Modelling and Machine Learning Methods for Bioinformatics and Data Science Applications - Rilegato

 
9783036528403: Modelling and Machine Learning Methods for Bioinformatics and Data Science Applications

Sinossi

La modellazione matematica viene utilizzata abitualmente nelle scienze fisiche e ingegneristiche per aiutare a comprendere sistemi complessi e ottimizzare i processi industriali. La modellazione matematica differisce dall'Intelligenza Artificiale perché non utilizza esclusivamente i dati raccolti per descrivere un fenomeno o processo industriale, ma si basa su leggi fondamentali della fisica o dell'ingegneria che portano a sistemi di equazioni in grado di rappresentare tutte le variabili che caratterizzano il processo. Al contrario, i metodi di Machine Learning richiedono una grande quantità di dati per trovare soluzioni, rimanendo distaccati dal problema che li ha generati e cercando di dedurre il comportamento dell'oggetto, del materiale o del processo da esaminare dai campioni osservati.

La matematica ci permette di formulare modelli complessi con efficacia e creatività, descrivendo natura e fisica. Insieme alle potenzialità dell'Intelligenza Artificiale e delle tecniche di raccolta dati, è possibile un nuovo modo di affrontare i problemi pratici. L'inserimento delle equazioni derivanti dal mondo fisico nei modelli data-driven può infatti arricchire notevolmente il contenuto informativo dei dati campionati, consentendo di simulare fenomeni molto complessi, con tempi di calcolo drasticamente ridotti.

Gli approcci combinati costituiranno una svolta nelle applicazioni all'avanguardia, fornendo strumenti precisi e affidabili per la previsione dei fenomeni nei macro/microsistemi biologici, per applicazioni biotecnologiche e per la diagnostica medica, in particolare nel campo della medicina di precisione.

Le informazioni nella sezione "Riassunto" possono far riferimento a edizioni diverse di questo titolo.