التنبؤ بمعدل استهلاك المضادات الحيوية بالمستشفيات باستخدام الذكاء الاصطناعي

بايثون تعلم الآلة التعلم العميق الذكاء الاصطناعي بايثون تعلم الآلة التعلم العميق الذكاء الاصطناعي

أحتاج إلى عالم بيانات يتمتع بمهارات ترميز جيدة في لغة بايثون لتدريب نموذج التعلم الآلي الذي يمكنه التنبؤ بخمسة استخدامات للمضادات الحيوية في جناحين بالمستشفى. مجموعة البيانات متاحة بالفعل بتنسيق ".csv" وتتضمن الميزات التالية: التاريخ (الشهر/السنة)، وتكلفة كل مضاد حيوي، واستخدام كل مضاد حيوي في كل جناح، والتكلفة الإجمالية التي يدفعها كل جناح لكل مضاد حيوي (الاستخدام) * تكلفة المضاد الحيوي)، وإجمالي أيام القبول في كل جناح، وعدد حالات دخول فيروس كورونا، في حالة نفاد أي مضاد حيوي (ثنائي) وإجمالي MDRO/1000 يوم مريض. تحتوي مجموعة البيانات على صفوف شهرية تبدأ من يناير 2018 حتى مارس 2023. والنتيجة هي تطوير نموذج لكل مضاد حيوي في كل جناح بالمستشفى (10 نماذج في المجموع). يمكن أن تكون طريقة التنبؤ ARIMA أو SARIMA أو FBProphet أو LSTM أو أي طريقة أخرى يمكن أن تتضمن متغيرات خارجية. البيانات نظيفة جدًا، لذا من المتوقع إجراء الحد الأدنى من المعالجة المسبقة. يجب تسليم العمل في دفتر ملاحظات Jupyter مع ملف Anaconda Environment. يجب أن يكون دفتر الملاحظات منظمًا جيدًا في أقسام تحتوي على وثائق جيدة تشرح كل خطوة من خطوات الكود المقسم إلى خلايا. يجب أن يكون من الممكن تشغيل الكود من البداية بالتسلسل دون أي انقطاع. يجب أن تتبع خطوات تطوير الكود أفضل ممارسات خطوات تطوير أي مشروع لعلم البيانات: استيراد المكتبات، وقراءة البيانات، وإجراء EDA، ومعالجة المفقودات والقيم المتطرفة، وهندسة الميزات، والتقسيم/القياس، والتدريب النموذجي، والتحقق المتبادل، وضبط المعلمات الفائقة واختبار وحفظ أوزان النموذج. يجب أن يكون الكود سهل التفسير والفهم، مع اتباع أفضل ممارسات الترميز العامة. يجب أن تكون جميع التسليمات والملاحظات باللغة الإنجليزية. ومن المتوقع أن يكتمل العمل في غضون أسابيع قليلة بحلول نهاية سبتمبر 2023. I need a data scientist with good coding skills in Python to train a machine learning model that can forecast 5 antibiotics utilizations in 2 hospital wards. The dataset is already available in ".csv" format and includes the following features: date (month/year), cost of each antibiotic, the utilization of each antibiotic in each ward, the total cost paid by each ward for each antibiotic (utilization * cost of antibiotic), total admission days in each ward, number of covid admissions, if any antibiotic is out of stock (binary) and total MDRO/1000 patient days. The dataset has monthly rows starting from Jan 2018 until Mar 2023. The outcome is to develop a model for each antibiotic in each hospital ward (10 models in total). The forecasting method can be ARIMA, SARIMA, FBProphet, LSTM or any other method that can incorporate exogenous variables. The data is very clean so minimal preprocessing is anticipated. the work should be delivered in a Jupyter notebook with an Anaconda Environment file. The notebook should be well organized into sections with good documentation that explain each step of the code which is divided into cells. It should be possible to run the code from the beginning in sequence without any interruption. The code development steps should follow the best practices of steps of development of any data science project: importing libraries, reading data, conducting EDA, missing and outliers’ treatment, feature engineering, splitting/scaling, model training, cross-validation, hyperparameters tuning, testing, and saving the model weights. The code should be easy to interpret and understand, following general coding best practices. All deliverables and notes should be in English language. The work is anticipated to complete in few weeks by September end, 2023.