузі, зосереджуючись на впливі цифрового здоров’я на сучасну охорону здоров’я та питаннях, пов’язаних із відкриттям нових підприємств. Це заняття, призначене для студентів третього або четвертого курсу інформатики, біомедичної інженерії та суміжних галузей, а також для молодших інженерів-програмістів, які зараз працюють у галузі медичного обладнання або зацікавлені в переході до неї.
Викладачі:
Professor
Radiology & Biomedical Imaging, and Biomedical Engineering
Мова: Англійська
©2023. Всі права захищено. Кафедра біокібернетики та аерокосмічної медицини.
Відповіадльна за WEB-сторінку - Дар'я Руденко