ODBIERZ TWÓJ BONUS :: »

Practical LLMs for Healthcare. Build generative AI models for wearable health signals using Python and Transformers Dr. Ildar Rakhmatulin

Książka w języku angielskim angielski
Practical LLMs for Healthcare. Build generative AI models for wearable health signals using Python and Transformers Dr. Ildar Rakhmatulin - okladka książki

Practical LLMs for Healthcare. Build generative AI models for wearable health signals using Python and Transformers Dr. Ildar Rakhmatulin - okladka książki

Autor:
Dr. Ildar Rakhmatulin
Serie wydawnicze:
Practical
Ocena:
Bądź pierwszym, który oceni tę książkę
Dostępny format:
     ePub

Ebook
125,10 zł 139,00 zł (-10%)
139,00 zł najniższa cena z 30 dni

Dodaj do koszyka Early Access Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Early Access

Grafika Early Access

Uwaga! Ebook w usłudze Early Access – czytasz w trakcie pisania! Zyskujesz dostęp do najświeższej wiedzy na etapie tworzenia książki. Treść jest udostępniana stopniowo, rozdział po rozdziale, i może zawierać wersje robocze przed ostateczną redakcją. O każdej nowej aktualizacji powiadomimy Cię mailowo.

Planowany termin zakończenia prac to 2026-12-04. Termin ten ma charakter orientacyjny i może ulec zmianie w zależności od przebiegu procesu redakcyjnego, recenzji technicznych oraz tempa prac autorów.

Więcej

From raw pulse signals to evidence-grounded AI explanations, learn to build the complete workflow. Wearable devices generate continuous photoplethysmography (PPG) data, but motion artifacts, missing samples, limited labels, and individual variability make it difficult to model. Practical LLMs for Healthcare shows you how to apply generative AI beyond text to the challenges of wearable biosignals. See how sequence-modeling ideas from LLMs can be adapted to physiological time series while accounting for noise, timing, and variability.
Using Python and real PPG datasets, you will visualize, clean, and tokenize signals; build denoising and Transformer-based time-series models; and pretrain on unlabeled data with self-supervised learning. Generate synthetic PPG with diffusion models, then develop streaming inference, alerting, and personalization workflows for wearable monitoring.
Next, connect PPG embeddings to medical knowledge with retrieval-augmented generation (RAG), FAISS vector search, biomedical text encoders, and structured prompts. Explore privacy safeguards, hallucination detection, faithfulness, and clinical benchmarking to evaluate the quality of AI-generated explanations. By the end, you'll understand how to build and assess end-to-end generative AI pipelines for wearable health applications.
*Email sign-up and proof of purchase required

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Ebook
125,10 zł
Dodaj do koszyka
Płatności obsługuje:
Ikona płatności Alior Bank Ikona płatności Apple Pay Ikona płatności Bank PEKAO S.A. Ikona płatności Bank Pocztowy Ikona płatności Banki Spółdzielcze Ikona płatności BLIK Ikona płatności Crédit Agricole e-przelew Ikona płatności dawny BNP Paribas Bank Ikona płatności Google Pay Ikona płatności ING Bank Śląski Ikona płatności Inteligo Ikona płatności iPKO Ikona płatności mBank Ikona płatności Millennium Ikona płatności Nest Bank Ikona płatności Paypal Ikona płatności PayU Płacę później Ikona płatności Plus Bank Ikona płatności Płacę z Getin Bank Ikona płatności Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile