周末书单∣清华医工第七十一期

文摘   科学   2024-08-25 21:00   北京  

交叉  融合  智能  创新


_

现代科学技术和生物医学及医学影像技术、超声技术、内窥镜技术、健康大数据、云计算、物联网、人工智能、远程医疗、医疗机器人等核心技术的发展与应用,显著改变了当代医学的价值观、思维模式、诊疗策略、技术特征乃至健康医疗服务的业态。清华医工书单为现代医学检验、诊断、治疗、康复等领域的研究人员、从业人员、管理人员等提供交叉学科专著图书,以期为医工融合与发展提供知识支撑。


_


人工智能的发展关乎全社会、全人类的未来。面对科技的迅猛发展,我国政府制定了《新一代人工智能发展规划》,将人工智能上升到国家战略层面,并提出: 人工智能产业要成为新的重要经济增长点,到2030年人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心,智能经济、智能社会取得明显成效,为跻身创新型国家前列和经济强国奠定重要基础。科学技术是中性的,可用于造福人类,也可用于危害人类。要避免人工智能技术创新治理陷入“科林格里奇困境”,就必须预先研判,提前布局。尽管人们对人工智能未来将走向何方众说纷纭,但对人工智能加以伦理规制和安全管控,已经成为一个世界范围的基本共识。欧盟、英国、日本等国际组织和国家,均发布了人工智能的伦理准则。


知识图谱作为当下热门的技术领域,正引领着数据科学的新潮流。本期书单精选四本佳作,从原理到实战,从工具到案例,再到学科主题演化分析与预测,全方位带你探索知识图谱的奥秘。推荐书单为《知识图谱从0到1:原理与Python实战》《数据科学技术:文本分析和知识图谱》《知识图谱:方法、工具与案例》《基于知识图谱的学科主题演化分析与预测》。



知识图谱从0到1:原理与Python实战



作者:刘威

ISBN:9787302662341

内容简介:

本书旨在帮助读者全面理解知识图谱的基本原理和概念。通过清晰的解释和实例,读者将深入了解 知识图谱的构建、表示、推理等关键知识点。此外,本书通过提供代码实战,引导读者亲自动手构建知 识图谱,并应用各种技术和工具进行实践。这种实践性的讲解方法可帮助读者更深入地理解知识图谱的 实际应用。本书的目标是帮助读者全面理解知识图谱的基本原理和概念,并通过代码实战构建知识图谱。同时,本书也提供了关于大语言模型与知识图谱相结合的内容,让读者进一步探索这两个领域的交叉点。本书内容对于人工智能基础研究有一定的参考意义,既适合专业人士了解知识图谱、深度学习和人 工智能的前沿热点,也适合对人工智能感兴趣的读者阅读,同时本书也可作为相关开发人员的自学用书 和参考手册。






数据科学技术:文本分析和知识图谱



作者:苏海波、刘译璟、易显维、苏萌

ISBN:9787302649700

内容简介:

数据科学的关键技术包括数据存储计算、数据治理、结构化数据分析、语音分析、视觉分析、文本分析和知识图谱等方面。本书的重点是详细介绍文本分析和知识图谱方面的技术。文本分析技术主要包括文本预训练模型、多语种文本分析、文本情感分析、文本机器翻译、文本智能纠错、NL2SQL问答以及ChatGPT大语言模型等。知识图谱技术主要包括知识图谱构建和知识图谱问答等。本书将理论介绍和实践相结合,详细阐述各个技术主题的实现路线,并对应用于业界算法大赛中的技术方案和技巧进行源代码解读,帮助读者深入理解技术原理。最后,本书还介绍了文本分析和知识图谱技术在政务、公共安全、应急等多个行业中的智能应用实践案例。





知识图谱:方法、工具与案例



作者:[奥地利]迪特·芬塞尔(Dieter Fensel) 等著 郭涛 译

ISBN:9787302634638

内容简介:

《知识图谱:方法、工具与案例》介绍可供信息提供者构建和维护知识图谱的方法和工具,包括实施知识图谱,手动、半自动、自动构建验证语义标记,并将语义标记集成到知识图谱;还介绍用于半自动和自动整理图谱的基于生命周期的方法,可进行评估、纠错,以及利用其他静态和动态资源来丰富知识图谱。 




基于知识图谱的学科主题演化分析与预测



作者:霍朝光

ISBN:9787302595236

内容简介:

本研究在梳理知识演化、知识生命周期等知识进化理论和思想的基础上,介绍了引文网络、Meta-path、PageRank等网络分析理论和方法,阐述了Word2vec、Doc2vec、Node2vec等深度表示学习模型以及ARIMA、SVM等时间序列模型,以期为科学主题的演化和热度预测提供理论基础和方法支撑;以生物医学与生命科学领域PubMed Central数据全集为例,基于知识图谱技术构建了一种面向计量相关研究和应用的垂直领域知识图谱——计量知识图谱;创新计量指标,计算计量实体的热度,用热度值反应主题所处的演化状态;采用一系列深度学习等方法挖掘科学主题在计量知识图谱中的特征,分析科学主题的演化规律;基于SVM、ARIMA、LSTM等一系列时间序列模型构建学科主题预测模型,优化、验证模型,并进行应用研究。读者对象:高等学校信息科学、情报学、信息管理等相关专业的学生,以及从事科技情报、知识管理、知识服务的实际工作者。






了解医学  守护健康


欢迎点击下方公众号

医学相关内容为您呈现













水木医声
清华大学出版社医学分社主办,秉承清华人“自强不息,厚德载物”的人文精神。主要发布与医学相关的学术文章、科普知识、新书介绍,医学生活小常识等。
 最新文章