G Van Rossum And F L Drake Python Tutorial Vol 620 Amsterdam The Netherlands Centrum Voor Wiskunde En Informatica 1995
Download G Van Rossum And F L Drake Python Tutorial Vol 620 Amsterdam The Netherlands Centrum Voor Wiskunde En Informatica 1995 PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get G Van Rossum And F L Drake Python Tutorial Vol 620 Amsterdam The Netherlands Centrum Voor Wiskunde En Informatica 1995 book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Machine Learning Applications in Industrial Solid Ash
Offering the ability to process large or complex datasets, machine learning (ML) holds huge potential to reshape the whole status for solid ash management and recycling. Machine Learning for Solid Ash Management and Recycling is, as far as the author knows, the first published book about ML in solid ash management and recycling. This book highlights fundamental knowledge and recent advances in this topic, offering readers new insight into how these tools can be utilized to enhance their own work. The reference begins with fundamentals in solid ash, covering the status of solid ash generation and management. The book moves on to foundational knowledge on ML in solid ash management, which provides a brief introduction of ML for solid ash applications. The reference then goes on to discuss ML approaches currently used to address problems in solid ash management and recycling, including solid ash generation, clustering analysis, origin identification, reactivity prediction, leaching potential modelling and metal recovery evaluation, etc. Finally, potential future trends and challenges in the field are discussed. - Helps readers increase their existing knowledge on data mining and ML - Teaches how to apply ML techniques that work best in solid ash management and recycling through providing illustrative examples and complex practice solutions - Provides an accessible introduction to the current state and future possibilities for ML in solid ash management and recycling
Анализ на изображения в експерименталната токсикология
РЕЦЕНЗИЯ на монографията „Анализ на изображения в експерименталната токсикология“ от гл. ас. Йордан Иванов Йорданов, дф Монографичният труд на гл.ас. доктор Йордан Йорданов на тема „Анализ на изображения в експерименталната токсикология“ се появява в период от развитието на науката и технологиите, в който въпросите за коректната обработка на големи масиви от данни, съдържателната им интерпретация и поставянето на получените знания в служба на научния прогрес и нуждите на обществото, е изключително актуален. Трудът представя темата и структурата на изследването по разбираем и логичен начин като оптимално комбинира теоретични знания и практически наблюдения. Той започва с анализ на специфичните особености, които имат цифровите изображения и по-специално биоизображенията (отнасящи се до биологични обекти). Анализът обосновава нуждата от интелигентен подход в обработката им, за да бъде извлечена най-съдържателната информация. Това въведение естествено довежда до формулиране на целта на монографията, която найобщо би могла да се определи така – да предостави базови теоретични знания и практически умения по приложението на методите за анализ на цифрови изображения в неклиничните токсикологични проучвания. В съответствие с целта следва представяне на теоретичните основи с акцент върху свойствата на цифровите изображения, видовете операции и методите, прилагани при обработката им. Систематичният обзор последователно извежда селекцията на най-значимите публикации по темата с акцент върху анализ на биоизображения в областта на експерименталната токсикология. Представени са и основни подходи при анализ на биоизображения по собствени резултати на автора в панел от различни токсикологични изследвания. Целевата група читатели на монографичния труд са всички изследователи, които се интересуват от обработка на биоизображения. Те могат да бъдат напълно удовлетворени от съдържанието на монографията, тъй като в нея са събрани и обобщени наличните в момента методи, софтуерни продукти със свободен и безплатен достъп, обучителни ресурси и техники, които текущо са разпръснати в различни източници или фрагментирано представени в книги, дисертации, публикации и интернет източници. Считам, че монографията запълва една съществена празнина в нашия научен книжен/електронен пазар и по такъв начин би насърчила употребата на методите за анализ на изображения сред по-широк кръг от изследователи и особено сред онези от тях, които работят в биомедицинската сфера. Следва да се подчертае силно интердисциплинарният характер на труда, който обединява познания в няколко научни области (физика, математика, биология, медицина, информатика и др.). В същото време той се явява своебразен хибрид между базови теоретични познания и ценни практически съвети, което го прави особено полезен за работещите в полето на биологията и медицината и които имат интерес към темата по анализ на изображения. По-долу се спирам по-подробно върху някои от основните точки в изложението на представения монографичен труд. Авторът последователно описва основните стъпки при анализ на изображения (вкл. биоизображения), по-конкретно: генерирането на изображения, предварителната им обработка, същинския анализ, извличането на информация в подходящ формат, интерпретацията на получената информация и формулирането на изводи за релевантните характеристики на обектите в изображението. Всяка от тези стъпки е анализирана като са очертани основните операции и алгоритми за съответната стъпка. Усвоени в дълбочина и описани са голям брой софтуерни разработки за анализ на изображения, които са критично анализирани от гл. т. на тяхната приложимост при обработка на биоизображения. За да постигне това, авторът е изследвал използването им и по такъв начин е придобил ценен практически опит, който обаче не би бил постижим без разбирането на същностните алгоритми и процеси, които са имплементирани в съответните софтуерни продукти и които той адресира в изложението си. Отделено е специално внимание и на много актуалния напоследък „изкуствен интелект“ (artificial intelligence, AI), проследявайки неговите възможности и ограничения в специфичната за анализ на изображения област. Представени са дълбоките невронни мрежи като инструмент на AI и един от найуспешните методи за обработка на големи масиви от данни, характерни за биоизображенията. Прави впечатление критичният поглед на автора по отношение на обучителните методи и невъзможността им да прогнозират/ класифицират обекти, ако те не са били представени в обучителната група данни на модела, както и трудностите в интерпретацията на изходните резултати, поради липсата на наблюдение върху процеса на обучение. За яснота, той „екстраполира“ тезипроблеми върху биологични обекти, с което адаптира изложението към изследваната тема. Особено ценна част в монографията е систематичният обзор, който насочва описаните преди него теоретични методологични основи към придобиването на обективна представа за приложенията на методите за анализ на биоизображения в експерименталните токсикологични изследвания. Последните се отнасят до тясната експертиза на автора и са крайната му цел в обработката и анализа на биоизображения. В обзора той се базира на обективна, научно проверена информация, достъпна чрез Core Collection на библиографската информационна система Web of Science (WoS). Авторът се възползва от възможностите, които дава WoS, за да реализира няколко нива на селекция на публикациите, позволяващи му да извлече най-съотносимата към интересуващия го обект научна библиография. Забележителна е селекцията, която тръгва от почти 2 млн. заглавия и се свежда след серията от филтри до около 700 и след допълнителен анализ до около 80 най-значими публикации по експериментална токсикология, интегрираща анализи на изображения. Извършен е задълбочен анализ на тези публикации по отношение на обектите и методите на изследване на токсичност и са очертани тези от тях, които определят найсъвременните тенденции в полето. Проведена е класификация по няколко критерия като вид изследвани вещества, токсикологични дисциплини, експериментална моделна система, вид биомаркер, техника за заснемане и др. Като цяло систематичният обзор е едно оригинално конструирано и аналитично изследване, което заслужава да бъде публикувано като самостоятелна статия, за да стане достояние на по-широка читателска аудитория. В монографията е включена и глава, насочваща към собствените изследвания на автора, свързана с разработването на подходи за анализ на биоизображения. Изложението е логично конструирано като започва от подбора на подходящ софтуер, анализиран от гл. т. на неговата достъпност, функционална структура, адекватност за изследвания обект, наличен интерфейс, програмни езици и библиотеки, управление на инфраструктура и др. Самостоятелно е разгледан софтуер за дълбоко обучение в съответствие с най-съвременните тенденции на използване на AI. Списъкът от анализирани софтуери е наистина внушителен и разкрива задълбоченото изучаване от автора на техните качества и ограничения. Цитирани са добри практики и е направен анализ на често срещани грешки, очертани са основните тенденции и перспективи в развитието на специализиран за обработка на изображения софтуер, препоръки за избора му, както и възможността за използване на AI-базирани текстови редактори (чатботове) за избор на най-подходящ софтуер. В същия раздел е представена батерия от методи за анализ на изображения в експерименталната токсикология като собствени разработки на автора по отношение на: (а) определяне на конфлуентност на монослой в двумерни клетъчни култури, (б) идентифициране на окръглени клетки с апоптотична морфология, (в) тест за миграция чрез надраскване на монослой, (г) кометен тест, (д) анализ на интензитет и тъканно разпределение на имунохистохимични маркери; (е) анализ на навлизането на флуоресцентни молекули в резистентни туморни клетки. Всичките шест разработки са в различни апликации на анализ и обработка на биоизображения. Те илюстрират как разработените подходи, базирани на изложените в монографията теоретични основи и добри практики, разкриват възможност за извличане на полезна и съдържателна информация от изследваните биоизображения. Част от тези изследвания са публикувани, за други това предстои. Достойнство на труда е наличието на възможност за свободен достъп на описаните изследвания чрез QR код доподдържана от автора репозитория, създадена на GitHub.com. Монографията е написана на ясен, професионално издържан език и обхваща най-съвременните публикации в областта. Обемът й е 264 страници и включва 50 фигури, 5 таблици и 405 литературни източника. В заключение, оценявам високо цялостната научна и практическа стойност на монографията и считам, че тя представлява принос към българската научна школа в областта, а авторът й оценявам като пионер сред анализаторите на биоизображения у нас. В раздела на систематичния обзор, касаещ географското разпределение на публикациите по темата на анализ на изображения с токсикологична тематика, прави впечатление отсъствието на страната ни от списъка на страните с обща публикационна активност. Вярвам, че настоящата монография ще стимулира работещите у нас в областта на експерименталната токсикология, интегрираща методи за анализ на изображения, и ще доведе до появата и трайното присъствие на страната ни на световната карта на изследователите в тази област. Чл.-кор. проф. Илза Константинова Пъжева, дбн
The Python Library Reference
This book is the first half of The Python Library Reference for Release 3.6.4, and covers chapters 1-18. The second book may be found with ISBN 9781680921090. The original Python Library Reference book is 1920 pages long. This book contains the original page numbers and index, along with the back sections fully intact. While reference-index describes the exact syntax and semantics of the Python language, this library reference manual describes the standard library that is distributed with Python. It also describes some of the optional components that are commonly included in Python distributions. Python's standard library is very extensive, offering a wide range of facilities as indicated by the long table of contents listed below. The library contains built-in modules (written in C) that provide access to system functionality such as file I/O that would otherwise be inaccessible to Python programmers, as well as modules written in Python that provide standardized solutions for many problems that occur in everyday programming. Some of these modules are explicitly designed to encourage and enhance the portability of Python programs by abstracting away platform-specifics into platform-neutral APIs. This book is available for free as a PDF at python.org.