دانلود کتاب Machine Learning in Bioinformatics (به فارسی: یادگیری ماشینی در بیوانفورماتیک) نوشته شده توسط «Yan-Qing Zhang – Jagath C. Rajapakse (Editors)»
اطلاعات کتاب یادگیری ماشینی در بیوانفورماتیک
موضوع اصلی: مطالعات آموزش و پرورش و تدریس
نوع: کتاب الکترونیکی
ناشر: Wiley
نویسنده: Yan-Qing Zhang – Jagath C. Rajapakse (Editors)
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2009
تعداد صفحه: 456 / 462
حجم فایل: 20.09 مگابایت
نوبت چاپ: 1
توضیحات کتاب یادگیری ماشینی در بیوانفورماتیک
مقدمه‌ای بر روش‌های یادگیری ماشین و کاربردهای آنها برای مشکلات در بیوانفورماتیک
تکنیک‌های یادگیری ماشین به طور فزاینده‌ای برای رسیدگی به مشکلات زیست‌شناسی محاسباتی و بیوانفورماتیک استفاده می‌شوند. تکنیک‌های محاسباتی جدید برای تجزیه و تحلیل داده‌های با توان بالا در قالب توالی‌ها، بیان ژن و پروتئین، مسیرها و تصاویر برای درک بیماری‌ها و کشف دارو در آینده حیاتی می‌شوند. تکنیک‌های یادگیری ماشینی مانند مدل‌های مارکوف، ماشین‌های بردار پشتیبان، شبکه‌های عصبی و مدل‌های گرافیکی به دلیل قابلیت‌هایشان در مدیریت تصادفی و عدم قطعیت نویز داده‌ها و در تعمیم، در تجزیه و تحلیل داده‌های علوم زیستی موفق بوده‌اند.
از پانل شناخته شده بین المللی متشکل از محققان برجسته در این زمینه، یادگیری ماشین در بیوانفورماتیک رویکردهای اخیر در روش های یادگیری ماشین و کاربردهای آنها را در پرداختن به مشکلات معاصر در بیوانفورماتیک گردآوری می کند. پوشش شامل: انتخاب ویژگی برای داده کاوی ژنومی و پروتئومی. مقایسه روش‌های انتخاب متغیر در انتخاب ژن و طبقه‌بندی داده‌های ریزآرایه. استخراج ژن فازی؛ پیش‌بینی مبتنی بر توالی خواص سطح باقیمانده در پروتئین‌ها. روش‌های احتمالی برای ویژگی‌های دوربرد در توالی‌های زیستی؛ و خیلی بیشتر.
یادگیری ماشینی در بیوانفورماتیک منبعی ضروری برای دانشمندان کامپیوتر، مهندسان، زیست شناسان، ریاضیدانان، محققان، پزشکان، پزشکان و متخصصان انفورماتیک پزشکی است. همچنین یک متن مرجع ارزشمند برای دروس علوم کامپیوتر، مهندسی و زیست شناسی در مقاطع کارشناسی و کارشناسی ارشد است.
Machine learning techniques are increasingly being used to address problems in computational biology and bioinformatics. Novel computational techniques to analyze high throughput data in the form of sequences, gene and protein expressions, pathways, and images are becoming vital for understanding diseases and future drug discovery. Machine learning techniques such as Markov models, support vector machines, neural networks, and graphical models have been successful in analyzing life science data because of their capabilities in handling randomness and uncertainty of data noise and in generalization.
From an internationally recognized panel of prominent researchers in the field, Machine Learning in Bioinformatics compiles recent approaches in machine learning methods and their applications in addressing contemporary problems in bioinformatics. Coverage includes: feature selection for genomic and proteomic data mining; comparing variable selection methods in gene selection and classification of microarray data; fuzzy gene mining; sequence-based prediction of residue-level properties in proteins; probabilistic methods for long-range features in biosequences; and much more.
Machine Learning in Bioinformatics is an indispensable resource for computer scientists, engineers, biologists, mathematicians, researchers, clinicians, physicians, and medical informaticists. It is also a valuable reference text for computer science, engineering, and biology courses at the upper undergraduate and graduate levels.
دانلود کتاب «یادگیری ماشینی در بیوانفورماتیک»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.