Adattudomány és prediktív analitika: Biomedicinális és egészségügyi alkalmazások az R használatával

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.

Eredeti címe:

Data Science and Predictive Analytics: Biomedical and Health Applications Using R

Könyv tartalma:

Ez a tankönyv fontos matematikai alapokat, hatékony számítási algoritmusokat, alkalmazott statisztikai következtetési technikákat és a legmodernebb gépi tanulási megközelítéseket integrál, hogy az orvosbiológiai informatika, az egészségügyi analitikai alkalmazások és a döntéstudományi kihívások széles körét kezelje. A könyvben minden egyes koncepció szigorú szimbolikus megfogalmazást tartalmaz, amelyhez számítási algoritmusok és teljes, végponttól végpontig tartó csővezeték protokollok kapcsolódnak, amelyeket funkcionális R elektronikus markdown jegyzetfüzetként valósítanak meg. Ezek a munkafolyamatok támogatják az aktív tanulást, és átfogó adatmanipulációkat, interaktív vizualizációt és kifinomult analitikát mutatnak be. A tartalom tartalmazza a nyitott problémákat, a legkorszerűbb tudományos ismereteket, a heterogén tudományos eszközök etikus integrációját, valamint a reprodukálható kutatási eredmények szisztematikus validálására és terjesztésére szolgáló eljárásokat.

Az összetett strukturált és strukturálatlan adatok hatalmas mennyiségének kezelésével, lekérdezésével és megértésével kapcsolatos óriási kihívások mellett egyedülálló lehetőségek is rejlenek, amelyek a funkciókban gazdag, nagy dimenziójú és időben változó információkhoz való hozzáféréssel járnak. Az Adattudomány és prediktív analitika témakörei konkrét tudásbeli hiányosságokkal foglalkoznak, feloldják az oktatási akadályokat, és enyhítik a munkaerő információs felkészültségének és az adattudomány hiányosságait. Konkrétan olyan transzdiszciplináris tananyagot nyújt, amely integrálja az alapvető matematikai alapelveket, a modern számítási módszereket, a fejlett adattudományi technikákat, a modellalapú gépi tanulást, a modellmentes mesterséges intelligenciát és az innovatív orvosbiológiai alkalmazásokat. A könyv tizennégy fejezete bevezetéssel kezdődik, és fokozatosan építi fel az alapismereteket a vizualizációtól a lineáris modellezésig, a dimenziócsökkentésig, a felügyelt osztályozásig, a fekete dobozos gépi tanulási technikákig, a kvalitatív tanulási módszerekig, a felügyelet nélküli klaszterezésig, a modellteljesítmény értékeléséig, a jellemzőválasztási stratégiákig, a longitudinális adatelemzésig, az optimalizálásig, a neurális hálózatokig és a mélytanulásig. A könyv második kiadása további tanulási alapú stratégiákat tartalmaz, amelyek a generatív adverzális hálózatokat, a transzfer tanulást és a szintetikus adatok generálását használják, valamint nyolc kiegészítő elektronikus mellékletet.

Ez a tankönyv alkalmas formális, didaktikus, oktató által vezetett tanfolyami oktatásra, valamint egyéni vagy csoportos önképzésre. Az anyag felsőfokú és egyetemi szintű főiskolai kurzusokon kerül bemutatásra, és kiterjed az alkalmazott és interdiszciplináris matematikára, a kortárs tanulási alapú adattudományi technikákra, a számítási algoritmusok fejlesztésére, az optimalizálás elméletére, a statisztikai számításokra és az orvosbiológiai tudományokra. A könyvben leírt analitikai technikák és prediktív tudományos módszerek az olvasók széles köre, a formális és informális tanulók, a főiskolai oktatók, kutatók és mérnökök számára lehetnek hasznosak az akadémiai, ipari, kormányzati, szabályozási, finanszírozási és politikai ügynökségek széles körében. A könyvet támogató weboldal számos példát, adatkészletet, funkcionális szkripteket, teljes elektronikus jegyzetfüzeteket, kiterjedt mellékleteket és további anyagokat tartalmaz.