Die Anwendung von Machine Learning in der Medizin ist ein aufregendes Feld, das enorme Potenziale für die Diagnose, Behandlung und Vorbeugung von Krankheiten bietet. Machine Learning bezieht sich auf künstliche Intelligenz, die darauf trainiert wird, Daten zu analysieren, Muster zu erkennen und Vorhersagen zu treffen. In der Medizin wird Machine Learning verwendet, um Muster in klinischen Daten zu erkennen, die Ärzten helfen können, bessere Diagnosen zu stellen und effektivere Behandlungen zu entwickeln.
„Herausforderungen und Chancen bei der Anwendung von Machine Learning in der Medizin“ weiterlesenSchlagwort: Medizin
Mit Machine Learning zu neuen Antibiotika
Antibiotika gehören zu den wichtigsten Entdeckungen der Menschheit, aber seit einigen Jahren macht unter Experten die Erkenntnis die Runde, dass die bekannten Antibiotika ihre Wirkung verlieren. Neue multiresistente Erreger machen insbesondere in Krankenhäusern den Ärztinnen und Ärzten, den Pflegerinnen und Pflegern und nicht zuletzt den Patientinnen und Patienten das Leben schwer. Abhilfe verspricht hier der Einsatz maschinellen Lernens bei der Entdeckung neuer Antibiotika.
„Mit Machine Learning zu neuen Antibiotika“ weiterlesenMachine Learning bei der Krankheitserkennung
Krankheiten, vor allem schwere Krankheiten so früh wie möglich festzustellen, ist eines der ganz großen Ziele der Medizin. Je früher ein gesundheitliches Problem festgestellt wird, desto größer sind die Chancen, die Erkrankung erfolgreich zu behandeln. Insbesondere von vier verschiedenen Ansätzen mithilfe von maschinellem Lernen verspricht sich die Medizin größere Erfolge in der Zukunft. Diese unterschiedlichen Ansätze sind betreffen Chatbots, die Onkologie, die Pathologie und seltene Erkrankungen.
„Machine Learning bei der Krankheitserkennung“ weiterlesenBuchempfehlungen: R lernen auf Deutsch
Hier nun eine Liste mit Büchern, mit denen man die insbesondere die für statistische Berechnungen geeignete Sprache R lernen kann. Das Besondere dieser Liste ist, dass die Bücher allesamt deutschsprachig sind.
R für Einsteiger: Einführung in die Statistiksoftware für die Sozialwissenschaften. Mit Online-Material
Dieses Buch ist eine gute Einführung in R, richtet sich aber in erster Linie an Psychologinnen sowie Psychologen und hat daher deren spezifische Ansprüche im Fokus. Daher ist das Buch etwas speziell, aber zum Erlernen der Sprache ist es dennoch empfehlenswert.
von Maike Luhmann (Autorin) | Verlagsgruppe Beltz | Preis: 34,95 EUR
Link zum Buch bei Amazon
Einführung in R: Ein Kochbuch zur statistischen Datenanalyse mit R
Der Begriff „Kochbuch“ ist hier tatsächlich Programm. Nicht in dem Sinne, dass etwas auf dem Herd zubereitet wird, sondern dass es um die Anwendung und die Praktik anhand von Anleitungen geht. Günter Faes fängt ganz am Anfang an, so dass man auch ohne Vorkenntnisse loslegen kann.
von Günter Faes (Autor) | Books On Demand | Preis: 25,50 EUR
Link zum Buch bei Amazon
Stochastik in den Ingenieurwissenschaften: Eine Einführung mit R (Statistik und ihre Anwendungen)
Die Wahrscheinlichkeitsrechnung und Statistik spielt in den Ingenieur- und Naturwissenschaften eine große Rolle und diese Rolle beleuchtet Christine Müller in ihrem Einführungswerk näher. Auch wenn die Einführung in R kurz gehalten ist, helfen die Übungsaufgaben, das Gelesene einzuüben.
von Christine Müller (Autorin) | Springer | Preis: 32,99 EUR
Link zum Buch bei Amazon
Statistik mit R: Eine praxisorientierte Einführung in R
Die Einführung in die statistische Arbeit mit R von Joachim Zuckarelli bietet einen umfassenden Überblick, bei dem die praktische Anwendung einen angemessenen Raum einnimmt. Neben den verschiedenen Analyse-Ansätzen geht der Autor auch auf die Präsentation der Ergebnisse ein.
von Joachim Zuckarelli (Autor) | O’Reilly | 32,90 EUR
Link zum Buch bei Amazon
Einführung in die Statistik mit R
Bei diesem Buch stehen die Wirtschafts- und Sozialwissenschaften an zentraler Stelle. Die beiden Autoren stellen statistische Methoden vor und zeigen deren Anwendung mithilfe von R. Dabei gehen sie über die Grundlagen hinaus und zeigen auch Ansätze zur Optimierung.
von Andreas Behr (Autor), Ulrich Pötter (Autor) | Franz Vahlen | 24,80 EUR
Link zum Buch bei Amazon
R in 10 Schritten: Einführung in die statistische Programmierumgebung
Einmal mehr steht die Anwendung der Statistik in der Psychologie im Vordergrund. Autor Rainer Alexandrowicz erklärt die Bedienung und die Programmierung von R. Bereits vorliegende Kenntnisse in der Statistik sind hier von Vorteil, wobei Abschnitte, in denen insbesondere auf die Hintergründe eingegangen wird, gekennzeichnet sind.
von Rainer Alexandrowicz (Autor) | UTB | 27,99 EUR
Link zum Buch bei Amazon
Angewandte Statistik: Methodensammlung mit R
Biowissenschaften und die Medizin hatten die beiden Autoren im Sinn, als sie dieses umfassende Werk zu R erstellt haben. Es bietet Studenten und Dozenten aber auch Praktikern anderer Richtungen notwendige Methoden zur gezielten und umsichtigen Datengewinnung. Es handelt sich hier um ein Standardwerk, das bereits in der 16. Auflage erschienen ist.
von Jürgen Hedderich (Autor), Lothar Sachs (Autor) | Springer | 59,99 EUR
Link zum Buch bei Amazon
Einführung in die nichtparametrische Statistik mit SAS und R: Ein anwendungsorientiertes Lehr- und Arbeitsbuch
Wer neben R auch einmal in andere Sprachen wie beispielsweise in SAS hineinschauen möchte, ist hier richtig. Die Autorin hat die verschiedenen statistischen Verfahren im Blick, zeigt dann auch deren Anwendung mit den beiden genannten Programmiersprachen. Grundkenntnisse der Statistik sind bei der Lektüre wünschenswert.
von Christine Duller (Autorin) | Springer | 34,99 EUR
Link zum Buch bei Amazon
Angewandte Statistik mit R: Eine Einführung für Ökonomen und Sozialwissenschaftler
Autor Reiner Hellbrück betrachtet R hierbei als Werkzeug für die Betriebswirtschaft. Insbesondere die Datenpflege und Aufbereitung spielt eine große Rolle, wobei der Autor hier zeigt, wie man in der Tabellenkalkulation die vorhandenen Daten sinnvoll bearbeitet, um mithilfe von R den maximalen Erkenntnisgewinn zu erzielen.
von Reiner Hellbrück (Autor) | Springer | 34,99 EUR
Link zum Buch bei Amazon
Statistikübungen für Bachelor- und Masterstudenten: Ein Arbeitsbuch mit einer Einführung in R
Für Interessierte in Statistik und ihre Anwendung steht dieses kompakte Übungsbuch bereit. Es bietet eine Reihe von Übungsaufgaben samt Lösungen und neben einer Formelsammlung auch Programmierbeispiele in R.
von Fred Böker (Autor), Stefan Sperlich (Mitwirkende), Walter Zucchini (Mitwirkende) | Springer | 32,99 EUR
Link zum Buch bei Amazon
Induktive Statistik: Eine Einführung mit R und SPSS
Die Statistik-Software SPSS und die Programmiersprache R sollen die Leserinnen und Leser hierbei lernen. Dabei dienen praxisnahe Beispiele, um die Konzepte der Datenverwaltung zu vermitteln. Abgerundet wird das Buch mit zahlreichen Übungsaufgaben und deren Lösungen.
von Helge Toutenburg (Autor) | Springer | 34,99 EUR
Link zum Buch bei Amazon
Mathematik für Ingenieure und Naturwissenschaftler: Lineare Algebra und Analysis in R
Für Studierende und Dozierende der Ingenieurs- und Naturwissenschaften bieten die beiden Autoren einen guten Zugang in die Mathematik und zeigen anhand von vielen Beispielen die Anwendung der gewonnenen Erkenntnisse.
von Wilhelm Merz (Autor), Peter Knabner (Mitwirkende) | Springer | 34,99 EUR
Link zum Buch bei Amazon
Endlich gelöst! Aufgaben zur Mathematik für Ingenieure und Naturwissenschaftler: Lineare Algebra und Analysis in R
Dieses Buch gehört direkt zum Werk darüber, denn es bietet für die beeindruckende Zahl von 430 Aufgaben Musterlösungen, bei manchen Aufgaben gibt es sogar mehrere aufgezeigte Lösungswege.
von Wilhelm Merz (Autor), Peter Knabner (Mitwirkende) | Springer | 29,99 EUR
Link zum Buch bei Amazon
Mathematische Methoden in den Biowissenschaften: Eine Einführung mit R
Auch wenn hier insbesondere die Biowissenschaften im Vordergrund stehen, bietet das Buch auf 472 Seiten eine Vielzahl unterschiedlicher Themen, die auch für andere Disziplinen interessant sind. Auch hier bieten vielfältige Übungsmaterialien einen intensiveren Zugang zu den vorgestellten Ansätzen der Datenauswertung.
von Werner Timischl (Autor) | Springer | 44,99 EUR
Link zum Buch bei Amazon
Deep Learning kommt im Mainstream an
Unter dem Titel „Künstliche Gehirne, die selbstständig lernen: So wird #DeepLearning dein Leben umkrempeln“ lief auf heute+ vom ZDF eine 15-minütige Sendung zur künstlichen Intelligenz. Journalist Daniel Bröckerhoff führt durch die Sendung.
In der Sendung erfahren die Zuschauerinnen und Zuschauer, was das Besondere an neuronalen Netzen ist, wer derzeit die Datenhoheit hat und welche Gefahren der Gesellschaft durch den zunehmenden Einsatz von Deep Learning drohen.
Schaut euch die Sendung ruhig an, aber seid nicht zu enttäuscht, wenn es letztlich wieder nur um eine Dystopie herum gesprochen wird und einmal mehr die Bedrohungen und Gefahren einer vermeintlich neuen Technologie in den Vordergrund gestellt werden.
Wo wird Machine Learning eingesetzt?
Auch wenn vielen digital versierten Menschen klar ist, dass Machine Learning einen qualitativen Vorwärtssprung in der Computergeschichte darstellt, lohnt sich ein Blick in die tatsächlichen Einsatzfelder der Methoden. Allgemein lässt sich konstatieren, dass überall, wo viele Daten anfallen, der Einsatz von Machine Learning naheliegt. Hier folgen einige prominente Beispiele:
Selbstfahrende Fahrzeuge
Als der nächste große Wurf in der Transportbranche gelten selbstfahrende Fahrzeuge. Von dieser Art Transportmittel erwarten alle Verkehrsteilnehmer, Hersteller und Versicherungen mehr Effizienz bei gleichzeitig weniger Unfällen. Damit selbstfahrende Fahrzeuge im Massenmarkt ihren Einsatz finden, setzen die Ingenieurinnen und Ingenieure auf Machine Learning.
Wozu braucht man Machine Learning?
Viele Herausforderungen sind zu komplex, um sie im Detail im Vorhinein zu programmieren. Menschen und Tiere vollbringen im Alltag Hunderte von Taten, ohne über diese nachzudenken: Gegenstände in ihrer Gänze erkennen, Sprache verstehen, Gefühle interpretieren und vieles mehr. Versucht man, diese so alltäglichen Tätigkeiten von einem Computer erledigen zu lassen, so stößt man mit dem herkömmlichen Ansatz, alle erdenklichen Situationen im Vorhinein zu bedenken und beispielsweise in einer Datenbank zu speichern, an eine nicht zu überwindende Grenze. Denkt man aber etwa an selbstfahrende Autos, so wird recht schnell klar, dass es unmöglich ist, jede Begebenheit unter allen erdenklichen Umständen an jedem Ort der Welt zu jeder Zeit vorauszudenken und dafür eine Lösung zu programmieren, so dass der Bord-Computer des Wagens im Eintreffen eines bestimmten Falles diesen identifizieren und aus der Datenbank abrufen kann. „Wozu braucht man Machine Learning?“ weiterlesen