فراخوان مقاله
این یک حوزهی جدید در جامعهی داده کاوی است و امیدواریم که این کارگاه بتواند پژوهشگران و مخاطبان علاقمند را گردهم آورد تا در خصوص مسائل باز، کاربردها و مسیرهای آتی مه داده به عنوان خدمت: معماری، الگوریتمها و کاربردهای آن در انفورماتیک سلامت کاوش کنند. بدین وسیله دعوت میکنیم مقالاتی را ارسال بفرمایید که به بیان مطالعات پژوهشی مبتکرانه در همهی جنبههای تحلیلهای مه داده و کاربردهای آن در انفورماتیک سلامت می پردازند. مقالات کارهای در حال پیشرفت، پیشنمایشها، مطالعات تجربی، توسعههای متن باز، و مقالههای رویاپردازانه نیز پذیرفته میشود. موضوعات پیشنهادی شامل موارد زیر با تاکید روی حوزههای کاربردی انفورماتیک سلامت است:
- الگوریتمهای یادگیری ماشین مه داده
- یادگیری نیمه نظارت شده مه داده، یادگیری فعال، استنباط استقرایی، یادگیری سازمان یافته، یادگیری تکاملی، یادگیری انتقالی، یادگیری منیفولد، یادگیری احتمالاتی و رابطهای
- یادگیری عمیق مه داده
- سامانههای پشتیبان تصمیم مه داده
- مه داده کاوی زماندار
- سریهای زمانی مه داده و الگوکاوی دنبالهای
- تحلیلهای متنی کلینیکی/دارویی مه داده
- حاشیهنویسی معنایی خودکار محتواهای پزشکی
- طبقهبندی، خوشهبندی و تفسیر تصاویر و ویدیوهای پزشکی در مقیاس بزرگ
- تحلیل دادههای ژنتیکی، کاوش پایگاههای داده ژنی بزرگ
- استانداردهای طلایی
- ملاحظات مهندسی ویژگیها و انتخاب
- ملاحظات الگوریتم و انتخاب
- ملاکهای تحلیل انتخاب
- معماری سامانهها
- زیرساختهای تحلیل مه داده
- سامانههای مقیاسپذیر و ابزارهای تحلیل دادههای با مقیاس بزرگ همچون DataMelt, RapidMiner, Orange, Rattle, Apache Spark, MLlib, Apache Mahout.
- ارزیابی عملکرد یا مطالعه مقایسه ای پلتفرمهای خدمات یادگیری ماشین همچون BigML, Microsoft Azure, Amazon Machine Learning, Google Cloud Prediction API, IBM Watson Analytics
- یکپارچهسازی PaaS با پشتیبانی کاربردها و خدمات مه داده
- کاربرد محاسبات ابری در تحلیلهای مه داده
- تحلیل مه داده به عنوان خدمت
- یادگیری ماشین مه داده به عنوان خدمت
- تبدیل انفورماتیک سلامت مه داده به خدمات تحت وب
- یادگیری عمیق مه داده به عنوان خدمت
- زیرساخت مه داده به عنوان خدمت
تاریخهای مهم
ارسال مقاله: 21 می 2017
اعلامیههای مقاله: 21 جون 2017
ارسالهای نهایی: 10 جولای 2017
تاریخ کارگاه: 14 آگوست 2017