مشخصات کتاب

Machine Learning in Medicine – A Complete Overview

ویرایش: 2 
نویسندگان: Ton J. Cleophas,  Aeilko H. Zwinderman  
سری:  
ISBN (شابک) : 9783030339708 
ناشر: Springer International Publishing 
سال نشر: 2020 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 78 مگابایت 

در صورت تبدیل فایل کتاب Machine Learning in Medicine – A Complete Overview 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 - یک مرور کلی 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 - یک مرور کلی

سلامت و مراقبت های بهداشتی کافی دیگر بدون نظارت صحیح داده ها از روش های مدرن یادگیری ماشین مانند مدل های خوشه ای، شبکه های عصبی و سایر روش های داده کاوی امکان پذیر نیست. کتاب حاضر اولین انتشار از مروری کامل بر روش‌های یادگیری ماشینی برای بخش پزشکی و سلامت است و به عنوان یک همراه آموزشی و به عنوان یک مطالعه ضروری، نه تنها برای پزشکان و دانشجویان، بلکه برای هر فردی نوشته شده است. در روند و پیشرفت سلامت و مراقبت های بهداشتی نقش دارند. در این ویرایش دوم، نویسندگان اشتباهات متنی را از ویرایش اول حذف کرده اند. همچنین جداول بهبود یافته از ویرایش اول با جداول اصلی برنامه های نرم افزاری که اعمال شده است جایگزین شده اند. زیرا برخلاف اولی ها، دومی ها بدون خطا بودند و خوانندگان بهتر با آنها آشنا بودند. هدف اصلی ویرایش اول، ارائه تجزیه و تحلیل گام به گام روش‌های جدید از نمونه‌های داده‌ها بود، اما اطلاعات پس‌زمینه و اطلاعات مربوط به بالینی ممکن است تا حدودی کم باشد. بنابراین، اکنون هر فصل شامل بخشی با عنوان "اطلاعات پس زمینه" است. یادگیری ماشین ممکن است آموزنده تر باشد و ممکن است حساسیت تست را بهتر از روش های تحلیلی سنتی ارائه دهد. در ویرایش دوم مکانی برای استفاده از یادگیری ماشین نه تنها برای تجزیه و تحلیل داده‌های بالینی مشاهده‌ای، بلکه به کارآزمایی‌های بالینی کنترل‌شده نیز در نظر گرفته شده است. بر خلاف نسخه اول، نسخه دوم دارای نقاشی های تمام رنگی است که بعد اضافی مفیدی را برای تجزیه و تحلیل داده ها ارائه می دهد. چندین روش یادگیری ماشین هنوز در نسخه اول پوشش داده نشده اند، اما امروزه اهمیت فزاینده ای دارند، در این نسخه به روز شده گنجانده شده اند، به عنوان مثال، رگرسیون دو جمله ای منفی و پواسون، تجزیه و تحلیل متعارف پراکنده، تحلیل لجستیک تعدیل شده توسط فرث، تحقیقات omics، مقادیر ویژه و بردارهای ویژه. .

توضیحاتی درمورد کتاب به خارجی

Adequate health and health care is no longer possible without proper data supervision from modern machine learning methodologies like cluster models, neural networks, and other data mining methodologies. The current book is the first publication of a complete overview of machine learning methodologies for the medical and health sector, and it was written as a training companion, and as a must-read, not only for physicians and students, but also for any one involved in the process and progress of health and health care. In this second edition the authors have removed the textual errors from the first edition. Also, the improved tables from the first edition, have been replaced with the original tables from the software programs as applied. This is, because, unlike the former, the latter were without error, and readers were better familiar with them. The main purpose of the first edition was, to provide stepwise analyses of the novel methods from data examples, but background information and clinical relevance information may have been somewhat lacking. Therefore, each chapter now contains a section entitled "Background Information". Machine learning may be more informative, and may provide better sensitivity of testing than traditional analytic methods may do. In the second edition a place has been given for the use of machine learning not only to the analysis of observational clinical data, but also to that of controlled clinical trials. Unlike the first edition, the second edition has drawings in full color providing a helpful extra dimension to the data analysis. Several machine learning methodologies not yet covered in the first edition, but increasingly important today, have been included in this updated edition, for example, negative binomial and Poisson regressions, sparse canonical analysis, Firth's bias adjusted logistic analysis, omics research, eigenvalues and eigenvectors.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Better urban services: finding the right incentives

دانلود کتاب Medieval Foundations of the Western Intellectual Tradition (Yale Intellectual History of the West Se)

دانلود کتاب Decentralized Estimation and Control for Multisensor Systems

دانلود کتاب One Shots. Five Stand-alone Scenarios (Unknown Armies Roleplaying Game)

دانلود کتاب Ganganalyse en looptraining