Gépi tanulás egészségügyi alkalmazásokhoz

Gépi tanulás egészségügyi alkalmazásokhoz (Nandan Mohanty Sachi)

Eredeti címe:

Machine Learning for Healthcare Applications

Könyv tartalma:

Amikor a gépi tanulás egészségügyi felhasználásának gondolatát vizsgáljuk, az intelligens rendszerek területén az információk teljes skáláját bemutatni herkulesi feladat. Ezért e könyv célja, hogy a bemutatás szűk és intenzív legyen. Ez a megközelítés abban különbözik a többitől, hogy minden bemutatott modellhez részletes számítógépes szimulációkat mutat be a programkód magyarázatával együtt. Egyedi és megkülönböztető fejezeteket tartalmaz a betegségdiagnosztikáról, a telemedicináról, az orvosi képalkotásról, az intelligens egészségmegfigyelésről, a közösségi médiás egészségügyről és a COVID-19 gépi tanulásról. Ezek a fejezetek segítenek az algoritmus működésének világos megértésében, miközben erősítik a logikus gondolkodást. Ebben a környezetben egyetlen kérdés megválaszolásához több adatforráshoz is hozzá kell férni, és kifinomult elemzőeszközöket kell igénybe venni. Bár az adatintegráció dinamikus kutatási terület az adatbázis-közösségben, a kutatás sajátos igényei számos olyan köztes szoftverrendszer kifejlesztéséhez vezettek, amelyek zökkenőmentes adathozzáférést biztosítanak eredményvezérelt környezetben.

Mivel a könyv célja, hogy a széles közönség számára hasznos legyen, a hallgatók, kutatók és tudósok mind a felsőoktatásban, mind az iparban hasznát vehetik ennek az anyagnak. A könyv átfogó leírást tartalmaz az egészségügyi adatkezeléssel kapcsolatos kérdésekről és áttekintést nyújt a meglévő rendszerekről, így alkalmas bevezető és oktató célokra. Az előfeltételek minimálisak; az olvasóktól elvárható, hogy rendelkezzenek alapvető ismeretekkel a gépi tanulásról.

A könyv 22 valós idejű, innovatív fejezetre tagolódik, amelyek számos alkalmazási példát mutatnak be különböző területeken. Ezek a fejezetek bemutatják, hogy a hagyományos megközelítések miért nem felelnek meg gyakran az ügyfelek igényeinek. A bemutatott megközelítések átfogó áttekintést nyújtanak a jelenlegi technológiáról. A fejezetek mindegyike, amelyeket a bemutatott rendszerek fő feltalálói írtak, meghatározza a követelményeket, és leírást ad mind a választott megközelítésről, mind annak megvalósításáról. A fejezetek önálló jellege miatt tetszőleges sorrendben olvashatók. Az egyes fejezetek különböző szakkifejezéseket használnak, amelyek a gépi tanulás és az informatika területén szerzett szakértelmet igényelnek.

A könyv egyéb adatai:

ISBN:9781119791812
Szerző:
Kiadó:
Nyelv:angol
Kötés:Keményfedeles
A kiadás éve:2021
Oldalak száma:416

Vásárlás:

Jelenleg kapható, készleten van.

A szerző további könyvei:

Érzelmek és információfeldolgozás: Gyakorlati megközelítés - Emotion and Information Processing: A...
Ez a könyv tizenhárom fejezetből áll, amelyek...
Érzelmek és információfeldolgozás: Gyakorlati megközelítés - Emotion and Information Processing: A Practical Approach
Az algoritmusok tervezésének művészete - The Art of Algorithm Design
Az algoritmustervezés művészete az algoritmustervezésről szóló összes könyv kiegészítő...
Az algoritmusok tervezésének művészete - The Art of Algorithm Design
Gépi tanulás egészségügyi alkalmazásokhoz - Machine Learning for Healthcare Applications
Amikor a gépi tanulás egészségügyi felhasználásának gondolatát...
Gépi tanulás egészségügyi alkalmazásokhoz - Machine Learning for Healthcare Applications
Ajánlórendszer gépi tanulással és mesterséges intelligenciával: Gyakorlati eszközök és alkalmazások...
Ez a könyv egy multidiszciplináris erőfeszítés,...
Ajánlórendszer gépi tanulással és mesterséges intelligenciával: Gyakorlati eszközök és alkalmazások az orvosi, mezőgazdasági és egyéb iparágakban - Recommender System with Machine Learning and Artificial Intelligence: Practical Tools and Applications in Medical, Agricultural and Other Industries

A szerző munkáit az alábbi kiadók adták ki:

© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)