Andere Kunden interessierten sich auch für
![Zika-Virus: Therapeutika, Impfstoffe und menschliche Gesundheit]( "Zika-Virus: Therapeutika, Impfstoffe und menschliche Gesundheit")
Zika-Virus: Therapeutika, Impfstoffe und menschliche Gesundheit35,90 €![Überbrückung der Kluft zwischen Bioinformatik und KI]( "Überbrückung der Kluft zwischen Bioinformatik und KI")
Überbrückung der Kluft zwischen Bioinformatik und KI24,90 €![Regressionsbäume anhand des CART-Algorithmus und diverse fortgeschrittene Methoden]( "Regressionsbäume anhand des CART-Algorithmus und diverse fortgeschrittene Methoden")
Regressionsbäume anhand des CART-Algorithmus und diverse fortgeschrittene Methoden27,95 €![Grundlagen von Big Data. Herkunft, Verwendung, Vor- und Nachteile, Potenziale und Einsatzmöglichkeiten]( "Grundlagen von Big Data. Herkunft, Verwendung, Vor- und Nachteile, Potenziale und Einsatzmöglichkeiten")
Grundlagen von Big Data. Herkunft, Verwendung, Vor- und Nachteile, Potenziale und Einsatzmöglichkeiten18,95 €![Technische Anwendungsgebiete des Clustering]( "Technische Anwendungsgebiete des Clustering")
Technische Anwendungsgebiete des Clustering27,95 €![Digital Transformation of the Claims Process. Requirements and Benefits of Digital Data Analysis and Forecasting Methods to Increase the Product Quality in the Automotive Supply Chain]( "Digital Transformation of the Claims Process. Requirements and Benefits of Digital Data Analysis and Forecasting Methods to Increase the Product Quality in the Automotive Supply Chain")
Digital Transformation of the Claims Process. Requirements and Benefits of Digital Data Analysis and Forecasting Methods to Increase the Product Quality in the Automotive Supply Chain47,95 €![Maschinelles Lernen und Text Mining-Methoden zur Auswertung biologischer Datensätze]( "Maschinelles Lernen und Text Mining-Methoden zur Auswertung biologischer Datensätze")
Maschinelles Lernen und Text Mining-Methoden zur Auswertung biologischer Datensätze54,90 €
Data Mining von Proteinsequenzdatenbanken stellt eine Herausforderung dar, da viele Proteinsequenzen nicht relational sind, während die meisten Data-Mining-Algorithmen davon ausgehen, dass die Eingabedaten eine relationale Datenbank sind. Darüber hinaus liefern rohe Proteinsequenzdatenbanken keine aussagekräftigen Informationen, solange sie nicht in sinnvolle Kategorien unterteilt werden. In diesem Buch wurden 1700 VEGF (Vascular Endothelial Growth Factor) Proteinsequenzdaten verwendet und Data-Mining-Algorithmen für die Vorhersage eingesetzt. Im Biocomputing werden Data-Mining-Techniken (DM) häufig für die Vorhersage von Proteinstrukturen verwendet. Die Interpretation umfangreicher biologischer Daten ist komplex und der Bedarf an Data-Mining-Konzepten ist groß. Molekulare Daten wie DNA-/Proteinsequenzen, das Niveau der genetischen Expression, biochemische Pfade, Biomarker und Proteinstrukturen machen einen großen Teil der biologischen Daten aus. In diesem Buch wird erörtert, wieStandard-Data-Mining-Techniken wie die Extraktion von Proteindaten, Segregation durch Clustering, Assoziation und Visualisierung auf einem Echtzeit-Proteinsequenzdatensatz durchgeführt werden. Das bestehende integrierte Tool BioParisodhana wird mit BioBCDM verglichen, wobei das neue Tool BioParisodhana übertrifft.