توضیحات
Unique features of the book involve the following.
1.This book is the third volume of a three volume series of cookbooks entitled ‘Machine Learning in Medicine – Cookbooks One, Two, and Three’. No other self-assessment works for the medical and health care community covering the field of machine learning have been published to date.
2. Each chapter of the book can be studied without the need to consult other chapters, and can, for the readership’s convenience, be downloaded from the internet. Self-assessment examples are available at extras.springer.com.
3. An adequate command of machine learning methodologies is a requirement for physicians and other health workers, particularly now, because the amount of medical computer data files currently doubles every 20 months, and, because, soon, it will be impossible for them to take proper data-based health decisions without the help of machine learning.
4. Given the importance of knowledge of machine learning in the medical and health care community, and the current lack of knowledge of it, the readership will consist of any physician and health worker.
5. The book was written in a simple language in order to enhance readability not only for the advanced but also for the novices.
6. The book is multipurpose, it is an introduction for ignorant, a primer for the inexperienced, and a self-assessment handbook for the advanced.
7. The book, was, particularly, written for jaded physicians and any other health care professionals lacking time to read the entire series of three textbooks.
8. Like the other two cookbooks it contains technical descriptions and self-assessment examples of 20 important computer methodologies for medical data analysis, and it, largely, skips the theoretical and mathematical background.
9. Information of theoretical and mathematical background of the methods described are displayed in a ‘notes’ section at the end of each chapter.
10.Unlike traditional statistical methods, the machine learning methodologies are able to analyze big data including thousands of cases and hundreds of variables.
11. The medical and health care community is little aware of the multidimensional nature of current medical data files, and experimental clinical studies are not helpful to that aim either, because these studies, usually, assume that subgroup characteristics are unimportant, as long as the study is randomized. This is, of course, untrue, because any subgroup characteristic may be vital to an individual at risk.
12. To date, except for a three volume introductary series on the subject entitled ‘Machine Learning in Medicine Part One, Two, and Thee, 2013, Springer Heidelberg Germany’ from the same authors, and the current cookbook series, no books on machine learning in medicine have been published.
13. Another unique feature of the cookbooks is that it was jointly written by two authors from different disciplines, one being a clinician/clinical pharmacologist, one being a mathematician/biostatistician.
14. The authors have also jointly been teaching at universities and institutions throughout Europe and the USA for the past 20 years.
15. The authors have managed to cover the field of medical data analysis in a nonmathematical way for the benefit of medical and health workers.
16. The authors already successfully published many statistics textbooks and self-assessment books, e.g., the 67 chapter textbook entitled ‘Statistics Applied to Clinical Studies 5th Edition, 2012, Springer Heidelberg Germany’ with downloads of 62,826 copies.
17. The current cookbook makes use, in addition to SPSS statistical software, of various free calculators from the internet, as well as the Konstanz Information Miner (Knime), a widely approved free machine learning package, and the free Weka Data Mining package from New Zealand.
18. The above software packages with hundreds of nodes, the basic processing units including virtually all of the statistical and data mining methods, can be used not only for data analyses, but also for appropriate data storage.
19. The current cookbook shows, particularly, for those with little affinity to value tables, that data mining in the form of a visualization process is very well feasible, and often more revealing than traditional statistics.
20.The Knime and Weka data miners uses widely available excel data files.
21. In current clinical research prospective cohort studies are increasingly replacing the costly controlled clinical trials, and modern machine learning methodologies like probit and tobit regressions as well as neural networks, Bayesian networks, and support vector machines prove to better fit their analysis than traditional statistical methods do.
22. The current cookbook not only includes concise descriptions of standard machine learning methods, but also of more recent methods like the linear machine learning models using ordinal and loglinear regression.
23. Machine learning tends to increasingly use evolutionary operation methodologies. Also this subject has been covered.
24. All of the methods described have been applied in the authors’ own research prior to this publication.
————————————————————–
ترجمه ماشینی :
ویژگیهای منحصر به فرد کتاب شامل موارد زیر است.
1. این کتاب جلد سوم از مجموعه سه جلدی کتابهای آشپزی با عنوان «یادگیری ماشینی در پزشکی – کتابهای آشپزی یک، دو و سه’. هیچ اثر خودارزیابی دیگری برای جامعه پزشکی و مراقبت های بهداشتی که حوزه یادگیری ماشین را پوشش می دهد تا به امروز منتشر نشده است.
2. هر فصل از کتاب را می توان بدون نیاز به مراجعه به فصل های دیگر مطالعه کرد و برای راحتی خوانندگان می توان آن را از اینترنت دانلود کرد. نمونه های خودارزیابی در extras.springer.com موجود است.
3. تسلط کافی بر روشهای یادگیری ماشین برای پزشکان و سایر کارکنان بهداشتی، به ویژه در حال حاضر، الزامی است، زیرا در حال حاضر تعداد فایلهای دادههای رایانه پزشکی هر 20 ماه دو برابر میشود، و بهزودی، گرفتن دادههای مناسب برای آنها غیرممکن خواهد بود. تصمیمات بهداشتی مبتنی بر بدون کمک یادگیری ماشینی.
4. با توجه به اهمیت دانش یادگیری ماشینی در جامعه پزشکی و مراقبتهای بهداشتی و عدم آگاهی فعلی از آن، خوانندگان را هر پزشک و کارمند بهداشتی تشکیل میدهد.
5. این کتاب به زبانی ساده نوشته شده است تا خوانایی را نه تنها برای افراد پیشرفته بلکه برای تازه کارها افزایش دهد.
6. کتاب چندمنظوره است، مقدمه ای برای نادانان، آغازگری برای افراد کم تجربه و کتاب راهنمای خودارزیابی برای افراد پیشرفته.
7. این کتاب، به ویژه، برای پزشکان خسته و سایر متخصصان مراقبت های بهداشتی که وقت کافی برای خواندن کل مجموعه سه کتاب درسی ندارند، نوشته شده است.
8. مانند دو کتاب آشپزی دیگر، این کتاب حاوی توضیحات فنی و نمونههای خودارزیابی 20 روش مهم رایانهای برای تجزیه و تحلیل دادههای پزشکی است و تا حد زیادی از پیشزمینه نظری و ریاضی صرف نظر میکند.
9. اطلاعات پیشزمینه نظری و ریاضی روشهای توصیفشده در بخش «یادداشتها» در پایان هر فصل نمایش داده میشود.
10. برخلاف روشهای آماری سنتی، روشهای یادگیری ماشینی قادر به تجزیه و تحلیل دادههای بزرگ از جمله دادههای بزرگ هستند. هزاران مورد و صدها متغیر.
11. جامعه پزشکی و مراقبت های بهداشتی از ماهیت چند بعدی پرونده های داده های پزشکی فعلی آگاهی کمی دارند و مطالعات بالینی تجربی نیز برای این هدف مفید نیستند، زیرا این مطالعات، معمولاً فرض می کنند که ویژگی های زیرگروه ها بی اهمیت هستند، تا زمانی که مطالعه انجام شده باشد. تصادفی. این البته نادرست است، زیرا هر ویژگی زیرگروهی ممکن است برای فردی در معرض خطر حیاتی باشد.
12. تا به امروز، به جز یک مجموعه مقدماتی سه جلدی در مورد این موضوع با عنوان “یادگیری ماشین در پزشکی قسمت اول، دوم و تو، 2013، اسپرینگر هایدلبرگ آلمان” از همان نویسندگان، و سری کتاب های آشپزی فعلی، هیچ کتابی در مورد یادگیری ماشین در دارو منتشر شده است.
13. یکی دیگر از ویژگیهای منحصربهفرد کتابهای آشپزی این است که به طور مشترک توسط دو نویسنده از رشتههای مختلف نوشته شده است، یکی پزشک بالینی/فارماکولوژیست بالینی، یکی ریاضیدان/آمار زیستشناس.
14. نویسندگان همچنین در 20 سال گذشته به طور مشترک در دانشگاه ها و مؤسسات سراسر اروپا و ایالات متحده تدریس کرده اند.
15. نویسندگان موفق شده اند حوزه تجزیه و تحلیل داده های پزشکی را به روشی غیر ریاضی به نفع کارکنان پزشکی و بهداشت پوشش دهند.
16. نویسندگان قبلاً بسیاری از کتابهای آماری و کتابهای خودارزیابی را با موفقیت منتشر کردهاند، بهعنوان مثال، کتاب درسی 67 فصلی با عنوان “آمار کاربردی در مطالعات بالینی ویرایش پنجم، 2012، Springer Heidelberg Germany” با دانلود 62826 نسخه.
17. . کتاب آشپزی فعلی علاوه بر نرمافزار آماری SPSS، از ماشینحسابهای رایگان مختلف از اینترنت، و همچنین Konstanz Information Miner (Knime)، یک بسته یادگیری ماشین رایگان به طور گسترده مورد تایید، و بسته رایگان Weka Data Mining از نیوزیلند استفاده میکند. .
18. بستههای نرمافزاری فوق با صدها گره، واحدهای پردازش اولیه شامل تقریباً تمام روشهای آماری و دادهکاوی، نه تنها برای تجزیه و تحلیل دادهها، بلکه برای ذخیرهسازی مناسب دادهها نیز قابل استفاده هستند.
19. کتاب آشپزی فعلی، به ویژه برای کسانی که تمایل کمی به جداول ارزش دارند، نشان میدهد که دادهکاوی در قالب یک فرآیند تجسم به خوبی امکانپذیر است، و اغلب آشکارتر از آمارهای سنتی است.
20. The Knime. و Weka data miners از فایل های داده اکسل به طور گسترده در دسترس استفاده می کنند.
21. در تحقیقات بالینی کنونی، مطالعات همگروهی آیندهنگر به طور فزایندهای جایگزین آزمایشهای بالینی پرهزینه و کنترلشده میشوند، و روشهای یادگیری ماشین مدرن مانند رگرسیونهای probit و tobit و همچنین شبکههای عصبی،
tag : دانلود کتاب یادگیری ماشینی در پزشکی – کتاب آشپزی سوم , Download یادگیری ماشینی در پزشکی – کتاب آشپزی سوم , دانلود یادگیری ماشینی در پزشکی – کتاب آشپزی سوم , Download Machine Learning in Medicine – Cookbook Three Book , یادگیری ماشینی در پزشکی – کتاب آشپزی سوم دانلود , buy یادگیری ماشینی در پزشکی – کتاب آشپزی سوم , خرید کتاب یادگیری ماشینی در پزشکی – کتاب آشپزی سوم , دانلود کتاب Machine Learning in Medicine – Cookbook Three , کتاب Machine Learning in Medicine – Cookbook Three , دانلود Machine Learning in Medicine – Cookbook Three , خرید Machine Learning in Medicine – Cookbook Three , خرید کتاب Machine Learning in Medicine – Cookbook Three ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.