پروپوزال توسعه یک مدل پیشبینی عوارض جانبی داروها با استفاده از یادگیری ماشین و سیستمهای توصیهگر ترکیبی
پروپوزال توسعه یک مدل پیشبینی عوارض جانبی داروها با استفاده از یادگیری ماشین و سیستمهای توصیهگر ترکیبی
موضوع اصلی این پروپوزال ” توسعه یک مدل پیشبینی عوارض جانبی داروها با استفاده از یادگیری ماشین و سیستمهای توصیهگر ترکیبی ” است. تعداد صفحات پروپوزال 13 صفحه با رعایت قالب استاندارد فرم دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است.
داروها در سلامتی و درمان انسانها بسیار موثر هستند اما معمولا دارای عوارض و مشکلات جانبی می باشند. پیش بینی عوارض جانبی دارو ها (Wen Zhang, 2016)نیز یک مسئله مهم برای پوشش و پشتیبانی دارو ها نیز به شمار می رود. با افزایش رو به رشد حجم داده های مربوط به داروها، روشهای محاسباتی زیادی از جمله یادگیری ماشین (E. Bresso, 2013)، سیستم های پیشنهاد دهنده (J. Bobadilla, 2013)، روشهای یادگیری جمعی (P.F. Lee, 2013) و غیره به منظور کاهش هزینه و سرعت پردازش داده ها مطرح شده اند.
سیستم های پیشنهاد دهنده در دامنه های مختلفی همچون فروشگاه کتاب، شبکه های دوست یابی، رستوران ها، سیستمهای پزشکی، صنعت داروسازی و سایر محیطها برای ارائه و پیش بینی آیتمها مورد استفاده قرار میگیرند(Son , 2015). این سیستم ها نقش حیاتی و بسیار مهمی در صنعت داروسازی و پزشکی ایفا کرده اند(Pera and Ng , 2013). هدف اصلی سیستم های پیشنهاد دهنده پیش بینی و ارائه جذابترین آیتم ها است. به طور کلی سیستمهای پیشنهاد دهنده به دو دسته تقسیم میشوند(C. Basu, H. Hirsh , 1998; Shardanand and Maes , 1995) که عبارتند از:
هدف پژوهش:
از جمله مهمترین اهداف این پژوهش عبارتند از :
- سیستم پیشنهاد دهنده ای را تولید کنیم که این سیستم بتواند ما را در دستیابی به طرح ارائه پیشنهاد بهینه یاری کند.
- غلبه بر چالش عدم شناسایی عوارض جانبی دارو قبل از تایید نهایی کلینیکهای تخصصی و پیش بینی اثرات جانبی داروهای جدید با دقت مناسب
- بهبود دقت پیش بینی عوارض جانبی با بکارگیری ترکیب چند سیستم پیشنهاددهنده نسبت به جدیدترین روش های ارائه شده قبلی
امکانات اصلی این پروپوزال پس از خرید عبارتند از:
- امکان دانلود فایل Word پروپوزال
- امکان دانلود فایل Pdf پروپوزال
توجه: در صورت نیاز به پایان نامه، سمینار، شبیه سازی و نگارش مقاله جدید مشابه با موضوع این پروپوزال کافیست با تیم پشتیبانی ما از طریق راه های ارتباطی مندرج در سایت تماس برقرار نمایید.
[1] Content-Base Filtering
[2] Collaborative Filtering
- لینک دانلود فایل بلافاصله پس از پرداخت وجه نمایش داده می شود.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید کافیست به ایمیل سایت درخواستتان را ارسال نمایید.
- کلیه محصولات دارای داکیومنت لازم جهت تشریح کامل روند و نتایج پروژه می باشند.
ناب لرنینگ |
بزرگترین بانک اطلاعاتی پروژه های دانشجویی 