×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
暂无评论
图文详情
  • ISBN:9787308234917
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:260
  • 出版时间:2023-02-01
  • 条形码:9787308234917 ; 978-7-308-23491-7

内容简介

本教材已获得浙江省普通本科高校“十四五”重点教材立项,是面向高等学校医学院和药学院“智能药学”方向本科生的课程教材。本教材从医药领域人工智能的发展历程出发,先介绍人工智能方法的基础知识,再根据各种人工智能方法的原理对其分类并逐一讲解,按照先传统机器学习后深度学习的顺序,对每个模型或算法的发展、种类、原理以及应用进行了系统性地描述。本教材中的应用实例涉及医药研究领域的各个前沿方向,包括医学图像识别、组学数据处理、蛋白质家族分类、小分子药物设计等,可做为医药专业课程的配套教材。

目录

**章 医药人工智能导论
**节 人工智能
第二节 医药人工智能与医药大数据
第三节 医药人工智能领域的前沿科学问题
结语
参考文献
第二章 机器学习之监督学习
**节 机器学习导论
第二节 监督学习算法
第三节 监督学习应用浅析
结语
参考文献
第三章 监督学习在医药领域的应用
**节 基于监督学习的定量构效关系
第二节 基于监督学习的药物ADMET和
安全性预测
第三节 基于监督学习的虚拟筛选
第四节 基于监督学习的药物重定向
第五节 监督学习的其他应用
结语
参考文献
第四章 机器学习之无监督学习
**节 聚类
第二节 降维
第三节 无监督深度学习算法
第四节 无监督学习应用浅析
结语
参考文献
第五章 无监督学习在医药领域的应用
**节 生命组学技术
第二节 生命组学数据的获取与分析
第三节 无监督学习在组学研究中的应用
结语
参考文献
第六章 深度学习
**节 深度学习导论
第二节 深度学习算法
第三节 深度学习应用浅析
结语
参考文献
第七章 深度学习在医药领域的应用
**节 生物大分子结构预测
第二节 药物-靶点相互作用预测
第三节 蛋白质-蛋白质相互作用预测
第四节 RNA-RNA相互作用预测
结语
参考文献
第八章 生成模型与强化学习
**节 生成模型
第二节 强化学习
第三节 生成模型与强化学习在医药领域的应用
结语
参考文献
展开全部

作者简介

朱峰,浙江大学教授,博士生导师。常年专注于运用人工智能、复杂网络分析等生物信息学手段和多组学技术,分析和发现具有治疗效用药物靶点的成药性和系统生物学特性,开发用于药靶发现的新型预测方法和在线工具,研究多靶点药物与重要靶点的相互作用机制,并开展基于人工智能的药物设计(AIDD)研究。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航