Mathematica برای بیوانفورماتیک: رویکرد زبان ولفارم به علم داده های زیستی ۲۰۱۸
Mathematica for Bioinformatics: A Wolfram Language Approach to Omics 2018

دانلود کتاب Mathematica برای بیوانفورماتیک: رویکرد زبان ولفارم به علم داده های زیستی ۲۰۱۸ (Mathematica for Bioinformatics: A Wolfram Language Approach to Omics 2018) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده	George Mias

ناشر: Springer

دسته: پزشکی, ژنتیک

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

سال انتشار	2018
زبان	English
تعداد صفحه‌ها	384
نوع فایل	pdf
حجم	17 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 Mathematica برای بیوانفورماتیک: رویکرد زبان ولفارم به علم داده های زیستی ۲۰۱۸

این کتاب، مقدمه ای جامع بر استفاده از Mathematica و زبان ولفِرَم (Wolfram Language) در بیوانفورماتیک ارائه می دهد. فصل ها به تدریج از مفاهیم اولیه و معرفی زبان ولفِرَم و الگوهای برنامه نویسی در Mathematica، به مثال های عملیِ تفصیلی که از کاربردهای تحقیقاتی معمول با استفاده از کد زبان ولفِرَم استخراج شده اند، پیش می روند. مثال های کدنویسی از تحلیل توالی های پایه، دسترسی به پایگاه های داده ژنومی، بیان ژن افتراقی و پیاده سازی های یادگیری ماشین، تا تحلیل سری های زمانی آزمایش های طولیِ امیدکس، یکپارچه سازی داده های چند امیدکس و ساخت ابزارهای بیوانفورماتیک تعاملی پویا با استفاده از زبان ولفِرَم را شامل می شود. این مباحث، نیازهای روزمره بیوانفورماتیک مخاطبان گسترده ای را پوشش می دهد: کاربران تجربی که به دنبال درک و تجسم داده های خود هستند، بیوانفورماتیسین های مبتدی که در حال کسب تخصص کدنویسی برای ارائه راهکارهای تحقیقات بیولوژیکی هستند، و بیوانفورماتیسین های متخصصِ فعال در زمینه امیدکس که مایلند مجموعه ابزارهای خود را با گنجاندن زبان ولفِرَم گسترش دهند.

توضیحات(انگلیسی)

This book offers a comprehensive introduction to using Mathematica and the Wolfram Language for Bioinformatics. The chapters build gradually from basic concepts and the introduction of the Wolfram Language and coding paradigms in Mathematica, to detailed worked examples derived from typical research applications using Wolfram Language code. The coding examples range from basic sequence analysis, accessing genomic databases, differential gene expression, and machine learning implementations to time series analysis of longitudinal omics experiments, multi-omics integration and building dynamic interactive bioinformatics tools using the Wolfram Language. The topics address the daily bioinformatics needs of a broad audience: experimental users looking to understand and visualize their data, beginner bioinformaticians acquiring coding expertise in providing biological research solutions, and practicing expert bioinformaticians working on omics who wish to expand their toolset to include the Wolfram Language.