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: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Manikant Roy. Lovi Raj Gupta سری: ISBN (شابک) : 1799871886, 9781799871880 ناشر: Medical Information Science Reference سال نشر: 2021 تعداد صفحات: 259 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب Machine Learning and Data Analytics for Predicting, Managing, and Monitoring Disease 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 ماشین و تجزیه و تحلیل داده ها برای پیش بینی، مدیریت و پایش بیماری 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.
تحلیل دادهها ثابت میکند که متحدی برای اپیدمیولوژیستها است، زیرا آنها با دانشمندان داده برای رسیدگی به مقیاس بحرانها متحد میشوند. تجزیه و تحلیلهایی که از منابع بسیاری مورد بررسی قرار میگیرند میتوانند بینشهایی به دست آورند و برای مطالعه و مبارزه با شیوع جهانی مورد استفاده قرار گیرند. تجزیه و تحلیل همه گیر یک روش مدرن برای مبارزه با مشکلی به قدمت خود بشریت است: گسترش بیماری. یادگیری ماشین و تجزیه و تحلیل داده ها برای پیش بینی، مدیریت و پایش بیماری انواع مختلف داده ها را بررسی می کند و نحوه آماده سازی داده ها برای تجزیه و تحلیل، انجام تجزیه و تحلیل های آماری ساده، ایجاد تجسم داده های معنی دار، پیش بینی روندهای آینده از داده ها و موارد دیگر را با به کارگیری فناوری پیشرفته مورد بحث قرار می دهد. مانند یادگیری ماشینی و تجزیه و تحلیل داده ها در پی همه گیری COVID-19. با پوشش طیف وسیعی از موضوعات مانند تجزیه و تحلیل سلامت روان در طول COVID-19، تجزیه و تحلیل داده ها و یادگیری ماشین با استفاده از Python، و توسعه و استقرار مدل آماری، برای محققان، دانشگاهیان، دانشمندان داده، فناوران، تحلیلگران داده، متخصصان تشخیص، متخصصان مراقبت های بهداشتی ایده آل است. ، دانشمندان کامپیوتر و دانشجویان.
Data analytics is proving to be an ally for epidemiologists as they join forces with data scientists to address the scale of crises. Analytics examined from many sources can derive insights and be used to study and fight global outbreaks. Pandemic analytics is a modern way to combat a problem as old as humanity itself: the proliferation of disease. Machine Learning and Data Analytics for Predicting, Managing, and Monitoring Disease explores different types of data and discusses how to prepare data for analysis, perform simple statistical analyses, create meaningful data visualizations, predict future trends from data, and more by applying cutting edge technology such as machine learning and data analytics in the wake of the COVID-19 pandemic. Covering a range of topics such as mental health analytics during COVID-19, data analysis and machine learning using Python, and statistical model development and deployment, it is ideal for researchers, academicians, data scientists, technologists, data analysts, diagnosticians, healthcare professionals, computer scientists, and students.
Cover Title Page Copyright Page Book Series Editorial Advisory Board Table of Contents Detailed Table of Contents Preface Acknowledgment Chapter 1: Prediction of Neurological Disorders Using Visual Saliency Chapter 2: An Exploratory Analysis and Predictive SIR Model for the Early Onset of COVID-19 in Tamil Nadu, India Chapter 3: Predicting Daily Confirmed COVID-19 Cases in India Chapter 4: A Study on COVID-19 Prediction and Detection With Artificial Intelligence-Based Real-Time Healthcare Monitoring Systems Chapter 5: Landmark Recognition Using Ensemble-Based Machine Learning Models Chapter 6: Image Classification Using Deep Neural Networks Chapter 7: Pandemic Management Using Artificial Intelligence-Based Safety Measures Chapter 8: Text Mining and Natural Language Processing for Health Informatics Chapter 9: Plant Disease Detection Using Machine Learning Approaches Chapter 10: Image Pre-Processing and Paddy Pests Detection Using Tensorflow Chapter 11: Deep Learning Models for Detection and Diagnosis of Alzheimer's Disease Chapter 12: Data Analytics to Predict, Detect, and Monitor Chronic Autoimmune Diseases Using Machine Learning Algorithms Chapter 13: Criticality of E-Privacy and Data Leakage Amid the Pandemic Chapter 14: Designing a Real-Time Dashboard for Pandemic Management Chapter 15: Corona Compilation of References About the Contributors Index