... Předmluva n -- 1 Základy 13 -- C 1.1 Big data 13 -- 1.2 Věda o datech 19 -- 1.3 Umělá inteligence 24 ... ... -- 1.4 Data mining 25 -- 1.5 Strojové učení 26 -- 1.6 Business Intelligence 27 -- 1.7 Datové inženýrství ... ... 28 -- 1.8 Průnik disciplín 28 -- 1.9 Metodologie CRISP DM 30 -- P 1.10 Strategie používání dat 32 -- ... ... 1.11 Výuka vědy o datech 34 -- 1.12 Problematika COVID-19 36 -- 1.13 Souhrn 38 -- 2 Stručně o umělé ... ... -- 2.2 Expertní systémy 46 -- 2.3 Pravidla v expertním systému 48 -- 2.4 Souhrn 54 -- 3 Uspořádání dat ...
1. elektronické vydání 1 online zdroj (224 stran)
Big data a věda o datech jsou oblasti, které se v dnešní době plné dat rychle rozvíjejí v teorii i v aplikacích. Vliv Big dat, otevřených dat a příslušných datových infrastruktur je patrný v celé vědě, v obchodě, ve státních i občanských institucích. Z dat se tak postupně stává zboží.; V knize se popisují nejdůležitější procedury pro analyzování velkých množství dat s cílem získat poznatky, které pomáhají uživatelům provádět rozhodnutí v mnoha oblastech lidské činnosti.Prostor je věnován výkladu analýzy textů, určitým aspektům analýzy sociálních sítí a organizace dat na softwarové úrovni. Text obsahuje v přehledu popisy strategií, mnoha postupů a schémat algoritmů. Obsahuje kromě toho několik příkladů aplikace popisovaných metod v úlohách spojených s pandemií COVID-19.
... Předmluva n -- 1 Základy 13 -- C 1.1 Big data 13 -- 1.2 Věda o datech 19 -- 1.3 Umělá inteligence 24 ... ... -- 1.4 Data mining 25 -- 1.5 Strojové učení 26 -- 1.6 Business Intelligence 27 -- 1.7 Datové inženýrství ... ... 28 -- 1.8 Průnik disciplín 28 -- 1.9 Metodologie CRISP DM 30 -- P 1.10 Strategie používání dat 32 -- ... ... 1.11 Výuka vědy o datech 34 -- 1.12 Problematika COVID-19 36 -- 1.13 Souhrn 38 -- 2 Stručně o umělé ... ... -- 2.2 Expertní systémy 46 -- 2.3 Pravidla v expertním systému 48 -- 2.4 Souhrn 54 -- 3 Uspořádání dat ...
Průvodce
První vydání 224 stran : ilustrace ; 24 cm
Publikace se zaměřuje na analýzu velkých množství dat, analýzu textu a sociálních sítí, na umělou inteligenci či programování. Určeno odborné veřejnosti.; V knize se popisují nejdůležitější procedury pro analyzování velkých množství dat s cílem získat poznatky, které pomáhají uživatelům provádět rozhodnutí v mnoha oblastech lidské činnosti.Prostor je věnován výkladu analýzy textů, určitým aspektům analýzy sociálních sítí a organizace dat na softwarové úrovni. Text obsahuje v přehledu popisy strategií, mnoha postupů a schémat algoritmů. Obsahuje kromě toho několik příkladů aplikace popisovaných metod v úlohách spojených s pandemií COVID-19.
- MeSH
- Data Analysis MeSH
- Big Data MeSH
- Social Networking MeSH
- Software MeSH
- Artificial Intelligence MeSH
- Word Processing MeSH
- Publication type
- Monograph MeSH
- Conspectus
- Programování. Software
- NML Fields
- knihovnictví, informační věda a muzeologie
The aim of this paper is to overview challenges and principles of Big Data analysis in biomedicine. Recent multivariate statistical approaches to complexity reduction represent a useful (and often irreplaceable) methodology allowing performing a reliable Big Data analysis. Attention is paid to principal component analysis, partial least squares, and variable selection based on maximizing conditional entropy. Some important problems as well as ideas of complexity reduction are illustrated on examples from biomedical research tasks. These include high-dimensional data in the form of facial images or gene expression measurements from a cardiovascular genetic study.
- MeSH
- Data Analysis MeSH
- Principal Component Analysis methods MeSH
- Big Data * MeSH
- Biostatistics * methods MeSH
- Cardiovascular Diseases genetics prevention & control MeSH
- Humans MeSH
- Least-Squares Analysis MeSH
- Risk MeSH
- Facial Recognition MeSH
- Decision Support Systems, Clinical MeSH
- Check Tag
- Humans MeSH
- Publication type
- Research Support, Non-U.S. Gov't MeSH
Snad ve všech odvětvích lidského působení se v současné době uplatňují tzv. big data vyznačující se extrémně velkým objemem dat, extrémně vysokou rychlostí, s jakou data vznikají, a extrémně velkou rozmanitostí dat. Velké soubory dat patřící do této kategorie se skrývají i v knihovnách. Kde přesně lze v knihovnách big data nalézt a jakým způsobem by jejich analýzy mohly být přínosné pro rozvoj vědy a výzkumu? Na tuto otázku se snaží odpovědět následující příspěvek.
1. vyd. 256 s. ; 23 cm
MEMO01Dvojice autorů ukáže moderní přístup ke zpracování dat, který nepracuje se vzorkem, ale celou množinou. Takto lze získat cenné informace mnohem rychleji než v případě konvenčních postupů a v řadě případů lze objevit i úplně nové spojitosti. S novými možnostmi zpracování dat se seznámíte poutavou čtivou formou, autoři je popisují na příkladech z běžného života, na známých společnostech, zcela bez komplikovaných, těžko srozumitelných technických popisů. Nakladatelská anotace. Kráceno; Seznamte se s novým fenoménem, díky kterému získáte zcela nový pohled nejen na proces získávání důležitých informací z dostupných dat, ale na fungování světa jako celku v technologiemi protkaném 21. století; Seznamte se s novým fenoménem, díky kterému získáte zcela nový pohled nejen na proces získávání důležitých informací z dostupných dat, ale na fungování světa jako celku v technologiemi protkaném 21. století. Dvojice autorů vám ukáže moderní přístup ke zpracování dat, který nepracuje se vzorkem, ale celou množinou. Takto lze získat cenné informace mnohem rychleji než v případě konvenčních postupů a v řadě případů lze objevit i úplně nové spojitosti. S novými možnostmi zpracování dat se seznámíte poutavou čtivou formou, autoři je popisují na příkladech z běžného života, na známých společnostech, zcela bez komplikovaných, těžko srozumitelných technických popisů.
- Conspectus
- Sociální procesy
- NML Publication type
- monografie
... datasets 120 -- Data linkages are concentrated in many countries 120 -- Data processing centres 122 ... ... -- Accreditation or certification of data processors 123 -- Processing data access requests and recovering ... ... 142 -- Transparent processes for requests to process or access personal health data 142 -- Project review ... ... the intended purpose 155 Data de-identification practices that consider the “big picture”: data protection ... ... services 169 -- Protecting data during the transfer process 169 -- Data sharing agreements or contracts ...
OECD health policy studies, ISSN 2074-3181
197 stran : ilustrace ; 28 cm
- MeSH
- Documentation MeSH
- Health Services Accessibility MeSH
- Confidentiality MeSH
- Health Care Economics and Organizations MeSH
- Delivery of Health Care, Integrated MeSH
- Personally Identifiable Information MeSH
- Public Health Informatics MeSH
- Health Policy MeSH
- Health Information Systems MeSH
- Conspectus
- Veřejné zdraví a hygiena
- NML Fields
- veřejné zdravotnictví
- ekonomie, ekonomika, ekonomika zdravotnictví
- NML Publication type
- studie
Digitalizace laboratoří, aplikace big dat a automatizovaná strojová diagnostika ("machine learning") jsou nástroji pro vznik a fungování toho, co se označuje jako precizní medicína. Genomika, její dominantní metody (qPCR, dPCR, ddPCR, NGS), produkující obrovská kvanta dat (big data) a schopnosti počítačových systémů tyto soubory dat využívat v diagnostice a terapii za významného přispění "umělé inteligence" se označují jako strojová automatizovaná diagnostika - machine learning respektive deep learning). Tyto postupy pronikají z průmyslu a výzkumu do rutinní medicíny včetně medicíny laboratorní. Zvládnutí technických a personálních problémů těchto změn bude stát značné úsilí, srovnatelné s před lety realizovanou přeměnou manuální laboratorní práce na automatizovanou činnost a s přeměnou papírové dokumentace výsledků na laboratorní a nemocniční informační systémy. Lze předpokládat nejen zásadní změny metod laboratorní práce, ale i změny požadavků na odbornost personálu laboratoří a rovněž lze předpokládat nevyhnutelnost radikálního ovlivnění činnosti klinických laboratoří. Etický rozměr nastávajících změn bude stejně závažný, jako ten technický a bude možné očekávat nejen významný progres v diagnostice e prognostice chorob, ale i vzestup rizika zdravotní péče v případě chyb a neprofesionality. Automatická strojová aplikace big dat a používání umělé inteligence jsou náročné, je s nimi v medicíně málo zkušeností, ale vyhnout se jim nebude možné.
Digitalization of clinical laboratories, application of big data and methods of machine learning re contemporary tools for precision medicine. Precision medicine is based mainly on the genomic methods, namely of dominant PCR and NGS methods. These methods produces enormous number of dates (big data) and can be explored by means of artificial intelligence in processes called machine learning. Machine learning was primarily used in industry and research and now contemporary penetrates into medicine and also to laboratory medicine. Methods based on the big data and artificial intelligence with exploration of big data is certainly very important factor of future of medicine. It will be needs large requirements not only on high-technology equipment, but also for new type of young laboratory Professional used basically new methods of work and mind. Machine learning, part of precision medicine, necessary namely for oncology and prediction of patients state crettemeans also lot of new types of ethical problems. These ethical questions and problems should be soluted immediately, parallel with introduction of machine learning to laboratory practice.
Objectives: Presentation of an overview of the reasons why data integration initiatives should be seen as enablers for effective decision support in data-intensive healthcare settings. Methods: Typical challenges rising from the information requirements of clinical decision support systems are highlighted. We then propose a methodological solution where several heterogeneous data sources are integrated by the means of a common data model on top of which the DSS is built. Results: We report on two successful case studies based on the DSSs developed in the context of the MobiGuide and Mosaic projects, funded by the European Union in the Seventh Framework Program. The MobiGuide patient guidance system has been successfully validated during a recent pilot study involving 30 patients (10 with atrial fibrillation and 20 with gestational diabetes), while Mosaic is currently undergoing a validation phase involving 1000 type 2 Diabetes patients. Conclusions: In the era of big data, effective data integration strategies are an essential need for medical informatics solutions and even more for those intended to support decision processes. Building generic DSSs based on a stable (but easily extensible) data model, specifically designed to meet the information requirements of DSSs and analytics, has proven to be a successful solution in the two presented use cases.
- Keywords
- projekt MOSAIC, projekt MobiGuide,
- MeSH
- Diabetes Mellitus, Type 2 diagnosis therapy MeSH
- Atrial Fibrillation diagnosis therapy MeSH
- Health Level Seven MeSH
- Consumer Health Information * MeSH
- Humans MeSH
- Decision Making, Computer-Assisted MeSH
- Systems Integration MeSH
- Decision Support Systems, Clinical * MeSH
- Models, Theoretical MeSH
- Patient Participation MeSH
- Check Tag
- Humans MeSH
- Publication type
- Research Support, Non-U.S. Gov't MeSH
