Ocena:
Recenzje podkreślają, że książka „Demystifying Big Data and Machine Learning for Healthcare” jest cennym źródłem informacji zarówno dla nowicjuszy, jak i doświadczonych profesjonalistów w dziedzinie analityki medycznej. Książka skutecznie wyjaśnia złożone koncepcje za pomocą przejrzystego tekstu i rzeczywistych studiów przypadków, co czyni ją zalecaną lekturą dla osób zaangażowanych w big data i uczenie maszynowe w opiece zdrowotnej. Niektóre krytyczne uwagi wskazują jednak na brak głębi w niektórych obszarach i stosunkowo wysoką cenę książki.
Zalety:⬤ Zapewnia kompleksowe wprowadzenie do big data i uczenia maszynowego w opiece zdrowotnej.
⬤ Używa jasnego języka do wyjaśnienia złożonych tematów.
⬤ Zawiera szczegółowe studia przypadków z życia wzięte, które ilustrują praktyczne zastosowania.
⬤ Pomaga zdemistyfikować koncepcje dla początkujących i nie-ekspertów.
⬤ Cenne źródło wiedzy dla profesjonalistów pragnących lepiej zrozumieć analitykę danych w opiece zdrowotnej.
⬤ Niektóre recenzje wspominają o braku głębi i szczegółów w niektórych tematach.
⬤ Krytyka za elementy, które sprawiają wrażenie jedynie akademickich artykułów.
⬤ Omówione autorskie frameworki nie są w pełni wyjaśnione lub nie ma do nich odniesień.
⬤ Niektórzy recenzenci uważają, że książka jest droga, choć wielu uważa, że oferuje dobrą wartość.
(na podstawie 12 opinii czytelników)
Demystifying Big Data and Machine Learning for Healthcare
Transformacja opieki zdrowotnej wymaga od nas ciągłego poszukiwania nowych i lepszych sposobów zarządzania spostrzeżeniami - zarówno wewnątrz organizacji, jak i poza nią. W coraz większym stopniu zdolność do efektywnego gromadzenia i wykorzystywania nowych informacji jako produktu ubocznego codziennych operacji organizacji staje się kluczowa dla zdolności szpitali i systemów opieki zdrowotnej do przetrwania i prosperowania. Jednym z długotrwałych wyzwań w informatyce opieki zdrowotnej jest umiejętność radzenia sobie z różnorodnością i ilością różnorodnych danych dotyczących opieki zdrowotnej oraz rosnącą potrzebą uzyskania z nich prawdziwości i wartości.
Demystifying Big Data and Machine Learning for Healthcare bada, w jaki sposób organizacje opieki zdrowotnej mogą wykorzystać ten gobelin dużych zbiorów danych do odkrywania nowych wartości biznesowych, przypadków użycia i wiedzy, a także w jaki sposób duże zbiory danych mogą być wplecione w istniejące wcześniej działania w zakresie analizy biznesowej i analityki. Ta książka koncentruje się na nauce, jak
⬤ Rozwijać umiejętności potrzebne do identyfikowania i obalania mitów dotyczących big data.
⬤ Stać się ekspertem w oddzielaniu szumu informacyjnego od rzeczywistości.
⬤ Zrozumieć, które V mają znaczenie w opiece zdrowotnej i dlaczego.
⬤ Zharmonizować 4 C w małych i dużych zbiorach danych.
⬤ Wybieranie spójności danych ponad ich jakość.
⬤ Dowiedz się, jak stosować NRF Framework.
⬤ Opanuj uczenie maszynowe stosowane w opiece zdrowotnej.
⬤ Przeprowadzić wycieczkę z przewodnikiem po algorytmach uczenia się.
⬤ Rozpoznanie i przygotowanie się na przyszłość sztucznej inteligencji w opiece zdrowotnej poprzez najlepsze praktyki, pętle sprzężenia zwrotnego i inteligentnych agentów kontekstowych (CIA).
Różnorodność danych w opiece zdrowotnej obejmuje wiele biznesowych przepływów pracy, formatów (ustrukturyzowanych, nieustrukturyzowanych i częściowo ustrukturyzowanych), integrację w punkcie opieki/potrzeby oraz integrację z istniejącą wiedzą. Aby poradzić sobie z tymi realiami, autorzy proponują nowe podejścia do tworzenia organizacji uczącej się opartej na wiedzy, opartej na nowych i istniejących strategiach, metodach i technologiach. Ta książka zajmie się długotrwałymi wyzwaniami w informatyce opieki zdrowotnej i dostarczy pragmatycznych zaleceń, jak sobie z nimi radzić.
