Értékelés:
A kritikák kiemelik a „Demystifying Big Data and Machine Learning for Healthcare” című könyvet, amely értékes forrásként szolgál mind az egészségügyi analitika területén dolgozó kezdő, mind a tapasztalt szakemberek számára. A könyv világos írásmóddal és valós esettanulmányokkal hatékonyan magyarázza el az összetett fogalmakat, így ajánlott olvasmány azoknak, akik a nagy adatokkal és a gépi tanulással foglalkoznak az egészségügyben. Egyes kritikák azonban rámutatnak arra, hogy bizonyos területek nem elég mélyek, valamint a könyv viszonylag magas árára.
Előnyök:⬤ Átfogó bevezetést nyújt a nagyméretű adatok és a gépi tanulás témakörébe az egészségügyben.
⬤ Világos nyelvezetet használ az összetett témák magyarázatához.
⬤ Részletes, valós életből vett esettanulmányokat tartalmaz, amelyek gyakorlati alkalmazásokat illusztrálnak.
⬤ Segít demisztifikálni a fogalmakat a kezdők és a nem szakértők számára.
⬤ Értékes forrás az egészségügyi adatelemzéssel kapcsolatos ismereteik bővítésére törekvő szakemberek számára.
⬤ Egyes vélemények szerint egyes témák nem elég mélyek és részletesek.
⬤ Kritika, hogy olyan elemeket tartalmaz, amelyek pusztán tudományos dolgozatnak tűnnek.
⬤ A tárgyalt saját keretrendszerek nincsenek teljesen elmagyarázva vagy hivatkozva.
⬤ A könyvet egyes kritikusok drágának tartják, bár sokan úgy érzik, hogy jó ár-érték arányt kínál.
(12 olvasói vélemény alapján)
Demystifying Big Data and Machine Learning for Healthcare
Az egészségügy átalakítása megköveteli, hogy folyamatosan új és jobb módszereket keressünk az ismeretek kezelésére - a szervezeten belül és kívül egyaránt. Egyre inkább létfontosságúvá válik a kórházak és egészségügyi rendszerek túlélési és prosperálási képessége szempontjából, hogy a szervezet mindennapi működésének melléktermékeként képesek legyenek hatékonyan összegyűjteni és operacionalizálni az új felismeréseket. Az egészségügyi informatika egyik régóta fennálló kihívása az volt, hogy hogyan lehet kezelni a különböző egészségügyi adatok sokféleségét és mennyiségét, valamint azt, hogy egyre nagyobb szükség van arra, hogy ezekből valóságtartalmat és értéket nyerjünk.
A Demystifying Big Data and Machine Learning for Healthcare című könyv azt vizsgálja, hogy az egészségügyi szervezetek hogyan használhatják ki a nagy adatok e szövevényét új üzleti értékek, felhasználási esetek és tudás felfedezésére, valamint azt, hogy a nagy adatokat hogyan lehet beleszőni a már meglévő üzleti intelligencia- és elemzési erőfeszítésekbe. Ez a könyv arra összpontosít, hogy megtanítsa, hogyan:
⬤ A big data mítoszok azonosításához és lerombolásához szükséges készségek fejlesztése.
⬤ Szakértővé váljon a hype és a valóság szétválasztásában.
⬤ Tudja meg, hogy az egészségügyben mely V-k számítanak és miért.
⬤ Harmonizálja a 4 C-t a kis és a nagy adatok között.
⬤ Válassza az adatminőséget az adatminőség helyett.
⬤ Tanulja meg, hogyan alkalmazza az NRF keretrendszert.
⬤ Mester az alkalmazott gépi tanulásban az egészségügyben.
⬤ Végezze el a tanulási algoritmusok bemutatását.
⬤ A mesterséges intelligencia jövőjének felismerése és felkészülése az egészségügyben a legjobb gyakorlatok, a visszacsatolási hurkok és a kontextuálisan intelligens ügynökök (CIA-k) révén.
Az egészségügyi ellátásban az adatok sokfélesége többféle üzleti munkafolyamatot, formátumot (strukturált, strukturálatlan és félig strukturált), az ellátás/szükséglet helyén történő integrációt és a meglévő tudással való integrációt foglal magában. E realitások kezelése érdekében a szerzők új megközelítéseket javasolnak egy tudásvezérelt tanuló szervezet létrehozására, amely új és meglévő stratégiákon, módszereken és technológiákon alapul. Ez a könyv az egészségügyi informatika régóta fennálló kihívásaival foglalkozik, és pragmatikus ajánlásokat ad azok kezelésére.
