علم داده برای کووید-۱۹، جلد ۱ ۲۰۲۱
Data Science for COVID-19 Volume 1 2021
دانلود کتاب علم داده برای کووید-۱۹، جلد ۱ ۲۰۲۱ (Data Science for COVID-19 Volume 1 2021) با لینک مستقیم و فرمت pdf (پی دی اف) و ترجمه فارسی
| نویسنده |
Utku Kose, Deepak Gupta, Victor Hugo Costa de Albuquerque, Ashish Khanna |
|---|
ناشر:
Academic Press
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2021 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
752 |
| نوع فایل |
|
| حجم |
17.2 MB |
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
🏷️
378,000 تومان
قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود.
298,000 تومان
قیمت فعلی: ۲۹۸٬۰۰۰ تومان.
📥 دانلود نسخهی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمهی فارسی با هوش مصنوعی
🔗 مشاهده جزئیات
دانلود مستقیم PDF
ارسال فایل به ایمیل
پشتیبانی ۲۴ ساعته
توضیحات
معرفی کتاب علم داده برای کووید-۱۹، جلد ۱ ۲۰۲۱
علم داده برای COVID-19، پیشرفتهترین تحقیقات در زمینه تکنیکهای علم داده را برای تشخیص، تخفیف، درمان و حذف COVID-19 ارائه میدهد. بخشها، مقدمهای بر علم داده برای تحقیقات COVID-19، با در نظر گرفتن همهگیریهای گذشته و آینده، و همچنین تغییرات مرتبط با ویروس کرونا ارائه میکنند. فصلهای دیگر طیف گستردهای از کاربردهای علم داده در زمینه تحقیقات COVID-19، از جمله تجزیه و تحلیل تصویر و پردازش دادهها، پردازش جغرافیایی و ردیابی، سیستمهای پیشبینی، شناخت طراحی، فناوری تلفن همراه و راهکارهای پزشکی از راه دور را پوشش میدهند. در ادامه، کتاب به بررسی راهکارهای مبتنی بر هوش مصنوعی، روشهای درمانی نوین و ایمنی عمومی میپردازد. در نهایت، خوانندگان با کاربردهای کلانداده و مدلهای دادهای جدید برای کاهش اثرات این بیماری آشنا میشوند.
– بررسی پیشرفتهای از تکنیکها و روشهای علم داده برای تحقیق، تخفیف و درمان ویروس COVID-19 ارائه میدهد.
– تکنیکهای مختلف علم داده را ادغام میکند تا منبعی برای محققان و پزشکان COVID-19 در سراسر جهان، از جمله یافتههای تحقیقاتی مثبت و منفی فراهم کند.
– بینشهایی در مورد مدلسازی دادهمحور نوآورانه و تکنیکهای پیشبینی از محققان COVID-19 ارائه میدهد.
– شامل بازخورد واقعی و تجربیات کاربران از پزشکان و کادر پزشکی از سراسر جهان در مورد اثربخشی راهکارهای کاربردی علم داده است.
فهرست کتاب:
۱. علم داده برای کووید-۱۹
۲. فصل ۱ مدلهای پیشبینی برای کووید-۱۹
۳. فصل ۲ یک سیستم پشتیبانی تصمیم و مدیریت منابع مبتنی بر هوش مصنوعی برای همهگیری کووید-۱۹
۴. فصل ۳ نرمالسازی تصاویر برای بهبود تشخیص کامپیوتری کووید-۱۹ مفید است
۵. فصل ۴ تشخیص و غربالگری کووید-۱۹ از طریق رادیوگرافی توموگرافی کامپیوتری قفسه سینه با استفاده از شبکههای عصبی عمیق
۶. فصل ۵ تکامل تفاضلی برای تخمین پارامترهای مدل SEIAR با فاصلهگذاری اجتماعی پویا
۷. فصل ۶ محدودیتها و چالشها در تشخیص کووید-۱۹ با استفاده از تصاویر رادیولوژی و یادگیری عمیق
۸. فصل ۷ طبقهبندی تصویر مبتنی بر شبکه عصبی کانولوشن عمیق برای تشخیص کووید-۱۹
۹. فصل ۸ شبیهسازی پیشبینی آمار و یادگیری ماشین برای پیشبینی انضباطی و تخمین هزینه همهگیری کووید-۱۹
۱۰. فصل ۹ کاربرد یادگیری ماشین برای تشخیص کووید-۱۹
۱۱. فصل ۱۰ PwCOV در وب سرور مبتنی بر خوشه
۱۲. فصل ۱۱ تحلیل تصاویر پزشکی تحت تأثیر کووید-۱۹ با استفاده از DenserNet
۱۳. فصل ۱۲ uTakeCare
۱۴. فصل ۱۳ تشخیص کووید-۱۹ از طریق اشعه ایکس قفسه سینه با استفاده از یادگیری انتقالی با شبکههای عصبی کانولوشن عمیق
۱۵. فصل ۱۴ تحلیل احساسات مبتنی بر واژگان با استفاده از دادههای توییتر
۱۶. فصل ۱۵ هشدار بیدرنگ فاصله اجتماعی و ردیابی تماس با استفاده از پردازش تصویر
۱۷. فصل ۱۶ مدلهای یادگیری ماشینی برای پیشبینی بقا در بیماران کووید-۱۹
۱۸. فصل ۱۷ سیستم سلامت از راه دور قوی و ایمن برای بیماران کووید-۱۹
۱۹. فصل ۱۸ یک رویکرد نوین برای پیشبینی کووید-۱۹ با استفاده از ماشین بردار پشتیبان
۲۰. فصل ۱۹ یک تحلیل پیشبینی گروهی از توییتهای اطلاعرسانی بیش از حد کووید-۱۹ با استفاده از کیسه کلمات
۲۱. فصل ۲۰ پیشبینی و تخمین کووید-۱۹ با استفاده از یادگیری ماشین
۲۲. فصل ۲۱ تحلیل سری زمانی همهگیری کووید-۱۹ در استرالیا با استفاده از برنامهنویسی ژنتیک
۲۳. فصل ۲۲ تحلیل تصویر و پردازش دادهها برای کووید-۱۹
۲۴. فصل ۲۳ رمزگشایی شبکههای عصبی کانولوشن با استفاده از Grad-CAM برای پیشبینی بیماری کروناویروس (کووید-۱۹) بر روی تصاویر اشعه ایکس
۲۵. فصل ۲۴ شبکه عصبی کانولوشن مبتنی بر یادگیری انتقالی برای تشخیص کووید-۱۹ با تصاویر اشعه ایکس
۲۶. فصل ۲۵ مدلسازی محاسباتی اثرات دارویی برخی از عوامل ضد ویروسی علیه SARS-CoV-۲
۲۷. فصل ۲۶ اندیکاسیون قدرت سیگنال دریافتی – برنامه تلفن همراه مبتنی بر کووید-۱۹ برای رعایت فاصلهگذاری اجتماعی با استفاده از سیگنالهای بلوتوث از تلفنهای هوشمند
۲۸. فصل ۲۷ همهگیری کووید-۱۹ در هند
۲۹. فصل ۲۸ دستورالعمل ریاضی برای مهار پویایی انتقال کروناویروس (کووید-۱۹)
۳۰. فصل ۲۹ پیشبینی سری زمانی پنجره کشویی با پرسپترون چند لایه و رگرسیون چندگانه شیوع کووید-۱۹ در مالزی
۳۱. فصل ۳۰ یک الگوی استدلال قطعی دو سطحی برای مهار گسترش کووید-۱۹ در آفریقا
۳۲. فصل ۳۱ رویکرد مبتنی بر داده برای پیشبینی عفونت کووید-۱۹ برای نیجریه با استفاده از مدل رگرسیون دوجملهای منفی
۳۳. فصل ۳۲ یک مدل تشخیص و شناسایی مبتنی بر یادگیری ماشین نوین برای بیماری کروناویروس (کووید-۱۹) با استفاده از تبدیل موجک گسسته با شبکه عصبی تقریبی
۳۴. فصل ۳۳ راهحلهای مبتنی بر هوش مصنوعی برای شناسایی و طبقهبندی زودهنگام کووید-۱۹ و سندرم زجر تنفسی حاد
۳۵. فصل ۳۴ اینترنت اشیا پزشکی (IoMT) با مدل تشخیص کووید-۱۹ مبتنی بر یادگیری ماشین با استفاده از تصاویر اشعه ایکس قفسه سینه
۳۶. فصل ۳۵ رشد کووید-۱۹ در اسپانیا. دیدگاهی مبتنی بر روشهای پیشبینی سری زمانی
۳۷. فصل ۳۶ در مورد افزایش حریم خصوصی با استفاده از u-تمایزناپذیری برای رویکرد ردیابی تماس کووید-۱۹ در کره
۳۸. فصل ۳۷ زمانبندی وسایل نقلیه آمبولانس شاتل برای موارد قرنطینه کووید-۱۹، یک مدل کولهپشتی چند هدفه چندگانه ۰-۱ با یک الگوریتم بهینهسازی مبتنی بر دانش اشتراکگذاری کسب باینری گسسته نوین
۳۹. فهرست نمایه
توضیحات(انگلیسی)
Data Science for COVID-19 presents leading-edge research on data science techniques for the detection, mitigation, treatment and elimination of COVID-19. Sections provide an introduction to data science for COVID-19 research, considering past and future pandemics, as well as related Coronavirus variations. Other chapters cover a wide range of Data Science applications concerning COVID-19 research, including Image Analysis and Data Processing, Geoprocessing and tracking, Predictive Systems, Design Cognition, mobile technology, and telemedicine solutions. The book then covers Artificial Intelligence-based solutions, innovative treatment methods, and public safety. Finally, readers will learn about applications of Big Data and new data models for mitigation. – Provides a leading-edge survey of Data Science techniques and methods for research, mitigation and treatment of the COVID-19 virus – Integrates various Data Science techniques to provide a resource for COVID-19 researchers and clinicians around the world, including both positive and negative research findings – Provides insights into innovative data-oriented modeling and predictive techniques from COVID-19 researchers – Includes real-world feedback and user experiences from physicians and medical staff from around the world on the effectiveness of applied Data Science solutions
Table of Contents
1. Data Science for COVID-19
2. Chapter 1 Predictive models to the COVID-19
3. Chapter 2 An artificial intelligence–based decision support and resource management system for COVID-19 pandemic
4. Chapter 3 Normalizing images is good to improve computer-assisted COVID-19 diagnosis
5. Chapter 4 Detection and screening of COVID-19 through chest computed tomography radiographs using deep neural networks.
6. Chapter 5 Differential evolution to estimate the parameters of a SEIAR model with dynamic social distancing
7. Chapter 6 Limitations and challenges on the diagnosis of COVID-19 using radiology images and deep learning
8. Chapter 7 Deep convolutional neural network–based image classification for COVID-19 diagnosis
9. Chapter 8 Statistical machine learning forecasting simulation for discipline prediction and cost estimation of COVID-19 pandemic
10. Chapter 9 Application of machine learning for the diagnosis of COVID-19
11. Chapter 10 PwCOV in cluster-based web server
12. Chapter 11 COVID-19–affected medical image analysis using DenserNet
13. Chapter 12 uTakeCare
14. Chapter 13 COVID-19 detection from chest X-rays using transfer learning with deep convolutional neural networks
15. Chapter 14 Lexicon-based sentiment analysis using Twitter data
16. Chapter 15 Real-time social distance alerting and contact tracing using image processing
17. Chapter 16 Machine-learning models for predicting survivability in COVID-19 patients
18. Chapter 17 Robust and secured telehealth system for COVID-19 patients
19. Chapter 18 A novel approach to predict COVID-19 using support vector machine
20. Chapter 19 An ensemble predictive analytics of COVID-19 infodemic tweets using bag of words
21. Chapter 20 Forecast and prediction of COVID-19 using machine learning
22. Chapter 21 Time series analysis of the COVID-19 pandemic in Australia using genetic programming
23. Chapter 22 Image analysis and data processing for COVID-19
24. Chapter 23 A demystifying convolutional neural networks using Grad-CAM for prediction of coronavirus disease (COVID-19) on X-ray images
25. Chapter 24 Transfer learning-based convolutional neural network for COVID-19 detection with X-ray images
26. Chapter 25 Computational modeling of the pharmacological actions of some antiviral agents against SARS-CoV-2
27. Chapter 26 Received signal strength indication—based COVID-19 mobile application to comply with social distancing using bluetooth signals from smartphones
28. Chapter 27 COVID-19 pandemic in India
29. Chapter 28 Mathematical recipe for curbing coronavirus (COVID-19) transmition dynamics
30. Chapter 29 Sliding window time series forecasting with multilayer perceptron and multiregression of COVID-19 outbreak in Malaysia
31. Chapter 30 A two-level deterministic reasoning pattern to curb the spread of COVID-19 in Africa
32. Chapter 31 Data-driven approach to COVID-19 infection forecast for Nigeria using negative binomial regression model
33. Chapter 32 A novel machine learning–based detection and diagnosis model for coronavirus disease (COVID-19) using discrete wavelet transform with rough neural network
34. Chapter 33 Artificial intelligence–based solutions for early identification and classification of COVID-19 and acute respiratory distress syndrome
35. Chapter 34 Internet of Medical Things (IoMT) with machine learning–based COVID-19 diagnosis model using chest X-ray images
36. Chapter 35 The growth of COVID-19 in Spain. A view based on time-series forecasting methods
37. Chapter 36 On privacy enhancement using u-indistinguishability to COVID-19 contact tracing approach in Korea
38. Chapter 37 Scheduling shuttle ambulance vehicles for COVID-19 quarantine cases, a multi-objective multiple 0–1 knapsack model with a novel Discrete Binary Gaining-Sharing knowledge-based optimization algorithm
39. Index
دیگران دریافت کردهاند
علم داده برای تصویربرداری عصبی ۲۰۲۳
Data Science for Neuroimaging 2023
علم داده(دیتاساینس), تحلیل داده, مهندسی و فناوری, زیست پزشکی, علوم زیستی, زیست شناسی, شبکههای عصبی, روانشناسی, عصبروانشناسی, علوم کامپیوتر, علوم اعصاب
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
علم داده برای ژنومیک ۲۰۲۲
Data Science for Genomics 2022
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
علم داده برای سامانه های بهداشتی کارآمد ۲۰۲۲
Data Science for Effective Healthcare Systems 2022
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
علم داده برای کووید-۱۹ ۲۰۲۱
Data Science for COVID-19 2021
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
بهره گیری از دانش داده برای سلامت جهانی ۲۰۲۰
Leveraging Data Science for Global Health 2020
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
علم داده برای مراقبت های بهداشتی: روش ها و کاربردها ۲۰۱۹
Data Science for Healthcare: Methodologies and Applications 2019
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
سایر کتابهای ناشر
کتابخانه انتشارات دانشگاهی در پردازش سیگنال: فشرده سازی تصویر و ویدیو و چندرسانه ای ۲۰۱۴
Academic Press Library in Signal Processing: Image and Video Compression and Multimedia 2014
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
✨ ضمانت تجربه خوب مطالعه
بازگشت کامل وجه
در صورت مشکل، مبلغ پرداختی بازگردانده می شود.
دانلود پرسرعت
دانلود فایل کتاب با سرعت بالا
ارسال فایل به ایمیل
دانلود مستقیم به همراه ارسال فایل به ایمیل.
پشتیبانی ۲۴ ساعته
با چت آنلاین و پیامرسان ها پاسخگو هستیم.
ضمانت کیفیت کتاب
کتاب ها را از منابع معتیر انتخاب می کنیم.
