Machine Learning for Neuroscience: Systematyczne podejście

Oryginalny tytuł:

Machine Learning for Neuroscience: A Systematic Approach

Zawartość książki:

Książka ta jest odpowiedzią na rosnące zapotrzebowanie na uczenie maszynowe i eksplorację danych w neuronauce. Książka oferuje podstawowy przegląd neuronauki, uczenia maszynowego oraz wymaganej matematyki i programowania niezbędnego do opracowania niezawodnych modeli roboczych.

Materiał jest przedstawiony w łatwy do naśladowania, przyjazny dla użytkownika sposób i jest pełen w pełni działającego kodu uczenia maszynowego. Machine Learning for Neuroscience: A Systematic Approach, wychodzi naprzeciw potrzebom badaczy neuronauki i praktyków, którzy mają bardzo niewielkie wykształcenie związane z uczeniem maszynowym. Pierwsza część książki zawiera przegląd tematów niezbędnych do zagłębienia się w uczenie maszynowe, w tym podstaw algebry liniowej i programowania w języku Python.

Druga sekcja zawiera przegląd neuronauki i jest skierowana do czytelników zorientowanych na informatykę. Sekcja ta obejmuje neuroanatomię i fizjologię, neuronaukę komórkową, zaburzenia neurologiczne i neuronaukę obliczeniową.

Trzecia część książki poświęcona jest zastosowaniu uczenia maszynowego i eksploracji danych w neuronauce i obejmuje sztuczne sieci neuronowe (ANN), grupowanie i wykrywanie anomalii. Książka zawiera w pełni działające przykłady z kodem do pobrania.

Zawiera również zadania laboratoryjne i quizy, dzięki czemu nadaje się do wykorzystania jako podręcznik. Głównymi odbiorcami są naukowcy zajmujący się neuronauką, którzy muszą zagłębić się w uczenie maszynowe, programiści przypisujący projekty uczenia maszynowego związane z neuronauką oraz studenci studiujący metody w neuronauce obliczeniowej.