Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Data Science and Predictive Analytics: Biomedical and Health Applications Using R
Contenu du livre :
Ce manuel intègre des fondements mathématiques importants, des algorithmes de calcul efficaces, des techniques d'inférence statistique appliquées et des approches d'apprentissage automatique de pointe pour aborder un large éventail d'applications cruciales de l'informatique biomédicale, de l'analyse de la santé et des défis de la science de la décision. Chaque concept du livre comprend une formulation symbolique rigoureuse associée à des algorithmes de calcul et des protocoles de pipeline complets de bout en bout mis en œuvre sous forme de carnets de notes électroniques fonctionnels R markdown. Ces flux de travail soutiennent l'apprentissage actif et démontrent des manipulations de données complètes, des visualisations interactives et des analyses sophistiquées. Le contenu comprend des problèmes ouverts, des connaissances scientifiques de pointe, l'intégration éthique d'outils scientifiques hétérogènes et des procédures de validation et de diffusion systématiques de résultats de recherche reproductibles.
Outre les énormes défis liés au traitement, à l'interrogation et à la compréhension de quantités massives de données complexes structurées et non structurées, l'accès à une multitude d'informations riches en caractéristiques, hautement dimensionnelles et variables dans le temps offre des opportunités uniques. Les sujets abordés dans Science des données et analyse prédictive comblent des lacunes spécifiques en matière de connaissances, lèvent les obstacles à l'éducation et atténuent les déficiences de la main-d'œuvre en matière de préparation à l'information et de science des données. Plus précisément, il s'agit d'un programme transdisciplinaire intégrant des principes mathématiques fondamentaux, des méthodes de calcul modernes, des techniques avancées de science des données, l'apprentissage automatique basé sur des modèles, l'intelligence artificielle sans modèle et des applications biomédicales innovantes. Les quatorze chapitres du livre commencent par une introduction et développent progressivement les compétences fondamentales de la visualisation à la modélisation linéaire, la réduction de la dimensionnalité, la classification supervisée, les techniques d'apprentissage automatique en boîte noire, les méthodes d'apprentissage qualitatif, le regroupement non supervisé, l'évaluation des performances des modèles, les stratégies de sélection des caractéristiques, l'analyse des données longitudinales, l'optimisation, les réseaux neuronaux et l'apprentissage en profondeur. La deuxième édition du livre comprend des stratégies supplémentaires basées sur l'apprentissage utilisant les réseaux adversaires génératifs, l'apprentissage par transfert et la génération de données synthétiques, ainsi que huit annexes électroniques complémentaires.
Ce manuel est adapté à l'enseignement didactique guidé par un instructeur, ainsi qu'à l'auto-apprentissage individuel ou en équipe. Il couvre les mathématiques appliquées et interdisciplinaires, les techniques contemporaines de science des données basées sur l'apprentissage, le développement d'algorithmes informatiques, la théorie de l'optimisation, l'informatique statistique et les sciences biomédicales. Les techniques analytiques et les méthodes scientifiques prédictives décrites dans le livre peuvent être utiles à un large éventail de lecteurs, d'apprenants formels et informels, de professeurs d'université, de chercheurs et d'ingénieurs dans l'académie, l'industrie, le gouvernement, les agences de réglementation, de financement et de politique. Le site web du livre fournit de nombreux exemples, des ensembles de données, des scripts fonctionnels, des carnets de notes électroniques complets, des annexes détaillées et du matériel supplémentaire.
Autres informations sur le livre :
| ISBN : | 9783031174827 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
Achat:
Actuellement disponible, en stock.
