Scienza dei dati e analisi predittiva: Applicazioni biomediche e sanitarie con R

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

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

Contenuto del libro:

Questo libro di testo integra importanti fondamenti matematici, efficienti algoritmi computazionali, tecniche di inferenza statistica applicate e approcci di apprendimento automatico all'avanguardia per affrontare un'ampia gamma di sfide cruciali dell'informatica biomedica, delle applicazioni di analisi sanitaria e della scienza delle decisioni. Ogni concetto del libro comprende una formulazione simbolica rigorosa abbinata ad algoritmi computazionali e a protocolli completi di pipeline end-to-end implementati come quaderni di markdown elettronici funzionali in R. Questi flussi di lavoro supportano l'apprendimento attivo e l'apprendimento di tecniche di apprendimento automatico. Questi flussi di lavoro supportano l'apprendimento attivo e dimostrano manipolazioni complete dei dati, visualizzazioni interattive e analisi sofisticate. Il contenuto include problemi aperti, conoscenze scientifiche all'avanguardia, integrazione etica di strumenti scientifici eterogenei e procedure per la convalida sistematica e la diffusione di risultati di ricerca riproducibili.

Oltre alle enormi sfide legate alla gestione, all'interrogazione e alla comprensione di enormi quantità di dati complessi, strutturati e non strutturati, vi sono opportunità uniche che derivano dall'accesso a un patrimonio di informazioni ricche di funzioni, altamente dimensionali e variabili nel tempo. Gli argomenti trattati in Data Science and Predictive Analytics affrontano specifiche lacune di conoscenza, risolvono le barriere educative e attenuano le carenze di information-readiness e data science della forza lavoro. In particolare, fornisce un curriculum transdisciplinare che integra principi matematici fondamentali, moderni metodi computazionali, tecniche avanzate di scienza dei dati, apprendimento automatico basato su modelli, intelligenza artificiale senza modelli e applicazioni biomediche innovative. I quattordici capitoli del libro iniziano con un'introduzione e costruiscono progressivamente le competenze fondamentali dalla visualizzazione alla modellazione lineare, alla riduzione della dimensionalità, alla classificazione supervisionata, alle tecniche di apprendimento automatico black-box, ai metodi di apprendimento qualitativo, al clustering non supervisionato, alla valutazione delle prestazioni dei modelli, alle strategie di selezione delle caratteristiche, all'analisi dei dati longitudinali, all'ottimizzazione, alle reti neurali e al deep learning. La seconda edizione del libro include ulteriori strategie basate sull'apprendimento che utilizzano reti generative avversarie, apprendimento per trasferimento e generazione di dati sintetici, oltre a otto appendici elettroniche complementari.

Questo libro di testo è adatto sia per corsi didattici formali guidati da un istruttore, sia per l'autoapprendimento individuale o di gruppo. Il materiale è presentato per corsi universitari di livello superiore e di laurea e copre la matematica applicata e interdisciplinare, le tecniche contemporanee di scienza dei dati basate sull'apprendimento, lo sviluppo di algoritmi computazionali, la teoria dell'ottimizzazione, il calcolo statistico e le scienze biomediche. Le tecniche analitiche e i metodi scientifici predittivi descritti nel libro possono essere utili a un'ampia gamma di lettori, studenti formali e informali, istruttori universitari, ricercatori e ingegneri in tutta l'accademia, l'industria, il governo, le agenzie di regolamentazione, finanziamento e politica. Il sito web di supporto al libro fornisce numerosi esempi, set di dati, script funzionali, quaderni elettronici completi, ampie appendici e materiali aggiuntivi.