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: 1
نویسندگان: Vishal Jain (editor). Jyotir Moy Chatterjee (editor)
سری: Learning and Analytics in Intelligent Systems
ISBN (شابک) : 3030408493, 9783030408497
ناشر: Springer Nature
سال نشر: 2020
تعداد صفحات: 418
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 مگابایت
در صورت تبدیل فایل کتاب Machine Learning With Health Care Perspective: Machine Learning and Healthcare 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 ماشینی با دیدگاه مراقبت بهداشتی: یادگیری ماشینی و مراقبت های بهداشتی 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 منحصربهفرد تکنیکهای مختلفی را معرفی میکند که برای نمایش، تقویت و توانمندسازی تحقیقات یادگیری ماشین چند رشتهای و چند نهادی در انفورماتیک مراقبتهای بهداشتی طراحی شدهاند. ارائه یک خلاصه منحصر به فرد از پارادایم های یادگیری ماشینی فعلی و در حال ظهور برای انفورماتیک مراقبت های بهداشتی، تنوع، پیچیدگی، و عمق و وسعت این حوزه چند رشته ای را منعکس می کند. علاوه بر این، تکنیکهایی را برای استفاده از یادگیری ماشین در سازمانها توصیف میکند و نحوه ارزیابی کارایی، مناسب بودن و کارایی چنین برنامههایی را توضیح میدهد. این کتاب شامل مطالعات موردی گویا، از جمله اینکه چگونه بیماری مزمن از طریق یادگیری دادههای مبتنی بر بیمار بازتعریف میشود، یک تور راهنما از الگوریتمهای یادگیری ماشین، طراحی معماری، و کاربردهای یادگیری در چالشهای مراقبتهای بهداشتی را ارائه میدهد.
This unique book introduces a variety of techniques designed to represent, enhance and empower multi-disciplinary and multi-institutional machine learning research in healthcare informatics. Providing a unique compendium of current and emerging machine learning paradigms for healthcare informatics, it reflects the diversity, complexity, and the depth and breadth of this multi-disciplinary area. Further, it describes techniques for applying machine learning within organizations and explains how to evaluate the efficacy, suitability, and efficiency of such applications. Featuring illustrative case studies, including how chronic disease is being redefined through patient-led data learning, the book offers a guided tour of machine learning algorithms, architecture design, and applications of learning in healthcare challenges.