دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: ریاضیات محاسباتی ویرایش: نویسندگان: L. Pachter, B. Sturmfels سری: ISBN (شابک) : 9780521857000, 0521857007 ناشر: Cambridge University Press سال نشر: 2005 تعداد صفحات: 432 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Algebraic Statistics for Computational Biology به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب آمار جبری برای زیست شناسی محاسباتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
تجزیه و تحلیل کمی داده های توالی بیولوژیکی بر اساس روش های آمار همراه با الگوریتم های کارآمد از علوم کامپیوتر است. جبر چارچوبی برای متحد کردن بسیاری از تکنیک های به ظاهر متفاوت مورد استفاده توسط زیست شناسان محاسباتی فراهم می کند. این کتاب مقدمه ای بر این چارچوب ریاضی ارائه می دهد و ابزارهایی را از جبر محاسباتی برای طراحی الگوریتم های جدید برای نتایج دقیق و دقیق توصیف می کند. این الگوریتمها را میتوان برای مشکلات بیولوژیکی مانند همترازی ژنومها، یافتن ژنها و ساخت فیلوژنی به کار برد. به عنوان اولین کتاب در حوزه هیجان انگیز و پویا، به عنوان متنی برای خودآموزی یا برای دوره های کارشناسی ارشد و دوره های ابتدایی کارشناسی ارشد مورد استقبال قرار خواهد گرفت.
The quantitative analysis of biological sequence data is based on methods from statistics coupled with efficient algorithms from computer science. Algebra provides a framework for unifying many of the seemingly disparate techniques used by computational biologists. This book offers an introduction to this mathematical framework and describes tools from computational algebra for designing new algorithms for exact, accurate results. These algorithms can be applied to biological problems such as aligning genomes, finding genes and constructing phylogenies. As the first book in the exciting and dynamic area, it will be welcomed as a text for self-study or for advanced undergraduate and beginning graduate courses.