مشخصات کتاب
Deep Learning for Biomedical Data Analysis: Techniques, Approaches, and Applications
ویرایش: [1 ed.]
نویسندگان: Mourad Elloumi
سری:
ISBN (شابک) : 3030716759, 9783030716752
ناشر: Springer
سال نشر: 2021
تعداد صفحات: 365
[358]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 Mb
قیمت کتاب (تومان) : 37,000
میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 10
در صورت تبدیل فایل کتاب Deep Learning for Biomedical Data Analysis: Techniques, Approaches, and Applications 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 یادگیری عمیق برای تجزیه و تحلیل داده های زیست پزشکی: تکنیک ها، رویکردها و کاربردها 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.
توضیحاتی در مورد کتاب یادگیری عمیق برای تجزیه و تحلیل داده های زیست پزشکی: تکنیک ها، رویکردها و کاربردها
این کتاب اولین مروری بر یادگیری عمیق (DL) برای تجزیه و تحلیل
داده های زیست پزشکی است. جدیدترین تکنیک ها و رویکردها در این
زمینه را با پوشش وسیع و عمق کافی برای استفاده عملی برای حرفه
ای ها بررسی می کند. این کتاب اطلاعات اساسی و فنی کافی در مورد
این تکنیک ها، رویکردها و مشکلات مربوط به آن را بدون شلوغ کردن
ذهن خواننده ارائه می دهد. این نتایج آخرین تحقیقات در زمینه DL
برای تجزیه و تحلیل داده های زیست پزشکی را ارائه می دهد. تکنیک
ها و رویکردهای ارائه شده در این کتاب به مهم ترین و/یا
جدیدترین موضوعات مطرح شده در این زمینه می پردازد. آنها نظریه
بنیادی هوش مصنوعی (AI)، یادگیری ماشینی (ML) و DL را با
کاربردهای عملی در زیست شناسی و پزشکی ترکیب می کنند. مطمئناً
فهرست موضوعات مطرح شده در این کتاب جامع نیست، اما این عناوین
مفاهیم تکنیک ها و رویکردهای ارائه شده را در سایر موضوعات در
تجزیه و تحلیل داده های زیست پزشکی روشن می کند. این کتاب به
لطف DL، تعادلی بین پوشش نظری و عملی طیف گسترده ای از مسائل در
زمینه تجزیه و تحلیل داده های زیست پزشکی پیدا می کند. چند کتاب
منتشر شده در مورد DL برای تجزیه و تحلیل داده های زیست پزشکی
یا بر موضوعات خاص تمرکز دارند یا فاقد عمق فنی هستند. فصول
ارائه شده در این کتاب از نظر کیفیت و مرتبط بودن انتخاب شدند.
این کتاب همچنین آزمایشهایی را ارائه میکند که مروری کیفی و
کمی در زمینه تجزیه و تحلیل دادههای زیستپزشکی ارائه میدهد.
خواننده نیاز به آشنایی با هوش مصنوعی، ML و DL دارد و در مورد
تکنیک ها و رویکردهایی که به مهم ترین و/یا جدیدترین موضوعاتی
که در زمینه DL برای تجزیه و تحلیل داده های زیست پزشکی. او هم
مبانی پشت تکنیکها و رویکردهای DL و هم کاربردهای آنها را در
دادههای زیستپزشکی کشف خواهد کرد. این کتاب همچنین می تواند
به عنوان یک کتاب مرجع برای دوره های تحصیلات تکمیلی در
بیوانفورماتیک، هوش مصنوعی، ML و DL باشد. هدف این کتاب نه تنها
محققان و متخصصان حرفهای است، بلکه دانشجویان تحصیلات تکمیلی،
دانشجویان ارشد و محققان جوان را نیز هدف قرار میدهد. این کتاب
مطمئناً راه را به سمت تکنیک ها و رویکردهای جدید برای دستیابی
به اکتشافات جدید نشان خواهد داد.
توضیحاتی درمورد کتاب به خارجی
This book is the first overview on Deep Learning (DL) for
biomedical data analysis. It surveys the most recent
techniques and approaches in this field, with both a broad
coverage and enough depth to be of practical use to working
professionals. This book offers enough fundamental and
technical information on these techniques, approaches and the
related problems without overcrowding the reader's head. It
presents the results of the latest investigations in the
field of DL for biomedical data analysis. The techniques and
approaches presented in this book deal with the most
important and/or the newest topics encountered in this field.
They combine fundamental theory of Artificial Intelligence
(AI), Machine Learning (ML) and DL with practical
applications in Biology and Medicine. Certainly, the list of
topics covered in this book is not exhaustive but these
topics will shed light on the implications of the presented
techniques and approaches on other topics in biomedical data
analysis. The book finds a balance between theoretical and
practical coverage of a wide range of issues in the field of
biomedical data analysis, thanks to DL. The few published
books on DL for biomedical data analysis either focus on
specific topics or lack technical depth. The chapters
presented in this book were selected for quality and
relevance. The book also presents experiments that provide
qualitative and quantitative overviews in the field of
biomedical data analysis.
The reader will require some familiarity with AI, ML and DL
and will learn about techniques and approaches that deal with
the most important and/or the newest topics encountered in
the field of DL for biomedical data analysis. He/she will
discover both the fundamentals behind DL techniques and
approaches, and their applications on biomedical data. This
book can also serve as a reference book for graduate courses
in Bioinformatics, AI, ML and DL. The book aims not only at
professional researchers and practitioners but also graduate
students, senior undergraduate students and young
researchers. This book will certainly show the way to new
techniques and approaches to make new discoveries.
نظرات کاربران