ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Machine Learning in Medicine

دانلود کتاب یادگیری ماشین در پزشکی

Machine Learning in Medicine

مشخصات کتاب

Machine Learning in Medicine

ویرایش:  
نویسندگان: ,   
سری:  
ISBN (شابک) : 9789400778696, 9789400778689 
ناشر: Springer Netherlands 
سال نشر:  
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 44,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


در صورت تبدیل فایل کتاب Machine Learning in Medicine 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 در پزشکی 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 ماشین در پزشکی

یادگیری ماشینی به تجزیه و تحلیل داده های بزرگ و متغیرهای متعدد مربوط می شود. همچنین اغلب نسبت به روش های آماری سنتی برای تجزیه و تحلیل داده های کوچک حساس تر است. جلد اول و دوم موضوعاتی مانند مقیاس بندی بهینه، شبکه های عصبی، تحلیل عاملی، حداقل مربعات جزئی، تجزیه و تحلیل متمایز، تحلیل متعارف، مدل سازی فازی، مدل های مختلف خوشه بندی، ماشین های بردار پشتیبان، شبکه های بیزی، تجزیه و تحلیل موجک گسسته، یادگیری قوانین تداعی، ناهنجاری را بررسی می کند. تشخیص و تجزیه و تحلیل مکاتبات این جلد سوم به روش‌های پیشرفته‌تر می‌پردازد و شامل موضوعاتی مانند برنامه‌ریزی تکاملی، روش‌های تصادفی، نمونه‌برداری پیچیده، باینینگ اختیاری، روش‌های نیوتن، درخت‌های تصمیم‌گیری و موضوعات دیگر است. هم مبانی نظری و هم تحلیل های گام به گام برای استفاده خوانندگان غیر ریاضی شرح داده شده است. هر فصل را می توان بدون نیاز به مشورت با فصل های دیگر مطالعه کرد. تست‌های آماری سنتی، گاهی اوقات، مقدم بر روش‌های یادگیری ماشین هستند، و همچنین، گاهی اوقات به عنوان آزمون‌های کنتراست استفاده می‌شوند. به کسانی که مایل به کسب اطلاعات بیشتر در مورد آنها هستند، توصیه می کنیم (1) آمارهای کاربردی در مطالعات بالینی ویرایش پنجم 2012، (2) SPSS برای شروع بخش اول و دوم 2012، و (3) تجزیه و تحلیل آماری داده های بالینی را مطالعه کنند. ماشین حساب جیبی قسمت اول و دوم 2012، نوشته شده توسط همان نویسندگان، و ویرایش شده توسط Springer، نیویورک.


توضیحاتی درمورد کتاب به خارجی

Machine learning is concerned with the analysis of large data and multiple variables. It is also often more sensitive than traditional statistical methods to analyze small data. The first and second volumes reviewed subjects like optimal scaling, neural networks, factor analysis, partial least squares, discriminant analysis, canonical analysis, fuzzy modeling, various clustering models, support vector machines, Bayesian networks, discrete wavelet analysis, association rule learning, anomaly detection, and correspondence analysis. This third volume addresses more advanced methods and includes subjects like evolutionary programming, stochastic methods, complex sampling, optional binning, Newton's methods, decision trees, and other subjects. Both the theoretical bases and the step by step analyses are described for the benefit of non-mathematical readers. Each chapter can be studied without the need to consult other chapters. Traditional statistical tests are, sometimes, priors to machine learning methods, and they are also, sometimes, used as contrast tests. To those wishing to obtain more knowledge of them, we recommend to additionally study (1) Statistics Applied to Clinical Studies 5th Edition 2012, (2) SPSS for Starters Part One and Two 2012, and (3) Statistical Analysis of Clinical Data on a Pocket Calculator Part One and Two 2012, written by the same authors, and edited by Springer, New York.



فهرست مطالب

Front Matter....Pages i-xix
Introduction to Machine Learning in Medicine Part Three....Pages 1-9
Evolutionary Operations....Pages 11-18
Multiple Treatments....Pages 19-28
Multiple Endpoints....Pages 29-36
Optimal Binning....Pages 37-46
Exact P-Values and Their Interpretation....Pages 47-61
Probit Regression....Pages 63-68
Over-Dispersion....Pages 69-79
Random Effects....Pages 81-94
Weighted Least Squares....Pages 95-103
Multiple Response Sets....Pages 105-113
Complex Samples....Pages 115-125
Runs Test....Pages 127-135
Decision Trees....Pages 137-150
Spectral Plots....Pages 151-160
Newton’s Methods....Pages 161-172
Stochastic Processes: Stationary Markov Chains....Pages 173-181
Stochastic Processes: Absorbing Markov Chains....Pages 183-193
Conjoint Analysis....Pages 195-203
Machine Learning and Unsolved Questions....Pages 205-214
Back Matter....Pages 215-224




نظرات کاربران