کتاب یادگیری ماشین و هوش مصنوعی در حوزه سلامت

کتاب یادگیری ماشین ، هوش مصنوعی و استفاده از بیگ دیتا در حوزه سلامت فایلی است که در این ساعت از مطلب دی ال برای دانلود قرار داده ایم.

یادگیری ماشین و هوش مصنوعی در حوزه سلامت

کتاب یادگیری ماشین ، هوش مصنوعی و استفاده از بیگ دیتا در حوزه سلامت یا با عنوان اصلی (Machine Learning and AI for Healthcare ، Big Data for Improved Health Outcomes ) در قالب ۸ فصل و در سال ۲۰۱۹ انتشار یافته است.در ادامه فهرست این کتاب را به صورت خلاصه آورده ایم.

فهرست کتاب یادگیری ماشین و هوش مصنوعی در حوزه سلامت

فصل اول: هوش مصنوعی چیست؟ (What Is Artificial Intelligence?)
فصل دوم: داده (Data)
فصل سوم: یادگیری ماشین چیست؟ (What Is Machine Learning?)
فصل چهارم: الگوریتم های یادگیری ماشین یا ماشین لرنینگ (Machine Learning Algorithms)
فصل پنجم: ارزیابی یادگیری برای هوش (Evaluating Learning for Intelligence)
فصل ششم: Ethics of Intelligenc
فصل هفتم: آینده بهداشت و درمان (Future of Healthcare)
فصل هشتم: بررسی و مطالعات موردی (Case Studies)

مباحث فصل اول ( هوش مصنوعی چیست؟ )

برخی از مباحثی که در فصل اول اورده شده است:

A Multifaceted Discipline
Examining Artificial Intelligence
What Is Machine Learning?
What Is Data Science?
Learning from Real-Time, Big Data
Applications of AI in Healthcare
Realizing the Potential of AI in Healthcare
Software

مباحث فصل دوم (داده ها ، بیگ دیتا)

برخی از مباحثی که در فصل دوم آورده شده است:

What Is Data
Types of Data
Big Data
Small Data
Metadata
Healthcare Data—Little and Big Use Cases
Evolution of Data and Its Analytics
Turning Data into Information: Using Big Data
Reasoning
How Much Data Do I Need for My Project?
Challenges of Big Data
Resistance
Policies and Governance
Fragmentation
Lack of Data Strategy
Visualization
Timeliness of Analysis
Ethics
Data and Information Governance
Deploying a Big Data Project
Big Data Tools
Conclusion

مباحث فصل سوم ( یادگیری ماشین )

برخی از مباحثی که در فصل سوم آورده شده است:

Basics
What Is Machine Learning?
How Is Machine Learning Different from Traditional Software Engineering?
Machine Learning Basics
How Machine Learning Algorithms Work
How to Perform Machine Learning

مباحث فصل چهار (الگوریتم های یادگیری ماشین )

برخی از مباحثی که در فصل چهارم آورده شده است:

Defining Your Machine Learning Project
Common Libraries for Machine Learning
Supervised Learning Algorithms
Decision trees
Ensembles
Linear Regression
Logistic Regression
SVM
Naive Bayes
kNN: k-nearest neighbor
Neural Networks
Deep Learning
Unsupervised Learning
Dimensionality Reduction Algorithms
Dimension Reduction Techniques
Natural Language Processing (NLP)
Getting Started with NLP
Preprocessing: Lexical Analysis
Syntactic Analysis
Semantic analysis
Techniques Used Within NLP
Genetic Algorithms
Best Practices and Considerations

مباحث فصل پنج ( ارزیابی یادگیری برای هوش )

برخی از مباحثی که در فصل پنجم آورده شده است:

Model Development and Workflow
Skewed Datasets, Anomalies, and Rare Data
Parameters and Hyperparameters
Tuning Hyperparameters
Hyperparameter Tuning Algorithms
Multivariate Testing

مباحث فصل ششم

برخی از مباحثی که در فصل ششم آورده شده است:

What Is Ethics?
Informed Consent
Freedom of Choice
Should a Person’s Data Consent Ever Be Overturned?
Public Understanding
Who Owns the Data?
What Can the Data Be Used For?
Privacy: Who Can See My Data?
How Will Data Affect the Future?
Optimizing Pathways Through Connectivity—Is There a Limit?
Security
Ethics of Artificial Intelligence and Machine Learning
Prediction Ethics
How Does Humanity Stay in Control of a Complex and Intelligent System?
Intelligence
Health Intelligence
Who Is Liable?
First-Time Problems
Defining Fairness
How Do Machines Affect Our Behavior and Interaction
,…

مباحث فصل هفتم

برخی از مباحثی که در فصل هفتم آورده شده است:

Shifting from Volume to Value
Evidence-Based Medicine
Personalized Medicine
Vision of the Future
Connected Medicine
Medication Adherence
Accessible Diagnostic Tests
Smart Implantables
Digital Health and Therapeutics
Education
Incentivized Wellness
AI
Virtual and Augmented Reality
Blockchain
Robots
Smart Places
Reductionism
Innovation vs. Deliberation

مباحث فصل هشتم

برخی از مباحثی که در فصل هشتم آورده شده است:

Case Study Selection
Case Study: AI for Imaging of Diabetic Foot Concerns and Prioritization of Referral for Improvements in Morbidity and Mortality
Case Study: Outcomes of a Digitally Delivered, Low-Carbohydrate, Type 2 Diabetes Self-Management Program: 1-Year Results of a Single-Arm Longitudinal Study
Case Study: Delivering A Scalable and Engaging Digital Therapy for Epilepsy
Case Study: Improving Learning Outcomes For Junior Doctors Through the Novel Use of Augmented and Virtual Reality
Case Study: Big Data, Big Impact, Big Ethics: Diagnosing Disease Risk from Patient Data
Technical Glossary

حجم : ۲٫۹۰ مگابایت
زبان: انگلیسی
تعداد صفحات : ۳۸۴ صفحه
کلمات کلیدی: کتاب یادگیری ماشین,کتاب ماشین لرنینگ,کتاب هوش مصنوعی,بیگ دیتا,یادگیری ماشین در حوزه سلامت,
رمز فایل : www.matlabdl.com