Dátová veda a prediktívna analýza: Biomedicínske a zdravotnícke aplikácie s využitím R

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.

Pôvodný názov:

Data Science and Predictive Analytics: Biomedical and Health Applications Using R

Obsah knihy:

Táto učebnica integruje dôležité matematické základy, efektívne výpočtové algoritmy, aplikované štatistické inferenčné techniky a najmodernejšie prístupy strojového učenia na riešenie širokého spektra kľúčových úloh biomedicínskej informatiky, aplikácií zdravotníckej analytiky a rozhodovacej vedy. Každá koncepcia v knihe obsahuje prísnu symbolickú formuláciu spojenú s výpočtovými algoritmami a kompletnými end-to-end pipeline protokolmi implementovanými ako funkčné R elektronické markdown notebooky. Tieto pracovné postupy podporujú aktívne učenie a demonštrujú komplexné manipulácie s údajmi, interaktívne vizualizácie a sofistikované analýzy. Obsah zahŕňa otvorené problémy, najnovšie vedecké poznatky, etickú integráciu heterogénnych vedeckých nástrojov a postupy na systematické overovanie a šírenie reprodukovateľných výsledkov výskumu.

Okrem obrovských výziev spojených so spracovaním, skúmaním a pochopením obrovského množstva zložitých štruktúrovaných a neštruktúrovaných údajov existujú jedinečné príležitosti, ktoré sa spájajú s prístupom k množstvu informácií bohatých na funkcie, s vysokou dimenziou a meniacich sa v čase. Témy obsiahnuté v učebnici Data Science and Predictive Analytics sa zaoberajú špecifickými nedostatkami v znalostiach, riešia prekážky vo vzdelávaní a zmierňujú nedostatky v informačnej pripravenosti pracovnej sily a v oblasti dátovej vedy. Konkrétne poskytuje transdisciplinárny študijný program integrujúci základné matematické princípy, moderné výpočtové metódy, pokročilé techniky dátovej vedy, strojové učenie založené na modeloch, umelú inteligenciu bez modelov a inovatívne biomedicínske aplikácie. Štrnásť kapitol knihy začína úvodom a postupne buduje základné zručnosti od vizualizácie po lineárne modelovanie, redukciu dimenzionality, klasifikáciu pod dohľadom, techniky strojového učenia typu black-box, kvalitatívne metódy učenia, zhlukovanie bez dohľadu, hodnotenie výkonnosti modelov, stratégie výberu príznakov, analýzu longitudinálnych údajov, optimalizáciu, neurónové siete a hlboké učenie. Druhé vydanie knihy obsahuje ďalšie stratégie založené na učení využívajúce generatívne adverzné siete, transferové učenie a generovanie syntetických dát, ako aj osem doplnkových elektronických príloh.

Táto učebnica je vhodná na formálne didaktické vzdelávanie pod vedením inštruktora, ako aj na individuálne alebo tímové samoštúdium. Materiál je prezentovaný na úrovni vyšších ročníkov a vysokoškolských kurzov a pokrýva aplikovanú a interdisciplinárnu matematiku, súčasné techniky dátovej vedy založené na učení, vývoj výpočtových algoritmov, teóriu optimalizácie, štatistické výpočty a biomedicínske vedy. Analytické techniky a prediktívne vedecké metódy opísané v knihe môžu byť užitočné pre široké spektrum čitateľov, formálnych a neformálnych študentov, vysokoškolských učiteľov, výskumníkov a inžinierov v celej akadémii, priemysle, vláde, regulačných, finančných a politických agentúrach. Sprievodná webová stránka knihy poskytuje množstvo príkladov, súborov údajov, funkčných skriptov, kompletných elektronických zošitov, rozsiahlych príloh a ďalších materiálov.