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: [1st ed.] نویسندگان: Joao Alexandre Lobo Marques, Francisco Nauber Bernardo Gois, José Xavier-Neto, Simon James Fong سری: SpringerBriefs in Applied Sciences and Technology ISBN (شابک) : 9783030619121, 9783030619138 ناشر: Springer International Publishing;Springer سال نشر: 2021 تعداد صفحات: VII, 98 [103] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Predictive Models for Decision Support in the COVID-19 Crisis 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 مدلهای پیشبینی برای حمایت از تصمیمگیری در بحران COVID-19 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.
COVID-19 به عنوان مرگبارترین بیماری همه گیر قرن، بدون آمادگی به جهان ضربه زده است. دولتها و مقامات، بهعنوان رهبران و تصمیمگیرندگانی که با ویروس مبارزه میکنند، به شدت از قدرت هوش مصنوعی و مدلهای پیشبینیکننده آن برای حمایت از تصمیمگیری فوری استفاده میکنند. این کتاب مجموعهای از مدلهای پیشبینی مهمی را که در طول همهگیری استفاده میشد، نشان میدهد، و کارایی و محدودیتهای آنها را مورد بحث و مقایسه قرار میدهد.
خوانندگان هم از صنایع مراقبتهای بهداشتی و هم از دانشگاهها میتوانند بینشهای منحصربهفردی در مورد چگونگی مدلهای پیشبینی به دست آورند. طراحی و اعمال شده بر روی داده های همه گیر. این کتاب با در نظر گرفتن COVID19 به عنوان یک مطالعه موردی و نشان دادن درسهای آموخته شده، خوانندگان را قادر میسازد تا در صورت همهگیری ویروس یا همهگیری در آینده، آمادگی بهتری داشته باشند.
COVID-19 has hit the world unprepared, as the deadliest pandemic of the century. Governments and authorities, as leaders and decision makers fighting the virus, enormously tap into the power of artificial intelligence and its predictive models for urgent decision support. This book showcases a collection of important predictive models that used during the pandemic, and discusses and compares their efficacy and limitations.
Readers from both healthcare industries and academia can gain unique insights on how predictive models were designed and applied on epidemic data. Taking COVID19 as a case study and showcasing the lessons learnt, this book will enable readers to be better prepared in the event of virus epidemics or pandemics in the future.