Evaluare:
Cartea oferă o introducere cuprinzătoare a aplicațiilor de învățare automată în științele vieții, în special în domeniul sănătății, cu numeroase exemple practice și o abordare sistematică. Deși este accesibilă pentru neprogramatori, îi lipsește profunzimea în unele domenii și este de natură tehnică. Este bine primit pentru claritatea sa și includerea de exemple de cod, dar s-a confruntat cu critici privind problemele de compatibilitate cu anumite medii de operare și calitatea sporadică spre final.
Avantaje:⬤ Introducere profundă excelentă în învățarea automată și aplicațiile acesteia în domeniul sănătății.
⬤ Abordarea pas cu pas o face accesibilă chiar și pentru neprogramatori.
⬤ Exemplele de cod bine explicate sporesc înțelegerea.
⬤ Acoperă o gamă largă de subiecte din științele vieții, inclusiv aplicații interesante precum descoperirea de medicamente.
⬤ Atractiv și ușor de citit.
⬤ Lipsă de profunzime
⬤ zgârie doar suprafața subiectelor complexe.
⬤ Calitatea se degradează spre sfârșitul cărții, devenind mai mult o carte de bucate pentru tehnici ML aleatorii.
⬤ Probleme cu rularea codului, în special pentru utilizatorii non-Linux/conda.
⬤ S-ar putea să nu ofere suficiente informații pentru cititorii experimentați
⬤ Unele detalii tehnice par superficiale.
⬤ Public limitat din cauza cerințelor de specializare și de cunoștințe prealabile.
(pe baza a 12 recenzii ale cititorilor)
Deep Learning for the Life Sciences: Applying Deep Learning to Genomics, Microscopy, Drug Discovery, and More
Învățarea profundă a obținut deja rezultate remarcabile în multe domenii. Acum face valuri în toate științele în general și în științele vieții în special. Această carte practică învață dezvoltatorii și oamenii de știință cum să utilizeze învățarea profundă pentru genomică, chimie, biofizică, microscopie, analize medicale și alte domenii.
Ideală pentru dezvoltatorii practicanți și oamenii de știință pregătiți să își aplice abilitățile în aplicații științifice precum biologia, genetica și descoperirea de medicamente, această carte prezintă mai multe primitive de rețea profundă. Veți urmări un studiu de caz privind problema proiectării de noi terapii care leagă fizica, chimia, biologia și medicina - un exemplu care reprezintă una dintre cele mai mari provocări ale științei.
⬤ Învățați elementele de bază ale efectuării învățării automate pe date moleculare.
⬤ Înțelegeți de ce învățarea profundă este un instrument puternic pentru genetică și genomică.
⬤ Aplicați învățarea profundă pentru a înțelege sistemele biofizice.
⬤ Obțineți o scurtă introducere în învățarea automată cu DeepChem.
⬤ Utilizați învățarea profundă pentru a analiza imagini microscopice.
⬤ Analizați scanările medicale utilizând tehnici de învățare profundă.
⬤ Învățați despre autoencoderii variaționali și rețelele adversariale generative.
⬤ Interpretați ce face modelul dvs. și cum funcționează.
© Book1 Group - toate drepturile rezervate.
Conținutul acestui site nu poate fi copiat sau utilizat, nici parțial, nici integral, fără permisiunea scrisă a proprietarului.
Ultima modificare: 2024.11.08 07:02 (GMT)