یادگیری ماشین قابل توضیح در پزشکی ۲۰۲۳
Explainable Machine Learning in Medicine 2023

دانلود کتاب یادگیری ماشین قابل توضیح در پزشکی ۲۰۲۳ (Explainable Machine Learning in Medicine 2023) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده	Karol Przystalski, Rohit M. Thanki

ناشر: Springer Nature

دسته: پزشکی, پزشکی عمومی

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

سال انتشار	2023
زبان	English
تعداد صفحه‌ها	82
نوع فایل	epub, pdf
حجم	19 Mb

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

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

هوش‌مصنوعی ترجمه کالیبو

توضیحات

معرفی کتاب یادگیری ماشین قابل توضیح در پزشکی ۲۰۲۳

این کتاب به بررسی انواع فناوری های پیشرفته ارتباطات می پردازد که برای تجزیه و تحلیل داده های پزشکی و تشخیص بیماری ها در مراکز درمانی قابل استفاده هستند. این کتاب به عنوان مقدمه ای بر روش های پزشکی عمل می کند و با ارائه خلاصه ای از تکنیک های هوش مصنوعی قابل توضیح (XAI)، کاربردهای آنها را در چالش های مختلف پزشکی بیان می کند. نویسندگان در این کتاب به نحوه انتخاب و اعمال فناوری مناسب بسته به داده های ارائه شده و تحلیل مورد نظر می پردازند. با توجه به تنوع داده هایی که در زمینه پزشکی قابل استفاده هستند، کتاب توضیح می دهد که چگونه با چالش های مرتبط با هر نوع داده ای برخورد کنیم. همچنین، تعدادی از سناریوهایی که می توانند در محیط های بلادرنگ رخ دهند، معرفی شده اند و برای حل هر کدام، نوعی از یادگیری ماشین پیشنهاد می شود.

توضیحات(انگلیسی)

This book covers a variety of advanced communications technologies that can be used to analyze medical data and can be used to diagnose diseases in clinic centers. The book is a primer of methods for medicine, providing an overview of explainable artificial intelligence (AI) techniques that can be applied in different medical challenges. The authors discuss how to select and apply the proper technology depending on the provided data and the analysis desired. Because a variety of data can be used in the medical field, the book explains how to deal with challenges connected with each type. A number of scenarios are introduced that can happen in real-time environments, with each pared with a type of machine learning that can be used to solve it.