Поиск по каталогу |
(строгое соответствие)
|
- Профессиональная
- Научно-популярная
- Художественная
- Публицистика
- Детская
- Искусство
- Хобби, семья, дом
- Спорт
- Путеводители
- Блокноты, тетради, открытки
Методы искусственного интеллекта в медицинских задачах классификации и регрессии
Бумажная
версия
версия
Автор: Халафян А. А
ISBN: 978-5-9912-1069-0
Год издания: 2023
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 352
Издательство: М.: Горячая линия – Телеком
Вид издания: Учебное пособие
Для кого: Для вузов
Цена: 9192 тг
Положить в корзину
Позиции в рубрикаторе
Отрасли знаний:Точные науки -> Информатика и программирование -> Информационные технологии -> Искусственный интеллект
Код товара: 749761
Способы доставки в город Алматы * комплектация (срок до отгрузки) не более 2 рабочих дней |
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK) |
Курьерская доставка CDEK из города Москва |
Доставка Почтой России из города Москва |
Аннотация: Издание посвящено применению методов анализа данных в медицинских исследованиях. Рассмотрено использование как традиционных многомерных методов, так и современных методов машинного обучения, являющихся составной частью искусственного интеллекта. Изложение ведется на примерах общедоступных в Интернете датасет (https://www.kaggle.com) медицинского характера, что облегчит понимание материала медиками и даст возможность читателю повторить приведенные результаты расчетов. Освещены методы машинного обучения Data Mining пакета STATISTICA: деревья решений – Общие деревья классификации и регрессии, Общие CHAD модели, Интерактивные деревья, Бустинг деревьев классификации и регрессии, Случайный лес регрессии и классификации; процедуры обучения – методы Опорных векторов, k-ближайших соседей, Байесовский классификатор; Автоматизированные нейронные сети; Кластерный анализ. Описана технология работы с мастером проектов Data Miner.
Методы машинного обучения открывают новые перспективы в создании медицинских систем поддержки принятия решений, интегрированных с искусственным интеллектом. Обработка и анализ средствами компьютерного зрения изображений, полученных рентгеновским оборудованием, томографами ускорят диагностику заболеваний, повысят ее точность. Прогностические модели, построенные на основе выявленных скрытых знаний в массивах медицинских данных, повысят качество идентификации заболеваний, оценки состояний больных, рисков, предсказаний развития и распространения заболеваний, эпидемий.
Методы машинного обучения открывают новые перспективы в создании медицинских систем поддержки принятия решений, интегрированных с искусственным интеллектом. Обработка и анализ средствами компьютерного зрения изображений, полученных рентгеновским оборудованием, томографами ускорят диагностику заболеваний, повысят ее точность. Прогностические модели, построенные на основе выявленных скрытых знаний в массивах медицинских данных, повысят качество идентификации заболеваний, оценки состояний больных, рисков, предсказаний развития и распространения заболеваний, эпидемий.