Deep Learning in Bioinformatics by Izadkhah, Habib;

Techniques and Applications in Practice

20% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 166.99
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

65 226 Ft (62 120 Ft + 5% áfa)
Kedvezmény(ek) 20% (cc. 13 045 Ft off)
Kedvezményes ár 52 181 Ft (49 696 Ft + 5% áfa)
A kedvezmény érvényes eddig: 2026. június 30.

65 226 Ft

Beszerezhetőség

Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.

A termék adatai:

Kiadás sorszáma 2
Kiadó Elsevier Science
Megjelenés dátuma 2026. július 1.

ISBN 9780443446290
Kötéstípus Puhakötés
Terjedelem450 oldal
Méret 235x191 mm
Súly 450 g
Nyelv angol

Kategóriák

Biotechnológia Operációs rendszerek és grafikus felhasználói felületek Számítógépes programozás általában Mesterséges intelligencia A számítástechnika biztonsági és egészségügyi vonatkozásai Orvosi biotechnológia Biotechnológia (karitatív célú kampány) Operációs rendszerek és grafikus felhasználói felületek (karitatív célú kampány) Számítógépes programozás általában (karitatív célú kampány) Mesterséges intelligencia (karitatív célú kampány) A számítástechnika biztonsági és egészségügyi vonatkozásai (karitatív célú kampány) Orvosi biotechnológia (karitatív célú kampány)

Hosszú leírás:

Deep Learning in Bioinformatics: Techniques and Applications in Practice, Second Edition explores how deep learning can be utilized for addressing important problems in bioinformatics, including drug discovery, de novo molecular design, sequence analysis, protein structure prediction, gene expression regulation, protein classification, biomedical image processing and diagnosis, biomolecule interaction prediction, and in systems biology. The book also presents theoretical and practical successes of deep learning in bioinformatics, pointing out problems and suggesting future research directions. This updated edition includes several new chapters, applications, and examples for new Deep Learning advances and techniques.

Dr. Izadkhah provides valuable insights and will help researchers use deep learning techniques in their biological and bioinformatics studies.

Több

Tartalomjegyzék:

1. Why Life Science?
2. A Review of Machine Learning
3. An Introduction to the Python Ecosystem for Deep Learning
4. Preprocessing Techniques for Bioinformatics Data
5. Foundations of Neural Networks and Deep Learning
6. Convolutional Neural Networks in Biology and Bioinformatics
7. Recurrent Neural Networks: Generating New Molecules and Proteins Sequence Classification
8. Sequence-Based Analysis and Neural Networks
9. Graph Neural Networks for Bioinformatics
10. Transfer Learning in Bioinformatics: Adapting Pre-Trained Models
11. Pathway-Based Neural Networks for Biological Insights
12. Multi-Omics Integration Using Multi-Input Neural Networks
13. Deep Learning for Genomic and Metabolomics Data Analysis
14. Autoencoders and Deep Generative Models in Bioinformatics
15. Interpretable Neural Networks for Understanding Decisions in Biological Processes
16. Applications of Deep Learning in Personalized Medicine
17. Ethical Considerations and Challenges in Deep Learning for Bioinformatics