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:
نویسندگان: Eleana Asimakopoulou (editor). Nik Bessis (editor)
سری:
ISBN (شابک) : 1799867366, 9781799867364
ناشر: Engineering Science Reference
سال نشر: 2021
تعداد صفحات: 280
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 19 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Data Science Advancements in Pandemic and Outbreak Management 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 پیشرفت های علم داده در مدیریت همه گیر و شیوع 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.
این کتاب نشان میدهد که چگونه استراتژیها و فناوریهای اطلاعاتی پیشرفته و/یا میتوانند به عنوان وسیلهای برای پیشبرد مدیریت همهگیری و شیوع بیماری از جمله بازبینی و بررسی انتقادی رویکردهای گذشته و فعلی، شناسایی شیوههای خوب و بد به کار گرفته شوند. و توسعه سازگاری بیشتر برای همه گیری ها و شیوع های آینده "--
"This book demonstrates how strategies and state-of-the-art information technologies have and/or could be applied to serve as the vehicle to advance pandemic and outbreak management including revisiting and critically reviewing past and current approaches, identifying good and bad practices and further developing adaptation for future pandemics and outbreaks"--
Title Page Copyright Page Book Series Table of Contents Detailed Table of Contents Preface Acknowledgment Section 1: Overview of Technologies for Pandemic Management Chapter 1: A Review of Technologies in Emergency Medicine and Sophisticated Collective Decision-Making in the Era of the Fight Against the Pandemic Chapter 2: Overview of IoT and Machine Learning for E-Healthcare in Pandemics and Health Crises Chapter 3: Data Analytics Epidemic Modelling and Human Dynamics Approaches for Pandemic Outbreak Section 2: Data Science Practices in Pandemic Management Chapter 4: The Importance of Big Data Metadata in Crisis Management Chapter 5: Pandemic Management With Social Media Analytics Chapter 6: Deep Learning Approaches in Pandemic and Disaster Management Chapter 7: Information Extraction From Social Media for Epidemic Models Chapter 8: Towards Combating Pandemic-Related Misinformation in Social Media Section 3: Technology-Driven Challenges and Implications in Pandemic Management Chapter 9: Ensuring Food Supply and Security During Localised Lockdowns Chapter 10: Privacy-Preserving Pandemic Monitoring Chapter 11: Strategies for Upskilling in Data Science After the COVID 19 Pandemic Compilation of References About the Contributors Index