这本书为医学学生、研究人员和专业人员提供了机器学习和医学深度学习的基础介绍,他们不一定在高等数学入门,但渴望更好地理解这种颠覆性技术及其对医学的影响。人工智能(AI)曾经是计算机科学和工程部门以外的少数人知道的深奥学科,今天是一项广泛流行的技术,被学术界的所有学者使用。特别是,近年来,医学和生命科学领域的研究人员对机器学习和深度学习这一人工智能子领域产生了极大的兴趣,这可以从过去十年同行评审医学期刊上发表的关于该主题的文章数量的快速增长中得到证明。这一领域对优质教育资源的需求从来没有像今天这样大,而且只会继续快速增长。

专家作者采用一种叙事风格,强调直觉而不是抽象的数学形式主义,消除了机器学习和深度学习周围不必要的复杂性的面纱,使他们能够在实用性和理论的严谨性之间取得微妙的平衡,以促进读者的学习体验。书中涉及的主题包括:医学数据的数学编码,线性回归和分类,非线性特征工程,深度学习,卷积和循环神经网络,强化学习。每一章以练习集结束,供读者练习和测试他们的知识。

对于有兴趣了解更多关于机器学习和深度学习的医学学生、专业人士和研究人员来说,这是一个理想的介绍。在本科阶段至少学过一门数学导论课程的读者(例如,生物统计学或微积分)将能够很好地使用本书,而不需要任何额外的先决条件。

https://link.springer.com/book/10.1007/978-3-031-19502-0

成为VIP会员查看完整内容
99

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【2023新书】机器学习中的表示学习,101页pdf
专知会员服务
126+阅读 · 2023年2月3日
【新书】多元统计与机器学习,185页pdf
专知会员服务
86+阅读 · 2022年6月5日
【新书】人工智能与因果推理,395页pdf
专知会员服务
208+阅读 · 2022年5月5日
【干货书】深度学习全面指南,307页pdf
专知会员服务
155+阅读 · 2022年1月6日
专知会员服务
252+阅读 · 2021年10月8日
【经典书】机器学习统计学,476页pdf
专知会员服务
120+阅读 · 2021年7月19日
专知会员服务
65+阅读 · 2021年5月29日
【2020新书】深度学习自然语言处理简明导论,69页pdf
专知会员服务
114+阅读 · 2020年11月7日
【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
266+阅读 · 2020年6月10日
机器学习速查手册,135页pdf
专知会员服务
340+阅读 · 2020年3月15日
【干货书】高维统计概论,361页pdf
专知
6+阅读 · 2022年10月29日
【干货书】因果推理基础:R语言,249页pdf
专知
2+阅读 · 2022年10月22日
【2022新书】机器学习药物设计,371页pdf
专知
7+阅读 · 2022年10月15日
【新书】多元统计与机器学习,185页pdf
专知
6+阅读 · 2022年6月5日
【干货书】深度学习全面指南,307页pdf
专知
31+阅读 · 2022年1月6日
国家自然科学基金
7+阅读 · 2017年12月31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
7+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年5月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年7月24日
国家自然科学基金
1+阅读 · 2012年6月30日
国家自然科学基金
8+阅读 · 2008年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年2月3日
Arxiv
21+阅读 · 2022年11月8日
Arxiv
32+阅读 · 2022年5月23日
Arxiv
31+阅读 · 2022年2月15日
Arxiv
24+阅读 · 2021年6月25日
Arxiv
10+阅读 · 2020年11月26日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
Arxiv
26+阅读 · 2018年8月19日
VIP会员
相关VIP内容
【2023新书】机器学习中的表示学习,101页pdf
专知会员服务
126+阅读 · 2023年2月3日
【新书】多元统计与机器学习,185页pdf
专知会员服务
86+阅读 · 2022年6月5日
【新书】人工智能与因果推理,395页pdf
专知会员服务
208+阅读 · 2022年5月5日
【干货书】深度学习全面指南,307页pdf
专知会员服务
155+阅读 · 2022年1月6日
专知会员服务
252+阅读 · 2021年10月8日
【经典书】机器学习统计学,476页pdf
专知会员服务
120+阅读 · 2021年7月19日
专知会员服务
65+阅读 · 2021年5月29日
【2020新书】深度学习自然语言处理简明导论,69页pdf
专知会员服务
114+阅读 · 2020年11月7日
【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
266+阅读 · 2020年6月10日
机器学习速查手册,135页pdf
专知会员服务
340+阅读 · 2020年3月15日
相关基金
国家自然科学基金
7+阅读 · 2017年12月31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
7+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年5月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年7月24日
国家自然科学基金
1+阅读 · 2012年6月30日
国家自然科学基金
8+阅读 · 2008年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2023年2月3日
Arxiv
21+阅读 · 2022年11月8日
Arxiv
32+阅读 · 2022年5月23日
Arxiv
31+阅读 · 2022年2月15日
Arxiv
24+阅读 · 2021年6月25日
Arxiv
10+阅读 · 2020年11月26日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
Arxiv
26+阅读 · 2018年8月19日
微信扫码咨询专知VIP会员