Lakshmi Mudarakola / M. Padmaja / Srinivasulu Ch.
Librería Samer Atenea
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Ten podręcznik zapewnia dogłębną analizę tego, w jaki sposób algorytmy uczenia maszynowego mogą być skutecznie stosowane do wykrywania i klasyfikowania chorób serca. Wypełnia lukę między opieką zdrowotną a inteligencją obliczeniową, prezentując podstawy teoretyczne, praktyczne implementacje i rzeczywiste zastosowania uczenia maszynowego w kardiologii. Zaczynając od przeglądu chorób sercowo-naczyniowych i ich globalnego wpływu, książka zagłębia się w podstawowe cechy medyczne i zbiory danych istotne dla chorób serca. Następnie systematycznie bada różne techniki uczenia maszynowego - w tym drzewa decyzyjne, maszyny wektorów nośnych, sieci neuronowe, k-najbliższych sąsiadów, metody zespołowe i głębokie uczenie się - oraz ich role w modelowaniu predykcyjnym. Każdy rozdział zawiera szczegółowe wyjaśnienia algorytmów, wskaźniki oceny modeli (takie jak dokładność, precyzja, wycofanie, wynik F1 i ROC-AUC) oraz studia przypadków wykorzystujące publicznie dostępne zbiory danych, takie jak zbiór danych Cleveland Heart Disease. Omówiono również kwestie etyczne, prywatność danych i wyzwania związane z wdrożeniem klinicznym. Ten podręcznik służy jako cenne źródło informacji dla studentów, badaczy, naukowców zajmujących się danymi i pracowników służby zdrowia.
