Name: Künstliche Intelligenz in der Kardiologie (en Alemán)
SKU: 66234642
Price: 87.59 USD
Availability: InStock
Author: Mudarakola, Lakshmi; Ch, Srinivasulu; Padmaja, M.

portada Künstliche Intelligenz in der Kardiologie (en Alemán)

Künstliche Intelligenz in der Kardiologie (en Alemán)

Formato

Libro Físico

Editorial

Verlag Unser Wissen

Autor

Mudarakola, Lakshmi; Ch, Srinivasulu; Padmaja, M.

Idioma

Alemán

N° páginas

104

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.6 cm

ISBN13

9786208848521

Künstliche Intelligenz in der Kardiologie (en Alemán)

Mudarakola, Lakshmi; Ch, Srinivasulu; Padmaja, M. (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 25 a 32 días háb.

$ 145.99$ 87.59

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 87.59

Llega entre el 05 Oct y el 19 Oct a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Künstliche Intelligenz in der Kardiologie (en Alemán)"

Dieses Lehrbuch befasst sich eingehend mit der Frage, wie Algorithmen des maschinellen Lernens effektiv zur Erkennung und Klassifizierung von Herzkrankheiten eingesetzt werden können. Es überbrückt die Kluft zwischen Gesundheitswesen und Computerintelligenz, indem es theoretische Grundlagen, praktische Implementierungen und reale Anwendungen des maschinellen Lernens in der Kardiologie vorstellt.1 Das Buch beginnt mit einem Überblick über Herz-Kreislauf-Erkrankungen und ihre globalen Auswirkungen und befasst sich dann mit wesentlichen medizinischen Merkmalen und Datensätzen, die für Herzerkrankungen relevant sind. Anschlie end werden verschiedene Techniken des maschinellen Lernens - darunter Entscheidungsbäume, Support Vector Machines, neuronale Netze, k-nearest neighbors, Ensemble-Methoden und Deep Learning - und ihre Rolle bei der Vorhersagemodellierung systematisch untersucht. Jedes Kapitel enthält detaillierte Erklärungen zu den Algorithmen, Metriken zur Modellbewertung (wie Genauigkeit, Präzision, Recall, F1-Score und ROC-AUC) und Fallstudien mit öffentlich zugänglichen Datensätzen wie dem Cleveland Heart Disease Dataset. Ethische Erwägungen, Datenschutz und Herausforderungen bei der klinischen Anwendung werden ebenfalls erörtert Dieses Lehrbuch dient als wertvolle Ressource für Studenten, Forscher, Datenwissenschaftler und Fachkräfte im Gesundheitswesen.