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
ویرایش: [1st ed.]
نویسندگان: Olaf Dammann. Benjamin Smart
سری:
ISBN (شابک) : 9783319963068, 9783319963075
ناشر: Springer International Publishing
سال نشر: 2019
تعداد صفحات: IX, 134
[139]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Causation in Population Health Informatics and Data Science 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 علیت در انفورماتیک سلامت جمعیت و علم داده 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.
متن بازاریابی: این کتاب همپوشانی بین انفورماتیک، علوم کامپیوتر، فلسفه علیت و استنتاج علی در تحقیقات اپیدمیولوژی و سلامت جمعیت را پوشش می دهد. مفاهیم کلیدی تحت پوشش شامل نحوه تولید و تفسیر داده ها، و اینکه چگونه و چرا مفاهیم در انفورماتیک سلامت و فلسفه علم باید در یک رویکرد تفکر سیستمی ادغام شوند، هستند. علاوه بر این، یک معرفت شناسی رسمی برای علوم بهداشتی و بهداشت عمومی پیشنهاد شده است.
علت در انفورماتیک سلامت جمعیت و علوم دادهراهنمای مفصلی
از آخرین تفکر در مورد استنتاج علی در جمعیت ارائه می دهد.
انفورماتیک سلامت بنابراین، این یک منبع حیاتی برای همه
انفورماتیکان و اپیدمیولوژیست هایی است که علاقه مند به مزایای
بالقوه استفاده از رویکرد مبتنی بر سیستم برای استنتاج علی در
انفورماتیک سلامت هستند.
Marketing text: This book covers the overlap between informatics, computer science, philosophy of causation, and causal inference in epidemiology and population health research. Key concepts covered include how data are generated and interpreted, and how and why concepts in health informatics and the philosophy of science should be integrated in a systems-thinking approach. Furthermore, a formal epistemology for the health sciences and public health is suggested.
Causation in Population Health Informatics and Data
Science provides a detailed guide of the latest thinking
on causal inference in population health informatics. It is
therefore a critical resource for all informaticians and
epidemiologists interested in the potential benefits of
utilising a systems-based approach to causal inference in
health informatics.