یادگیری عمیق در بیوانفورماتیک ۲۰۲۲
Deep Learning in Bioinformatics 2022

دانلود کتاب یادگیری عمیق در بیوانفورماتیک ۲۰۲۲ (Deep Learning in Bioinformatics 2022) با لینک مستقیم و فرمت pdf (پی دی اف) و ترجمه فارسی

نویسنده

Habib Izadkhah

voucher (1)

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2022

زبان

English

تعداد صفحه‌ها

380

نوع فایل

pdf

حجم

7.0 MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

پیش‌خرید با تحویل فوری(⚡️) | فایل کتاب حداکثر تا ۳۰ دقیقه(🕒) پس از ثبت سفارش آماده دانلود خواهد بود.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب یادگیری عمیق در بیوانفورماتیک ۲۰۲۲

یادگیری عمیق در بیوانفورماتیک: تکنیک‌ها و کاربردها در عمل، این مبحث را به شیوه‌ای ساده و قابل‌فهم معرفی می‌کند و به بررسی چگونگی استفاده از آن برای حل مسائل مهم در بیوانفورماتیک می‌پردازد. این مسائل شامل کشف دارو، طراحی مولکولی *از ابتدا*، تحلیل توالی، پیش‌بینی ساختار پروتئین، تنظیم بیان ژن، طبقه‌بندی پروتئین، پردازش و تشخیص تصویربرداری زیست‌پزشکی، پیش‌بینی تعاملات بیومولکولی و همچنین زیست‌شناسی سامانه‌ها می‌شوند.

این کتاب، دستاوردهای نظری و عملی یادگیری عمیق در بیوانفورماتیک را نیز ارائه می‌دهد، مشکلات را برجسته کرده و مسیرهای تحقیقاتی آینده را پیشنهاد می‌کند. دکتر ایزدخواه بینش‌های ارزشمندی را ارائه می‌دهد و به محققان کمک می‌کند تا از تکنیک‌های یادگیری عمیق در مطالعات بیولوژیکی و بیوانفورماتیک خود استفاده کنند.

– معرفی یادگیری عمیق به شیوه‌ای ساده و قابل‌فهم
– ارائه چگونگی استفاده از یادگیری عمیق برای حل برخی از مسائل مهم در بیوانفورماتیک
– ارائه پیشرفته‌ترین الگوریتم‌ها در یادگیری عمیق و بیوانفورماتیک
– معرفی کتابخانه‌های یادگیری عمیق در بیوانفورماتیک


فهرست کتاب:

۱. یادگیری عمیق در بیوانفورماتیک

۲. فصل ۱ چرا علوم زیستی؟

۳. فصل ۲ مروری بر یادگیری ماشین

۴. فصل ۳ مقدمه‌ای بر اکوسیستم پایتون برای یادگیری عمیق

۵. فصل ۴ ساختار پایه شبکه‌های عصبی

۶. فصل ۵ آموزش شبکه‌های عصبی چندلایه

۷. فصل ۶ طبقه‌بندی در بیوانفورماتیک

۸. فصل ۷ مقدمه‌ای بر یادگیری عمیق

۹. فصل ۸ پردازش تصویر پزشکی: بینشی به شبکه‌های عصبی کانولوشنال

۱۰. فصل ۹ طبقه‌بندی‌کننده‌های تصویر یادگیری عمیق محبوب

۱۱. فصل ۱۰ طبقه‌بندی آریتمی الکتروکاردیوگرام (ECG)

۱۲. فصل ۱۱ خودرمزگذارها و مدل‌های مولد عمیق در بیوانفورماتیک

۱۳. فصل ۱۲ شبکه‌های عصبی بازگشتی: تولید مولکول‌های جدید و طبقه‌بندی توالی پروتئین

۱۴. فصل ۱۳ کاربرد، چالش و پیشنهاد

۱۵. فهرست نمایه

توضیحات(انگلیسی)
Deep Learning in Bioinformatics: Techniques and Applications in Practice introduces the topic in an easy-to-understand way, exploring how it can be utilized for addressing important problems in bioinformatics, including drug discovery, de novo molecular design, sequence analysis, protein structure prediction, gene expression regulation, protein classification, biomedical image processing and diagnosis, biomolecule interaction prediction, and in systems biology. The book also presents theoretical and practical successes of deep learning in bioinformatics, pointing out problems and suggesting future research directions. Dr. Izadkhah provides valuable insights and will help researchers use deep learning techniques in their biological and bioinformatics studies. - Introduces deep learning in an easy-to-understand way - Presents how deep learning can be utilized for addressing some important problems in bioinformatics - Presents the state-of-the-art algorithms in deep learning and bioinformatics - Introduces deep learning libraries in bioinformatics


Table of Contents

1. Deep Learning in Bioinformatics

2. Chapter 1 Why life science?

3. Chapter 2 A review of machine learning

4. Chapter 3 An introduction of Python ecosystem for deep learning

5. Chapter 4 Basic structure of neural networks

6. Chapter 5 Training multilayer neural networks

7. Chapter 6 Classification in bioinformatics

8. Chapter 7 Introduction to deep learning

9. Chapter 8 Medical image processing: an insight to convolutional neural networks

10. Chapter 9 Popular deep learning image classifiers

11. Chapter 10 Electrocardiogram (ECG) arrhythmia classification

12. Chapter 11 Autoencoders and deep generative models in bioinformatics

13. Chapter 12 Recurrent neural networks: generating new molecules and proteins sequence classification

14. Chapter 13 Application, challenge, and suggestion

15. Index

دیگران دریافت کرده‌اند

✨ 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.