图片.png
下载地址：https://itbooks.pipipan.com/fs/18113597-335448646
探索人工智能（AI)和医疗机器学习的理论和实际应用。本书提供了机器学习算法，架构设计以及医疗保健和大数据挑战中学习应用的导览。
您将发现医疗保健数据分析的道德含义以及AI在人口和患者健康优化方面的未来。您还将创建机器学习模型，评估绩效并在组织内实施结果。
机器学习和医疗保健人工智能提供了如何在组织内应用机器学习并评估AI应用程序的功效，适用性和效率的技术。通过主要案例研究说明了这些，包括如何通过患者主导的数据学习和物联网重新定义慢性病。
你将学到什么
- 深入了解关键机器学习算法及其在更广泛的医疗保健中的使用和实施
- 实施机器学习系统，例如语音识别和增强的深度学习/ AI
- 选择学习方法/算法和调整以用于医疗保健
- 通过最佳实践，反馈循环和智能代理，认识并准备医疗保健中的人工智能的未来
本书适用于谁
对机器学习如何用于开发健康情报感兴趣的医疗保健专业人员 - 旨在改善患者健康，人口健康并促进显着的护理费用节省。
第1章：什么是人工智能
章节目标：介绍书籍和主题
页数：10
Sub -Topics
1.什么是人工智能，数据科学，机器和深度学习
2.从数据中学习的案例
3.大数据/学习/分析3.0的演变
4.在医疗保健环境中如何使用数据进行学习的实际示例
5.结论
第2章：数据
章节目标：了解学习所需的数据以及如何确保结果准确性的有效数据
页数：30
子主题
1.什么是数据，数据来源以及有哪些类型的数据？很少与大数据以及此类数据集的优缺点。结构化与非结构化数据。
2.数据所需的关键方面，特别是有效性，以确保只有有用和相关的信息
3.如何使用大数据进行学习（用例）
4.将数据转化为信息 - 如何收集可用于改善健康结果的数据以及如何收集此类数据的示例
5.作为大数据使用的一部分所面临的挑战
6.数据治理
第3章：什么是机器学习？
章节目标：介绍机器学习，识别/揭开学习类型的神秘面纱，并提供流行算法及其应用的信息
页数：45
子主题：
1.简介 - 什么是学习？
2.人与人之间的差异/相似之处，数据科学，机器学习，深度学习
3.学习的历史/演变
4.学习算法 - 流行的类型/类别，应用程序及其数学基础
5.用于学习的软件
第4章：医疗机器学习
章节目标：全面了解与学习系统相关的关键概念以及医疗机构内机器学习的实际应用
页数：50
子主题：
1.了解任务，性能和经验，以优化算法和结果
2.识别用于医疗保健应用的算法：预测分析，透视分析，推理，建模，概率估计，NLP等和常见用途
3.实时分析和分析
4.机器学习最佳实践
5.神经网络，人工神经网络，深度学习
第5章：评估智力学习
章节目标：要了解如何评估学习算法，如何选择最佳评估技术/方法进行分析
页数：10
1.如何评估机器学习系统
2.评估产出的方法
3.提高你的智力
4.高级分析
第六章：智力伦理
章节目标：了解人工智能/机器学习必须解决的障碍，同时克服微观和宏观层面的障碍，以增强健康智能
页数：25
1.大数据和机器学习的好处
2.大数据和机器学习的缺点 - 谁拥有数据，分发数据，应该告诉患者/人们结果是什么（例如数据显示癌症的风险）
3.数据是好还是数据不好？
4.需要解决的主题，以确保产出的简便性，效率和安全性
我们需要管理我们的情报吗？
第7章：医疗保健的未来
章节目标：概述医疗保健中人工智能和机器/深度学习的方向以及智能系统的未来应用
页数：30
1.循证医学
2.患者数据作为证据基础
3.医疗保健中断推动创新
4.对精确受众的概括如何实现个性化医疗
5.数据和物联网对实现个性化医疗的影响
6.道德规范怎么样？
7.结论
第8章：案例研究
章节目标：人工智能和机器/深度学习在医疗保健领域的真实应用
页数：20
1.实施机器学习的组织的真实案例研究以及用于确定最佳性能/结果的挑战，方法，算法和分析
网友评论