趨勢未來 機器學習技術實戰：醫療大數據深度應用

　　從生活到工作、從理論到實踐，採用複雜問題簡單化的方法，對機器學習的概念、主要技術和典型應用加以介紹。

　　本書共8章，主要內容包括：

　　第1章－介紹機器學習應用的基礎內容，快速引領讀者進入機器學習領域。
　
　　第2章－介紹機器學習應用活動的前期工作，即資料探索的工作和資料準備工作，包括資料關係探索、資料特徵探索、資料選擇、資料處理。

　　第3章－介紹機器學習的演算法，從實際應用出發，介紹一些比較經典的演算法，以及一些演算法流程，包括聚類分析、特性選擇、特徵抽取、關聯規則、分類和預測、時間序列、深度學習等。

　　第4章－介紹如何將演算法用到商業應用的案例，如特性選擇模型的應用、分類模型的應用等。

　　第5章－介紹智慧醫學科研系統IMRS的設計思路與步驟，包括從應用需求的產生、解決思路、系統設計、應用實現、效果評價與總結等完整過程，具體剖析IMRS的幾個重要模組的開發方法，包括異常偵測模型、特徵抽取模型，以及演算法開發。

　　第6章－介紹如何使用機器學習系統IMRS，介紹了幾個方向的應用，如分佈探索、關係探索、特徵探索、異常探索、推測探索等。

　　第7章－繼續介紹如何使用機器學習系統IMRS。包括文本探勘技術、文本資料採擷在醫學上的應用、文本分詞的實現、文本智慧搜索、文本聚類與分類的應用、文本主題提取應用。

　　第8章－介紹智慧醫學診斷系統的設計思路與應用展望，還介紹了混沌人工智慧的概念以及解決複雜問題的思路。

本書特色

　　大數據專家撰寫，多年醫學領域機器學習實戰經驗結晶！
　　臨床醫學領域擁有巨量資料
　　而這些大數據中蘊含著許多尚未發現的醫學規律
　　這正是機器學習可以施展威力之處

CHAPTER 1 機器學習基礎
1.1 認識機器學習
1.2 機器學習應用基礎
1.3 機器學習應用系統
1.4 無限三維嵌套空間假說
1.5 分數維度空間
1.6 不確定論
1.7 本章小結

CHAPTER 2 資料探索
2.1 資料關係探索
2.2 資料特徵探索
2.3 資料選擇
2.4 資料處理
2.5 本章小結

CHAPTER 3 機器學習技術
3.1 叢集分析
3.2 特性選擇
3.3 特徵抽取
3.4 關聯規則
3.5 分類和預測
3.6 時間序列
3.7 深度學習
3.8 本章小結

CHAPTER 4 機器學習應用案例
4.1 特性選擇的應用
4.2 分類模型的應用——演算法比較
4.3 演算法的綜合應用——腫瘤標誌物的研究
4.4 本章小結

CHAPTER 5 機器學習應用系統開發
5.1 IMRS的設計思路
5.2 機器學習應用系統：IMRS技術設計
5.3 IMRS異常偵測模型的開發
5.4 IMRS特徵抽取模型的開發
5.5 IMRS的演算法開發
5.6 本章小結

CHAPTER 6 機器學習系統應用（一）：結構資料探勘
6.1 分布探索
6.2 關係探索
6.3 特徵探索
6.4 異常探索
6.5 推測探索
6.6 應用系統的高級應用
6.7 本章小結

CHAPTER 7 機器學習系統應用（二）：非結構資料探勘
7.1 文本探勘技術
7.2 文本資料探勘在醫學上的應用
7.3 文本分詞的實現
7.4 文本智慧搜索
7.5 文本叢集與分類的應用
7.6 文本主題提取應用
7.7 本章小結

CHAPTER 8 基於機器學習的人工智慧應用
8.1 基於大數據和機器學習的人工智慧
8.2 人工智慧的應用：智慧醫學診斷系統
8.3 混沌人工智慧
8.4 本章小結

 

作者簡介



洪松林（Hong Song Lin）

　　加拿大籍；大數據深度分析技術資深專家，中國國家外國專家局（SAFEA）引智技術專家，OCP國際（加拿大）認證專家，並曾在北美多家智慧（AI）專業公司任高級架構師，。有二十餘年資料庫、資料採擷、機器學習、人工智慧等方面的研發、應用和管理經驗。福安易數據技術公司的創始人，帶領團隊走在機器學習和大數據深度分析的技術前端，在結構化和非結構化資料採擷、深度學習等領域，創新研發了眾多領先和有效的機器學習新技術與新演算法。