Bewertung:
Das Buch bietet eine umfassende Einführung in Anwendungen des maschinellen Lernens in den Biowissenschaften, insbesondere im Gesundheitswesen, mit zahlreichen praktischen Beispielen und einem systematischen Ansatz. Es ist zwar auch für Nicht-Programmierer zugänglich, doch fehlt es in einigen Bereichen an Tiefe und ist technischer Natur. Es wird für seine Klarheit und die Einbeziehung von Code-Beispielen gelobt, wurde aber wegen Kompatibilitätsproblemen mit bestimmten Betriebsumgebungen und sporadischer Qualität gegen Ende kritisiert.
Vorteile:⬤ Sehr gute Einführung in das maschinelle Lernen und seine Anwendungen im Gesundheitswesen.
⬤ Schritt-für-Schritt-Ansatz macht es auch für Nicht-Programmierer zugänglich.
⬤ Gut erklärte Code-Beispiele verbessern das Verständnis.
⬤ Deckt ein breites Spektrum an Themen in den Biowissenschaften ab, einschließlich interessanter Anwendungen wie der Arzneimittelentdeckung.
⬤ Fesselnd und leicht zu lesen.
⬤ Fehlt es an Tiefe
⬤ Kratzt nur an der Oberfläche von komplexen Themen.
⬤ Qualität lässt gegen Ende des Buches nach und wird eher zu einem Kochbuch für beliebige ML-Techniken.
⬤ Probleme bei der Ausführung des Codes, insbesondere für Nicht-Linux/Conda-Benutzer.
⬤ Bietet möglicherweise nicht genügend Einblick für erfahrene Leser
⬤ Einige technische Details wirken oberflächlich.
⬤ Eingeschränkter Leserkreis aufgrund der Spezialisierung und der erforderlichen Vorkenntnisse.
(basierend auf 12 Leserbewertungen)
Deep Learning for the Life Sciences: Applying Deep Learning to Genomics, Microscopy, Drug Discovery, and More
Deep Learning hat bereits in vielen Bereichen bemerkenswerte Ergebnisse erzielt. Jetzt schlägt es auch in den Wissenschaften im Allgemeinen und in den Biowissenschaften im Besonderen Wellen. Dieses praktische Buch zeigt Entwicklern und Wissenschaftlern, wie sie Deep Learning für Genomik, Chemie, Biophysik, Mikroskopie, medizinische Analysen und andere Bereiche nutzen können.
Dieses Buch ist ideal für praktizierende Entwickler und Wissenschaftler, die bereit sind, ihre Fähigkeiten in wissenschaftlichen Anwendungen wie Biologie, Genetik und Arzneimittelforschung einzusetzen, und stellt verschiedene Deep-Network-Primitive vor. Sie werden eine Fallstudie zum Problem der Entwicklung neuer Therapeutika verfolgen, die Physik, Chemie, Biologie und Medizin miteinander verbindet - ein Beispiel, das eine der größten Herausforderungen der Wissenschaft darstellt.
⬤ Lernen Sie die Grundlagen des maschinellen Lernens für molekulare Daten kennen.
⬤ Verstehen Sie, warum Deep Learning ein leistungsstarkes Werkzeug für Genetik und Genomik ist.
⬤ Anwendung von Deep Learning zum Verständnis biophysikalischer Systeme.
⬤ Eine kurze Einführung in das maschinelle Lernen mit DeepChem erhalten.
⬤ Deep Learning anwenden, um mikroskopische Bilder zu analysieren.
⬤ Analysieren Sie medizinische Scans mit Deep-Learning-Techniken.
⬤ Lernen Sie etwas über Variationale Autoencoder und generative adversarische Netzwerke.
⬤ Interpretieren Sie, was Ihr Modell tut und wie es funktioniert.
| ISBN: | 9781492039839 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 400 |
Derzeit verfügbar, auf Lager.
