大型语言模型(LLMs)和生成式AI正在迅速改变医疗保健行业。这些技术有潜力通过提高护理的效率、准确性和个性化来革新医疗保健。这本实用书籍向医疗保健领导者、研究人员、数据科学家和AI工程师展示了LLMs和生成式AI今天以及将来的潜力,使用故事讲述和医疗保健中的示例用例。 谷歌医疗保健和生命科学行业团队的Kerrie Holley和Manish Mathur帮助您探索这些技术在医疗保健中的实际应用,从个性化患者护理和药物发现到增强的医学成像和机器人辅助手术。您还将了解使用这些技术的挑战——以及它们在这一领域应用的伦理含义。 通过这本书,您将:

  • 学习LLMs和生成式AI如何帮助解决和转型医疗保健问题
  • 探索LLMs和生成式AI的基础知识并了解它们是如何工作的
  • 学习这些技术今天如何在医疗保健中被应用
  • 了解几个LLM和生成式AI用例
  • 审视将LLMs和生成式AI应用于医疗保健的伦理和挑战
  • 理解LLMs和生成式AI在医疗保健中的潜在用途,以及它们在近期及未来的前景

成为VIP会员查看完整内容
90

相关内容

大模型是基于海量多源数据打造的预训练模型,是对原有算法模型的技术升级和产品迭代,用户可通过开源或开放API/工具等形式进行模型零样本/小样本数据学习,以实现更优的识别、理解、决策、生成效果和更低成本的开发部署方案。
【Manning2022新书】深度学习自然语言处理,296页pdf
专知会员服务
144+阅读 · 2022年10月25日
【Manning新书】面向数据编程降低软件复杂度,426页pdf
专知会员服务
74+阅读 · 2022年9月5日
【2022新书】应用深度学习:工具、技术与实现,355页pdf
专知会员服务
126+阅读 · 2022年7月26日
【2022新书】深度学习归一化技术,117页pdf
专知
17+阅读 · 2022年11月25日
【干货书】深度学习全面指南,307页pdf
专知
28+阅读 · 2022年1月6日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
Arxiv
131+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
325+阅读 · 2023年3月31日
Arxiv
53+阅读 · 2023年3月26日
Arxiv
111+阅读 · 2023年3月24日
Arxiv
15+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员