Учебный план
О курсе
Онлайн курс «Менеджер по информационным технологиям» — это программа профессиональной переподготовки, направленная на подготовку специалистов к управлению цифровыми проектами, внедрению информационных систем, работе с данными, Low-code/No-code-инструментами, Python, генеративным искусственным интеллектом и проектированию цифровых решений для сферы здравоохранения. Обучение сочетает управленческий, технологический, аналитический и проектный подходы.
В рамках курса Вы изучите современные тенденции цифровизации здравоохранения, экосистему электронного здравоохранения Российской Федерации, медицинские информационные системы, принципы их работы, совместимость, проблемные аспекты эксплуатации, законодательство о сборе, хранении и использовании медицинских данных, информационную безопасность и медицинскую этику при использовании цифровых технологий.
Курс включает изучение Low-code и No-code-технологий, методики Vibe-coding, визуального программирования, готовых компонентов, интеграций, API, автоматизации бизнес-процессов, разработки прототипов приложений, frontend- и backend-логики на Low-code/No-code-платформах, развертывания и публикации веб-приложений.
Отдельный блок посвящён базовому программированию на Python для анализа медицинских данных. Вы рассмотрите настройку среды разработки, Google Colab, VS Code, PyCharm, Jupyter Notebook, базовые конструкции Python, коллекции, функции, генераторы, работу с табличными данными, Pandas, EDA, визуализацию, медицинскую статистику, проверку гипотез, сравнение групп, корреляционный анализ и автоматизированное формирование аналитических отчетов.
Особое внимание уделяется генеративному искусственному интеллекту в медицине. Вы изучите основные понятия ИИ, нейросети, машинное обучение, LLM, Diffusion Models, prompt-engineering, генерацию аналитических выводов, работу с клинико-лабораторными данными, создание учебных материалов, адаптацию контента для пациентов, агентные рабочие процессы, Retrieval-Augmented Generation и этико-правовые аспекты применения ИИ.
Практический блок программы направлен на разработку и защиту цифрового медицинского решения. Вы сможете пройти путь от клинической проблемы к проектной идее, сформировать MVP, подготовить user stories, требования, архитектуру, прототип, провести тестирование, оценить эффективность, подготовить KPI, презентацию и публичную защиту проекта.
В ходе программы Вы освоите:
• современные тенденции цифровизации здравоохранения и электронного здравоохранения РФ;
• принципы работы медицинских информационных систем и цифровой инфраструктуры ЛПУ;
• законодательные, этические и информационно-безопасные требования к медицинским данным;
• Low-code/No-code-разработку, Vibe-coding и автоматизацию бизнес-процессов;
• Python для анализа медицинских данных, Pandas, визуализацию и прикладную статистику;
• генеративный ИИ, prompt-engineering, RAG и агентные рабочие процессы;
• проектирование MVP цифрового медицинского решения, Agile-подход, KPI и защиту проекта.
Программа подойдёт менеджерам по информационным технологиям, руководителям цифровых проектов, специалистам медицинских организаций, аналитикам, ИТ-специалистам, администраторам МИС, проектным менеджерам, специалистам по цифровой трансформации, сотрудникам ЛПУ и всем, кто хочет получить квалификацию в области управления цифровыми технологиями и ИТ-проектами в здравоохранении.
Цели и задачи курса
Цель программы — подготовка специалистов, способных управлять цифровыми ИТ-проектами, анализировать медицинские данные, применять Low-code/No-code-инструменты и генеративный ИИ для проектирования цифровых решений.
В рамках курса Вы освоите:
• цифровизацию через понимание электронного здравоохранения, МИС и трендов отрасли;
• управление через проектирование цифровых решений, Agile, MVP, KPI и проектную документацию;
• данные через Python, Pandas, медицинскую статистику, визуализацию и аналитические отчеты;
• автоматизацию через Low-code/No-code-платформы, API, сценарии и интеграции;
• ИИ через prompt-engineering, генеративные модели, RAG и агентные рабочие процессы;
• безопасность через законодательство, этику, защиту медицинских данных и оценку рисков.
Программа даст ответы на следующие вопросы:
• Как устроена цифровая экосистема здравоохранения?
• Как работают медицинские информационные системы и какие проблемы возникают при их эксплуатации?
• Как соблюдать требования законодательства, этики и информационной безопасности при работе с медицинскими данными?
• Как использовать Low-code/No-code-инструменты для разработки приложений и автоматизации процессов?
• Как применять Python для анализа медицинских данных?
• Как использовать генеративный ИИ в медицине безопасно и эффективно?
• Как спроектировать, протестировать и защитить цифровое медицинское решение?
По окончании обучения Вы получите
Диплом о профессиональной переподготовке, подтверждающий квалификацию в области управления информационными технологиями, цифровыми проектами, медицинскими данными, Low-code/No-code-разработкой и применением ИИ в здравоохранении.
Учебный план курса
• Модуль 1. Современные тенденции цифровизации здравоохранения и этика
• Введение в программу, инструктаж и организационные вопросы
• Экосистема электронного здравоохранения Российской Федерации
• Медицинские информационные системы в учреждениях здравоохранения
• Принципы работы МИС, совместимость и проблемные аспекты эксплуатации
• Современные цифровые тренды в здравоохранении
• Искусственный интеллект и сферы его применения в здравоохранении
• Законодательство РФ о сборе, хранении и использовании медицинских данных
• Информационная безопасность медицинских данных в ЛПУ
• Медицинская этика при использовании информационных систем
• Цифровое неравенство и работа с пациентами разных групп
• Предиктивная аналитика и генеративный ИИ в здравоохранении
• Методология Problem Canvas для решения задач здравоохранения
• Итоговая аттестация по модулю
• Модуль 2. Low-code/No-code-технологии и методика Vibe-coding
• Цифровая трансформация и Low-code/No-code: рынок, тренды, возможности и ограничения
• Ключевые концепции Low-code/No-code-разработки
• Визуальное программирование, готовые компоненты, интеграции и API
• Основы Vibe-coding: рабочая среда, эмпатия и визуализация
• Инструменты Vibe-coding: mind-mapping, Scrum-доски, визуальные редакторы и генераторы идей
• Практическое применение Vibe-coding: разработка прототипа приложения
• Frontend-разработка на Low-code/No-code-платформах
• Backend-разработка: данные, базы данных, API и интеграции
• Развертывание и публикация веб-приложения
• Автоматизация бизнес-процессов с помощью No-code
• Создание сценариев автоматизации и интеграция с другими системами
• Анализ результатов автоматизации и оптимизация бизнес-процессов
• Итоговая аттестация по модулю
• Модуль 3. Базовое программирование на Python для анализа медицинских данных
• Знакомство с Python, сферы применения, установка и настройка среды
• Подготовка Google Colab, VS Code, PyCharm и Jupyter Notebook
• Базовые конструкции языка Python
• Условия, ветвления и логика программы
• Циклы for и while
• Коллекции: списки, кортежи, словари и множества
• Функции, аргументы и значения по умолчанию
• Списочные выражения, dict/set comprehensions и генераторы
• Работа с табличными данными
• Pandas: DataFrame, индексы, доступ и изменение данных
• Фильтрация, сортировка и группировка данных
• Добавление и удаление столбцов, изменение типов данных
• EDA: первичный анализ данных
• Подготовка отчетных таблиц, экспорт и сохранение данных
• Визуализация данных: Matplotlib, Seaborn, Plotly
• Основы прикладной медицинской статистики
• Описательная статистика и анализ лабораторных показателей
• Вероятность, распределения и проверка гипотез
• Сравнение групп, t-тест и непараметрические критерии
• Оценка диагностических тестов и выживаемость
• Корреляционный и дисперсионный анализ в Excel
• Визуализация медицинских данных в Excel
• Автоматизированное формирование аналитического отчета
• Модульное тестирование и pytest
• Модуль 4. Генеративный ИИ в медицине
• Введение в искусственный интеллект
• Основные понятия ИИ, нейросети, машинное обучение и экспертные системы
• Введение в генеративный ИИ
• Архитектурные принципы LLM и Diffusion Models
• Сферы применения генеративного ИИ в медицине
• Генерация текстового аналитического вывода
• Prompt-engineering для клинической практики
• Шаблоны промптов для выписок, историй болезни и направлений
• Естественно-языковой анализ табличных и структурированных медицинских данных
• Работа с симулированными клинико-лабораторными данными
• Генеративная визуализация медицинского контента
• Создание учебных анатомических и патологических иллюстраций
• Автоматизированная подготовка презентаций
• Генерация аудио- и видеоинструкций для пациентов
• Адаптация контента под разные группы пациентов
• Agent-based workflows и автоматизация рабочих процессов
• No-code/Low-code-платформы в связке с ИИ
• Retrieval-Augmented Generation как основа экспертных медицинских систем
• Этические, правовые и экономические аспекты использования генеративного ИИ
• Проектирование агентного рабочего процесса
• Защита проекта
• Модуль 5. Проектирование и защита цифрового медицинского решения
• От клинической проблемы к проектной идее
• Agile-подход в медицине
• Стейкхолдеры, регуляторика и безопасность данных
• MVP для цифрового медицинского решения
• Защита проектов и рекомендации по реализации проектных кейсов
• Декомпозиция проекта и проектная документация
• Устав проекта, user stories и требования
• Приоритизация задач MoSCoW
• Архитектура решения и визуализация компонентов
• Этический аудит цифрового медицинского проекта
• Оценка bias, прозрачности, подотчетности и влияния на терапевтические отношения
• Экспертная проверка пользовательского интерфейса
• Создание простого прототипа на Low-code-платформе
• Agile-спринт: разработка MVP
• Тестирование и доработка цифрового решения
• Экономика цифрового здоровья и оценка эффективности
• ROI для клиники, модели монетизации и нематериальные выгоды
• Сторителлинг и презентация для медицинской аудитории
• Финальная доработка и питчинг
• KPI цифрового медицинского решения
• Репетиция публичной защиты проекта
• Итоговая защита проекта
Что нужно для поступления на программу:
Для поступления Вам необходимо прислать скан-копии или фотографии документов об образовании, паспортные данные и удаленно заключить договор. Гражданам Российской Федерации потребуются:
• Паспорт или другой документ, удостоверяющий личность или гражданство;
• Страховой номер индивидуального лицевого счета (СНИЛС);
• Документ об образовании и квалификации (фотография или скан-копия);
• Справка об обучении в организации высшего или среднего профессионального образования, если Вы в настоящее время являетесь студентом (фотография или скан-копия);
• Документ, подтверждающий факт изменения фамилии, имени или отчества (при необходимости) (фотография или скан-копия).
Гражданам иностранных государств и лицам без гражданства следует уточнить список необходимых сведений и документов в отделе организации приема по телефону или через форму заявки на консультацию.
Выгоды и скидки, варианты оплаты, рассрочка платежа:
• Вы сможете вернуть 13% от стоимости обучения в виде социального налогового вычета, обратившись в налоговую службу по месту постоянной регистрации.
• Чтобы запросить документы для получения налогового вычета, необходимо обратиться в методический отдел, написав нам на электронную почту mcnokurs@yandex.ru.
• Проверка документов после подачи в ФНС осуществляется в течение трех месяцев. Если ответ положительный, средства возвращаются.
• Обратите внимание, что декларация и заявление заполняются и подаются слушателем самостоятельно.
• (Нормативное обоснование получения налогового вычета регламентировано статьями 78, 80, 83, 88, 219 Налогового кодекса РФ).
• Беспроцентная рассрочка
• Вы можете получить беспроцентную рассрочку на программы профессиональной переподготовки.
Для получения дополнительной информации о рассрочке на конкретную программу обратитесь к специалисту приемной комиссии
