Datová věda a prediktivní analýza: Biomedicínské a zdravotnické aplikace s využitím R

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 2 hlasů.

Původní název:

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

Obsah knihy:

Tato učebnice integruje důležité matematické základy, efektivní výpočetní algoritmy, aplikované statistické inferenční techniky a nejmodernější přístupy strojového učení k řešení široké škály klíčových problémů biomedicínské informatiky, zdravotnických analytických aplikací a rozhodovacích věd. Každý koncept v knize obsahuje přísnou symbolickou formulaci spojenou s výpočetními algoritmy a kompletními end-to-end pipeline protokoly implementovanými jako funkční R elektronické markdown notebooky. Tyto pracovní postupy podporují aktivní učení a demonstrují komplexní manipulaci s daty, interaktivní vizualizace a sofistikovanou analytiku. Obsah zahrnuje otevřené problémy, nejnovější vědecké poznatky, etickou integraci heterogenních vědeckých nástrojů a postupy pro systematické ověřování a šíření reprodukovatelných výsledků výzkumu.

Vedle obrovských výzev spojených se zpracováním, prozkoumáváním a pochopením obrovského množství složitých strukturovaných i nestrukturovaných dat existují jedinečné příležitosti, které přináší přístup k velkému množství informací s bohatými funkcemi, vysokými dimenzemi a proměnlivostí v čase. Témata obsažená v knize Data Science and Predictive Analytics se zabývají specifickými znalostními mezerami, řeší překážky ve vzdělávání a zmírňují nedostatky v informační připravenosti a datové vědě pracovních sil. Konkrétně poskytuje transdisciplinární učební plán integrující základní matematické principy, moderní výpočetní metody, pokročilé techniky datové vědy, strojové učení založené na modelech, umělou inteligenci bez modelů a inovativní biomedicínské aplikace. Čtrnáct kapitol knihy začíná úvodem a postupně buduje základní dovednosti od vizualizace po lineární modelování, redukci dimenzionality, klasifikaci pod dohledem, techniky strojového učení typu black-box, metody kvalitativního učení, shlukování bez dohledu, hodnocení výkonnosti modelů, strategie výběru příznaků, analýzu longitudinálních dat, optimalizaci, neuronové sítě a hluboké učení. Druhé vydání knihy obsahuje další strategie založené na učení s využitím generativních adverzních sítí, transferového učení a generování syntetických dat, jakož i osm doplňujících elektronických příloh.

Tato učebnice je vhodná jak pro formální výuku pod vedením instruktora, tak pro individuální nebo týmové samostudium. Materiál je prezentován na úrovni vysokoškolských kurzů vyšších ročníků a absolventů a pokrývá aplikovanou a interdisciplinární matematiku, současné techniky datové vědy založené na učení, vývoj výpočetních algoritmů, teorii optimalizace, statistické výpočty a biomedicínské vědy. Analytické techniky a prediktivní vědecké metody popsané v knize mohou být užitečné pro širokou škálu čtenářů, formálních i neformálních studentů, vysokoškolských instruktorů, výzkumníků a inženýrů v celé akademické obci, průmyslu, vládě, regulačních, finančních a politických agenturách. Doprovodné webové stránky knihy poskytují mnoho příkladů, datových sad, funkčních skript, kompletních elektronických sešitů, rozsáhlých příloh a dalších materiálů.