کتاب ماشین لرنینگ این مدیسین Machine Learning in Medicine - Cookbook Two

خرید کتاب ماشین لرنینگ این مدیسین Machine Learning in Medicine - Cookbook Two اثر Ton J. Cleophas از فروشگاه زبان شاپ 

خرید کتاب یادگیری ماشین در پزشکی - کتاب آشپزی دو:
چکیده فارسی
میزان بانک اطلاعاتی پزشکی هر 20 ماه یکبار دو برابر می شود و پزشکان در تحلیل آنها از دست می روند. همچنین ، تجزیه و تحلیل داده های سنتی با شناسایی متغیرها و الگوهای موجود در داده ها و داده های بزرگ با متغیرهای مواجهه / نتیجه چندگانه و قوانین تجزیه و تحلیل برای نظرسنجی ها و پرسشنامه ها ، که در حال حاضر روشهای متداول جمع آوری داده ها هستند ، مشکل است. در نتیجه تصمیمات صحیح بهداشتی مبتنی بر داده به زودی غیرممکن خواهد بود. بدیهی است ، وقت آن رسیده است که متخصصان پزشکی و بهداشت تمایلی به عدم استفاده از روشهای یادگیری ماشینی داشته باشند و این انگیزه اصلی نویسندگان برای تکمیل مجموعه ای از سه کتاب درسی با عنوان "ماشین یادگیری در پزشکی بخش اول ، دو و سه ، اسپرینگر هایدلبرگ آلمان ، 2012-2013 "، با توصیف یک روش غیر ریاضی بیش از شصت روش یادگیری ماشین ، همانطور که در نرم افزار آماری SPSS و سایر برنامه های مهم نرم افزاری موجود است ، اگرچه به خوبی پذیرفته شد. توجه داشته باشید که پزشکان و دانش آموزان غالباً وقت کافی برای خواندن کل کتابها نداشتند و درخواست کتاب کوچکی نیز داشتند ، بدون اطلاعات در زمینه و بحث های نظری و برجسته کردن جزئیات فنی. به همین دلیل ما یک کتاب آشپزی 100 صفحه ای با عنوان "یادگیری ماشین در پزشکی - کتاب آشپزی یک" تهیه کردیم. "، با مثالهای داده موجود در extras.springer.com برای ارزیابی خود و با مراجعه به متن اصلی فوق ks برای اطلاعات پس زمینه. در حال حاضر پس از اتمام این کتاب آشپزی ، متوجه شدیم که بسیاری از روشهای اساسی پوشش داده نشده است. جلد فعلی با عنوان "یادگیری ماشین در پزشکی - کتاب آشپزی دو" مکمل دوره اول است و همچنین برای ارائه دیدگاه متعادل تر از این زمینه در نظر گرفته شده است و بنابراین ، به عنوان یک ضرورت نه تنها برای پزشکان و دانشجویان بلکه برای هر یکی درگیر فرآیند و پیشرفت مراقبت های بهداشتی و درمانی است. به طور مشابه با یادگیری ماشین در پزشکی - کتاب آشپزی یک ، کار فعلی تجزیه و تحلیل گام به گام بیش از بیست روش یادگیری ماشین را شرح می دهد ، که به همین ترتیب بر اساس سه روش اصلی یادگیری ماشین انجام می شود. : روش های خوشه ای (Chaps. 1-3) روش های خطی (Chaps. 4-11) روش شناسی قوانین (Chap. 12-20) در Extas.springer.com فایل های داده نمونه ها آورده شده است ، همچنین XML (Extended Mark تا زبان) ، پرونده های SPS (نحو) و ZIP (فشرده شده) برای پیش بینی نتیجه در بیماران آینده. علاوه بر نسخه های متراکم از روش ها ، که به طور کامل در سه کتاب درسی فوق بیان شده است ، مقدماتی به SPSS Modeler (میز کار استخراج داده های SPSS) در Chaps داده می شود. 15 ، 18 ، 19 ، در حالی که روشهای آماری بهبود یافته مانند آنالیزهای مختلف خودکار و مدلهای شبیه سازی مونت کارلو در Chaps قرار دارند. 1 ، 5 ، 7 و 8. ما باید تأكید كنیم كه همه روشهای توصیف شده در عمل توسط مؤلفان با موفقیت به كار گرفته شده است ، هر دو اساتید در آمارهای كاربردی و یادگیری ماشینی در کالج جامعه دارویی اروپا در لیون فرانسه هستند. ما کار فعلی را نه تنها به عنوان یک همراه آموزش به محققان و دانشجویان توصیه می کنیم ، زیرا به واسطه آنالیزهای گام به گام فراوان ، بلکه به عنوان یک متن مقدماتی مختصر به پزشکان جادو شده که روش های جدیدی دارند نیز توصیه می شود. برای هدف دوم ، پیشینه و اطلاعات نظری با مراجعه به متن های درسی فوق جایگزین شده است ، در حالی که بخش های واحدی که به "اهداف کلی" ، "سوالات اصلی علمی" و "نتیجه گیری" می پردازند در جای خود ارائه می شود. در نهایت ، ما نشان خواهیم داد که یادگیری ماشین مدرن گاهی بهتر از آمارهای سنتی انجام می دهد. یادگیری ماشین ممکن است گزینه های کمی برای تنظیم اختلال و تعامل داشته باشد ، اما می توانید نمرات تمایل و متغیرهای تعامل تقریباً به هر روش یادگیری ماشین اضافه کنید.