Hier werden die für die Medizin relevanten KI-Algorithmen nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, die Mathematik dahinter, Daten und Datentypen, Programmierung in Python inkl. Code-Beispielen sowie Erkennen und Vermeide ...mehr lesen
Hier werden die für die Medizin relevanten KI-Algorithmen nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, die Mathematik dahinter, Daten und Datentypen, Programmierung in Python inkl. Code-Beispielen sowie Erkennen und Vermeiden von Fehlern. Einsetzbar sowohl für Forschungsarbeiten als auch für die Anwendung und Entwicklung KI-basierter Tools im medizinischen Alltag.
Teil I - Einführung Was sind künstliche Intelligenz, maschinelles Lernen bzw. Deep Learning? Wo und wie kommen sie in der Medizin zum Einsatz? Welche Möglichkeiten und Grenzen bieten die Algorithmen? Welche Risiken, ethischen und rechtlichen Aspekte sind zu bedenken?
Teil II - Die wichtigsten Algorithmen Für welche Analysen eignen sie sich, welche Vor- und Nachteile haben sie? Welche mathematischen Formeln liegen den KI-Modellen zugrunde? Wie werden diese programmiert und trainiert? Wie erkennt und vermeidet man Fehler?
Lineare Regressionen
Logistische Regressionen
Support Vector Machines (SVMs)
Decision Trees und Random Forests
Clustering
Neuronale Netze (FCNNs)
Convolutional Neural Networks (CNNs)
Graph Neural Networks (GNNs)
Generative künstliche Intelligenz
Daneben werden die nötigen Grundlagen zu Daten, Datentypen und zur Programmierung in Python erläutert, die Code-Beispiele sind als Download verfügbar.
Dieses Werk eignet sich für alle, die medizinische Daten z.B. im Rahmen einer Doktorarbeit eigenständig auswerten wollen oder die ein vertieftes Verständnis der Anwendung von KI-Algorithmen in der Medizin anstreben, um bestehende Tools gezielt einsetzen oder neue entwickeln zu können: Studierende der Medizin, Bioinformatik, Informatik, Data Science, Ingenieurwissenschaften, Betriebswirtschaftslehre und verwandter Fächer, sowie auch Forschende, Ärztinnen und Ärzte oder Unternehmerinnen und Unternehmer.
Hier werden die für die Medizin relevanten KI-Algorithmen nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, die Mathematik dahinter, Daten und Datentypen, Programmierung in Python inkl. Code-Beispielen sowie Erkennen und Vermeiden von Fehlern. Einsetzbar sowohl für Forschungsarbeiten als auch für die Anwendung und Entwicklung KI-basierter Tools im medizinischen Alltag.
Teil I - Einführung Was sind künstliche Intelligenz, maschinelles Lernen bzw. Deep Learning? Wo und wie kommen sie in der Medizin zum Einsatz? Welche Möglichkeiten und Grenzen bieten die Algorithmen? Welche Risiken, ethischen und rechtlichen Aspekte sind zu bedenken?
Teil II - Die wichtigsten Algorithmen Für welche Analysen eignen sie sich, welche Vor- und Nachteile haben sie? Welche mathematischen Formeln liegen den KI-Modellen zugrunde? Wie werden diese programmiert und trainiert? Wie erkennt und vermeidet man Fehler?
Lineare Regressionen
Logistische Regressionen
Support Vector Machines (SVMs)
Decision Trees und Random Forests
Clustering
Neuronale Netze (FCNNs)
Convolutional Neural Networks (CNNs)
Graph Neural Networks (GNNs)
Generative künstliche Intelligenz
Daneben werden die nötigen Grundlagen zu Daten, Datentypen und zur Programmierung in Python erläutert, die Code-Beispiele sind als Download verfügbar.
Dieses Werk eignet sich für alle, die medizinische Daten z.B. im Rahmen einer Doktorarbeit eigenständig auswerten wollen oder die ein vertieftes Verständnis der Anwendung von KI-Algorithmen in der Medizin anstreben, um bestehende Tools gezielt einsetzen oder neue entwickeln zu können: Studierende der Medizin, Bioinformatik, Informatik, Data Science, Ingenieurwissenschaften, Betriebswirtschaftslehre und verwandter Fächer, sowie auch Forschende, Ärztinnen und Ärzte oder Unternehmerinnen und Unternehmer.
Du magst eBooks? Dann wirst du die Elsevier eBooks lieben!
Bester eBook-Reader
Du brauchst keinen eigenen eBook-Reader. Wir nutzen den Weltmarktführer Bookshelf® von VitalSource. Einfach downloaden - Fertig
Läuft einfach überall
Nutzbar online und offline mit Laptop, Tablet oder Smartphone. Im Webbrowser jederzeit mit Internetverbindung
Synchron auf vielen Geräten
Nutze dein eBook auf mehreren Geräten gleichzeitig. Du kannst dir dein eBook auf bis zu 2 stationäre Rechner und 2 Mobilgeräte herunterladen
Coole Lern-Features
Unsere eBooks im ePub-Format bieten dir tolle interaktive Lern-Funktionen. Du kannst z.B. markieren, Notizen machen, Lernkarten erstellen, dir vorlesen lassen etc.
So einfach geht's - eBook sofort verfügbar
1. eBook im Elsevier Shop kaufen - du erhälst
sofort einen Code zum Einlösen
Wir schicken dir deinen Zugangscode direkt mit der Email-Bestellbetätigung zu. Tipp: Checke deinen SPAM-Ordner, wenn du die Email nicht innerhalb von ein paar Minuten erhälst. Außerdem ist der Zugangscode auch jederzeit in deinem Account im Elsevier Webshop zu sehen.
Wir zeigen dir Schritt-für-Schritt, wie du dir den Bookshelf-Reader herunterlädst und deinen Code einlöst. Es geht ganz einfach. Hier klicken >
Dein Zugangscode ist unbegrenzt gültig. Löse deinen Zugangscode am besten gleich nach dem Kauf ein - der Code gilt nur für die akteulle Auflage deines Buches.
Der Zugang zu deinem heruntergeladenen eBook ist auf dem jeweiligen Gerät ungegrenzt gültig.
Entdecke die vielfältigen Lern-Features, die dir unsere eBooks auf dem Bookshelf®-Reader bieten! Du kannst dir z. B. Textpassagen unterschiedlich markieren, Notizen und Lernkarten anlegen, dir die Texte vorlesen lassen etc. Besonders praktisch: Du kannst deine eBooks auch offline nutzen. Mehr Info zu den Lernfunktionen findest du auf der Seite von Vitalsource.
Qualität steht bei uns an erster Stelle. Deshalb arbeiten wir dem führenden Anbieter für eBook-Reader VitalSource zusammen. VitalSource hat einen eigenen eBook-Reader Bookshelf®, den du dir ganz einfach downloaden kannst. Dieser Reader ist sehr benutzerfreundlich und kann mehr als andere Standard-Reader. Du kannst dir z. B. Textpassagen unterschiedlich markieren, Notizen und Lernkarten anlegen, dir die Texte vorlesen lassen etc. Besonders praktisch: Du kannst deine eBooks auch offline nutzen. Mehr Info findest du auf der Seite von Vitalsource.
Elsevier Deutschland bietet seine eBooks im ePub-Format an, da wir der Überzeugung sind, dass dieses Format am besten dazu geeignet ist, unsere Inhalte auf möglichst vielen Geräten ideal anzuzeigen.
Du kannst dein eBook innerhalb von 13 Tagen nach dem Kauf zurückgeben. Von der Rückgabe ausgeschlossen sind eBooks, die teilweise ausgedruckt wurden und die mehr als 15% durchgeblättert wurden.
I Einführung und Hintergründe 1 Geschichte der künstlichen Intelligenz 2 Was ist künstliche Intelligenz und was kann sie? 3 Künstliche Intelligenz im Gesundheitswesen 4 Politische, juristische und ethische Aspekte des Einsatzes von künstlicher Intelligenz in der Medizin II Die wichtigsten Algorithmen der künstlichen Intelligenz 5 Einführung in die Programmierung mit Python 6 Daten und Modelloptimierung – Teil 1 7 Lineare Regressionen 8 Logistische Regression 9 Support Vector Machines (SVMs) 10 Decision Trees und Random Forests 11 Clustering 12 Neuronale Netze 13 Convolutional Neural Networks (CNNs) 14 Graph Neural Networks (GNNs) 15 Generative künstliche Intelligenz 16 Daten und Modelloptimierung – Teil 2
https://shop.elsevier.de/kuenstliche-intelligenz-in-der-medizin-anwendungen-algorithmen-und-programmierung-9783437412080.html326688Künstliche Intelligenz in der Medizin: Anwendungen, Algorithmen und Programmierunghttps://secure-ecsd.elsevier.com/covers/80/Tango2/large/9783437412080.jpg5252EURInStock/Medizinstudium/Prakt. Fertigkeiten/Anamnese/PJ/Product Format/Buch/Bestsellers/Buch549610659368155939134127870549604559368145939133<p>Hier werden die für die Medizin relevanten KI-Algorithmen nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, die Mathematik dahinter, Daten und Datentypen, Programmierung in Python inkl. Code-Beispielen sowie Erkennen und Vermeiden von Fehlern. Einsetzbar sowohl für Forschungsarbeiten als auch für die Anwendung und Entwicklung KI-basierter Tools im medizinischen Alltag.<br><br><b>Teil I - Einführung</b><br>Was sind künstliche Intelligenz, maschinelles Lernen bzw. Deep Learning? Wo und wie kommen sie in der Medizin zum Einsatz? Welche Möglichkeiten und Grenzen bieten die Algorithmen? Welche Risiken, ethischen und rechtlichen Aspekte sind zu bedenken?<br><br><b>Teil II - Die wichtigsten Algorithmen </b><br>Für welche Analysen eignen sie sich, welche Vor- und Nachteile haben sie? Welche mathematischen Formeln liegen den KI-Modellen zugrunde? Wie werden diese programmiert und trainiert? Wie erkennt und vermeidet man Fehler?</p><br> <ul><li>Lineare Regressionen</li><li>Logistische Regressionen</li><li>Support Vector Machines (SVMs)</li><li>Decision Trees und Random Forests</li><li>Clustering</li><li>Neuronale Netze (FCNNs)</li><li>Convolutional Neural Networks (CNNs)</li><li>Graph Neural Networks (GNNs)</li><li>Generative künstliche Intelligenz</li></ul><br> <p>Daneben werden die nötigen Grundlagen zu Daten, Datentypen und zur Programmierung in Python erläutert, die Code-Beispiele sind als Download verfügbar.<br><br>Dieses Werk eignet sich für alle, die medizinische Daten z.B. im Rahmen einer Doktorarbeit eigenständig auswerten wollen oder die ein vertieftes Verständnis der Anwendung von KI-Algorithmen in der Medizin anstreben, um bestehende Tools gezielt einsetzen oder neue entwickeln zu können: Studierende der Medizin, Bioinformatik, Informatik, Data Science, Ingenieurwissenschaften, Betriebswirtschaftslehre und verwandter Fächer, sowie auch Forschende, Ärztinnen und Ärzte oder Unternehmerinnen und Unternehmer.</p> <p>Hier werden die für die Medizin relevanten KI-Algorithmen nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, die Mathematik dahinter, Daten und Datentypen, Programmierung in Python inkl. Code-Beispielen sowie Erkennen und Vermeiden von Fehlern. Einsetzbar sowohl für Forschungsarbeiten als auch für die Anwendung und Entwicklung KI-basierter Tools im medizinischen Alltag.<br><br><b>Teil I - Einführung</b><br>Was sind künstliche Intelligenz, maschinelles Lernen bzw. Deep Learning? Wo und wie kommen sie in der Medizin zum Einsatz? Welche Möglichkeiten und Grenzen bieten die Algorithmen? Welche Risiken, ethischen und rechtlichen Aspekte sind zu bedenken?<br><br><b>Teil II - Die wichtigsten Algorithmen </b><br>Für welche Analysen eignen sie sich, welche Vor- und Nachteile haben sie? Welche mathematischen Formeln liegen den KI-Modellen zugrunde? Wie werden diese programmiert und trainiert? Wie erkennt und vermeidet man Fehler?</p><br> <ul><li>Lineare Regressionen</li><li>Logistische Regressionen</li><li>Support Vector Machines (SVMs)</li><li>Decision Trees und Random Forests</li><li>Clustering</li><li>Neuronale Netze (FCNNs)</li><li>Convolutional Neural Networks (CNNs)</li><li>Graph Neural Networks (GNNs)</li><li>Generative künstliche Intelligenz</li></ul><br> <p>Daneben werden die nötigen Grundlagen zu Daten, Datentypen und zur Programmierung in Python erläutert, die Code-Beispiele sind als Download verfügbar.<br><br>Dieses Werk eignet sich für alle, die medizinische Daten z.B. im Rahmen einer Doktorarbeit eigenständig auswerten wollen oder die ein vertieftes Verständnis der Anwendung von KI-Algorithmen in der Medizin anstreben, um bestehende Tools gezielt einsetzen oder neue entwickeln zu können: Studierende der Medizin, Bioinformatik, Informatik, Data Science, Ingenieurwissenschaften, Betriebswirtschaftslehre und verwandter Fächer, sowie auch Forschende, Ärztinnen und Ärzte oder Unternehmerinnen und Unternehmer.</p>EUR00add-to-cart97834374120802025Wiegand, Tim (Autor),Velezmoro, Laura (Autor)20251Buch170 x 240 mmUrban & Fischer Verlag/Elsevier GmbH40812.03.2025IN STOCKBuchBuchG009DENeinJaJaNeinNeinBitte auswählenBitte auswählenNeinNeinBitte auswählen
