《生物信息学-机器学习方法(Baldi)》pdf电子书免费下载
下载方式一：
百度网盘下载地址：https://pan.baidu.com/s/1EOXYZsAGn_iOJoM_hqAclw
百度网盘密码：1111
下载方式二：
http://ziliaoshare.cn/Download/ab_123533_pd_SWXXX-JQXXFF(Baldi).zip
|
|
作者：皮埃尔·巴尔迪Pierre Baldi 著；张东晖 页数：427 出版社：中信出版社 |
《生物信息学-机器学习方法(Baldi)》介绍
本书作者不仅给我们展示了当今生物信息学大厦的缩影和构筑大厦的工具，更重要的是作者带领我们经历了如何构筑这个大厦，如何搭建“脚手架”的过程，这无论对于修补这座厦还是构建一座新的大厦都是非常重要的。
本书介绍了机器学习方法的主要内容及其在生物学数据处理中的应用。其中对机器学习技术的理论基础——贝叶斯概率体系进行了详细介绍，并在此基础上着重对神经网络、隐也氏模型以及概率图模型等方法在生物信息学中的应用作了详细分析。书中特别列出一章介绍了DNA微阵列和基因表达，以及相关数据的分析方法。本书主要针对两个读者群体。一是生物学和生物化学研究人员，他们想了解基于数据处理的算法；二是物理、数学、统计、计算机科学等领域的学者，他们想知道机器学习方法在分子生物学研究中的应用。
译者序 2002年夏天，中信出版社交给我一本英文原著，是由皮埃尔·巴尔迪(Pierre Baldi)和索恩·布鲁纳克(Sφren Bruak)两位教授编写的《生物信息学——机器学习方法》(第2版)，MIT出版社于2001年出版。出版社的编辑同志告诉我，鉴于本书的学术价值及其在生物信息学领域的重要性，出版社已购买了本书的中文版权，并准备作为社里的重点图书尽快在国内翻译出版。由于本书作者在生命科学、数学以及计算机科学等多个领域都有相当的造诣，加之本书同时涉及了生物信息学的理论基础和*前沿的实际应用，出版社走访了几位专家译者，他们都不愿意承担这一艰巨的翻译工作。我用了整整一个星期的时间，认真阅读了这本书的前言、目录和一些重要章节，深感本书分量之重。在此之前，我也曾经读过几本国内出版的生物信息学著作或译著，其中大部分是有关基因和蛋白质序列分析软件、算法以及相关网络资源的工具书，而真正涉及生物信息学基本理论和*前沿应用的著作还很少。我们在实际工作中经常会利用国外的一些生物信息学的数据库和软件，分析基因或蛋白质的序列和结构，但对于这些数据库和软件背后的理论、模型和算法却所知甚少。随着国内生物信息学和生命科学等相关领域研究工作的不断深入和发展，我们的研究方向已经从积累数据和追踪国外*近进展逐步转向前沿的基础研究和新的应用开发，而这些前沿领域的研究和开发要求我们了解和掌握生物信息学的主要理论、模型和算法。为了适应这些新的研究方向，越来越多的本科和研究生专业已经或将要开设生物信息学课程。因此，国内的生物信息学领域迫切需要一本足够深入的经典教材或参考书，而本书正好可以满足这一迫切需求。正如国外专家对本书的评论中所说的：“仅靠这一本书或许很难掌握生物信息学的全部内容，但如果你想理解生物信息学，此书是不可不读的。”为此，我决定接受翻译此书这一艰巨的任务。 本书的内容涉及生命科学、数学、信息科学等诸多领域的*新进展，我深知仅靠我个人很难在短期内完成全书的翻译工作，必须邀请相关领域的专家组成翻译小组，合作完成全书的翻译和审校工作。于是，我找到了我国著名的信息科学专家，清华大学信息学院院长、生物信息学研究中心主任李衍达院士，他欣然同意主持本书的翻译工作。我们还邀请到微软(中国)公司的资深软件设计工程师张东晖先生，以及清华大学信息学院的黄颖、蔡军等多位博士，共同组成翻译小组，几易其稿，又请了多位专家参与审校，*终完成了本书的中文译稿。整个过程的艰辛难以用语言表达。为此，要感谢李衍达院士的全力支持和翻译小组全体同仁付出的宝贵精力和时间，也要感谢中信出版社青年编辑陈蕴真同志的真诚合作。本书的翻译还得到了“国家重点基础研究发展规划”课题(编号：2001CB51030)的支持，北京市卫生局干部培训中心为翻译小组提供了良好的工作条件，在此一并致谢。 本书的作者是国际著名的生物信息学专家。其中皮埃尔·巴尔迪博士是美国加州大学医学院信息和计算机科学系教授、生物化学系教授，基因组学和生物信息学研究所所长。索恩·布鲁纳克博士是丹麦理工大学生物系教授，生物序列分析中心主任。他们在生物信息学领域发表了大量的论文和著作，涉及到许多生物信息学理论、模型和算法的前沿应用和探索。本书是他们多年研究和教学工作的积累，本书的早期版本曾作为几个国际重要的生物信息学研讨班的讲义。他们在本书中详细介绍了机器学习方法的理论基础——贝叶斯概率体系，并在此基础上着重讨论了神经网络、隐马氏模型、贝叶斯网络、概率图模型以及随机文法等不同方法在序列比对、基因建模与基因发现、系统进化树等生物信息学问题中的应用。书中还专辟一章介绍了DNA微阵列和基因表达，以及相关数据的分析方法。此外，本书还分类列举了大量相关网络资源的详尽网址，以及近600条参考文献和5个包含详尽数学推导的附录，这些参考资料无疑会给生物信息学的研究和教学工作者提供非常实际的帮助。 ……
《生物信息学-机器学习方法(Baldi)》目录
**章概述
第二章机器学习的基础：概率理论体系
第三章概率建模和推断：应用举例
第四章机器学习算法
第五章神经网络：理论
第六章神经网络：应用
第七章隐马氏模型：理论
第八章隐马氏模型：应用
第九章生物信息学中的概率图模型
第十章进化的概率模型：系统进化树
第十一章随机文法和语言学
第十二章微阵列和基因表达
第十三章互联网资源和公共数据库
附录A 统计学
附录B 信息论、熵和相对熵
附录C 概率图模型
附录D HMM的相关技术：标定、周期构架、状态函数和Dirichlet混合模型
附录E 高斯过程、核方法及支持向量机
附录F 公式和缩写符号
参考文献
基本词汇英汉对照表