生物統(tǒng)計學：生物大數(shù)據(jù)的概率統(tǒng)計模型與機器學習方法

定　價：￥49.80

作　者：	寧康
出版社：	華中科技大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥42.30)

ISBN：	9787568086356	出版時間：	2023-08-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書主要基于作者近年來教授本科生“生物統(tǒng)計學”和研究生“生物信息學”等課程資料，同時參考了國內(nèi)外眾多*教學和科研資料編寫而成。本書共分為5章：第1章介紹生物統(tǒng)計學的基礎(chǔ)概念和基本研究方法；第2章介紹傳統(tǒng)生物統(tǒng)計學方法及其應用，包括試驗資料的搜集與整理、生物統(tǒng)計量的計算和表征、假設(shè)檢驗及其應用等；第3章介紹生物大數(shù)據(jù)的特征與挑戰(zhàn)，包括生物大數(shù)據(jù)的特征、生物大數(shù)據(jù)分析的常規(guī)方法、生物大數(shù)據(jù)經(jīng)典案例分析等；第4章介紹生物大數(shù)據(jù)與概率統(tǒng)計模型，包括大數(shù)據(jù)機器學習基礎(chǔ)、聚類降維、概率統(tǒng)計模型方法等；第5章介紹面向生物大數(shù)據(jù)挖掘的深度學習，包括深度學習的概念及方法、深度學習應用于生物大數(shù)據(jù)分析的基本流程和經(jīng)典案例等。每章都附有練習題，供讀者參考。本書具有一定的深度和廣度，可以作為生物統(tǒng)計學、生物大數(shù)據(jù)及機器學習相關(guān)課程的教學參考書，也可供生物學、統(tǒng)計學、機器學習、生物大數(shù)據(jù)等領(lǐng)域的科學工作者閱讀。

作者簡介

　　寧康，華中科技大學生命科學與技術(shù)學院教授，博士生導師，生物信息與系統(tǒng)生物學系系主任，湖北省楚天學者特聘教授。目前主持國家自然科學基金項目、科技部重大研究計劃課題等。已在Gut、Genome Biology、Bioinformatics、Nucleic Acids Research、PLoS Genetics、Plant Cell等生物學、醫(yī)學和生物信息學*學術(shù)期刊發(fā)表學術(shù)論文50余篇，其中以第一作者或通訊作者發(fā)表SCI論文30余篇，文章總引用超過2000次，H指數(shù)23（Google Scholar）。獲得軟件著作權(quán)6項，申請國家發(fā)明專利20余項。擔任Scientific Reports、Genomics Proteomics & Bioinformatics等國際期刊編委。擔任中國生物工程學會-計算生物學與生物信息學專業(yè)委員會委員，中國計算機協(xié)會-生物信息學專業(yè)委員會委員、中國遺傳學會-生物大數(shù)據(jù)專業(yè)委員會委員，中國計算機學會-生物信息學專業(yè)委員會委員等。擔任英國生物技術(shù)與生物科學研究理事會（UK-BBSRC）等基金評委。教授“生物統(tǒng)計學”、“生物信息學”等課程，并是4屆iGEM金牌團隊的指導老師。

圖書目錄

第1章生物統(tǒng)計學基礎(chǔ) /1
1.1 生物統(tǒng)計學的概念 /2
1.2 生物統(tǒng)計學的主要內(nèi)容 /3
1.3 生物統(tǒng)計學發(fā)展概況 /4
1.4 常用統(tǒng)計學術(shù)語 /5
習題1 /8
第2章傳統(tǒng)生物統(tǒng)計學及其應用 /9
2.1 試驗資料的搜集與整理 /9
2.2 生物統(tǒng)計量的計算和表征及其應用 /16
2.3 生物數(shù)據(jù)的分布分析及其應用 /20
2.4 針對生物數(shù)據(jù)的假設(shè)檢驗及其應用 /28
習題2 /45
第3章生物大數(shù)據(jù)的特征與挑戰(zhàn) /47
3.1 生物大數(shù)據(jù)的發(fā)展史和大數(shù)據(jù)屬性 /48
3.2 生物大數(shù)據(jù)的特征 /50
3.3 生物大數(shù)據(jù)研究面臨的挑戰(zhàn) /52
3.4 生物大數(shù)據(jù)分析的常規(guī)方法 /53
3.5 生物大數(shù)據(jù)研究經(jīng)典案例分析 /58
3.6 生物大數(shù)據(jù)研究趨勢 /62
習題3 /64
第4章生物大數(shù)據(jù)與概率統(tǒng)計模型 /65
4.1 大數(shù)據(jù)機器學習基礎(chǔ) /66
4.2 隱馬爾可夫模型(Hidden Markov Model，HMM)及其應用 /69
4.3 進化樹的概率模型 /96
4.4 Motif finding中的概率模型 /101
4.5 聚類方法和基因表達數(shù)據(jù)分析 /109
4.6 基因網(wǎng)絡(luò)推斷和分析 /113
4.7 數(shù)據(jù)降維及其應用 /115
4.8 其他概率統(tǒng)計模型方法簡介和方法選擇的建議 /128
習題4 /136
第5章面向生物大數(shù)據(jù)挖掘的深度學習 /138
5.1深度學習的概念 /139
5.2深度學習的基本方法 /148
5.3深度學習應用于生物大數(shù)據(jù)分析的基本流程 /155
5.4深度學習應用于生物大數(shù)據(jù)分析的經(jīng)典案例 /159
習題5 /169
附錄A R語言 /171
A.1 基礎(chǔ)知識 /171
A.2 R的數(shù)據(jù)操作 /190
A.3 R繪圖 /194
附錄B 重要名詞解釋(按章節(jié)順序排列) /199
附錄C 常用分布表 /211
附錄D 生物案例分析 /217
參考文獻 /235