Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 17.08.2026 auf Schreibwaren & Office-Artikel online auf thalia.at, in der Thalia App und in teilnehmenden Thalia Buchhandlungen in Österreich mit Schulsortiment. In den Buchhandlungen nur gültig auf lagernde Ware. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Geschenkkarten, Versandkosten und Services.
  • Produktbild: Big Data Analytics in Genomics
  • Produktbild: Big Data Analytics in Genomics
- 10%

Big Data Analytics in Genomics

10% sparen

167,99 € UVP 186,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

01.11.2016

Abbildungen

VIII, 70 illus., 58 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Ka-Chun Wong

Verlag

Springer

Seitenzahl

428

Maße (L/B/H)

24,1/16/2,9 cm

Gewicht

807 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-41278-8

Beschreibung

Rezension

“This edited volume is intended to showcase the current research on big data analytics for genomics … . The edited volume is well-organized, structured, and topics appeared sequentially. Most of the chapters are self-contained. … this is a good collection of work in one place; I think this volume will attract a broader audience. I enjoyed reading a few chapters of the book and found them interesting and useful.” (Technometrics, Vol. 59 (2), April, 2017)

Portrait

Ka-Chun Wong is Assistant Professor in the Department of Computer Science at City University of Hong Kong. He received his B.Eng. in Computer Engineering in 2008 and his M.Phil. degree in the Department of Computer Science and Engineering in 2010, both from United College, the Chinese University of Hong Kong. He finished his PhD at the Department of Computer Science at University of Toronto . His research interests include computational biology, bioinformatics, evolutionary computation, big data analytics, application machine learning, and interdisciplinary research.

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

01.11.2016

Abbildungen

VIII, 70 illus., 58 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Ka-Chun Wong

Verlag

Springer

Seitenzahl

428

Maße (L/B/H)

24,1/16/2,9 cm

Gewicht

807 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-41278-8

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Big Data Analytics in Genomics
  • Produktbild: Big Data Analytics in Genomics
  • Introduction to Statistical Methods for Integrative Analysis of Genomic Data.- Robust Methods for Expression Quantitative Trait Loci Mapping.- Causal Inference and Structure Learning of Genotype-Phenotype Networks using Genetic Variation.- Genomic Applications of the Neyman-Pearson Classification Paradigm.- Improving Re-annotation of Annotated Eukaryotic Genomes.- State-of-the-art in Smith-Waterman Protein Database Search.- A Survey of Computational Methods for Protein Function Prediction.- Genome Wide Mapping of Nucleosome Position and Histone Code Polymorphisms in Yeast.- Perspectives of Machine Learning Techniques in Big Data Mining of Cancer.- Mining Massive Genomic Data for Therapeutic Biomarker Discovery in Cancer: Resources, Tools, and Algorithms.- NGC Analysis of Somatic Mutations in Cancer Genomes.- OncoMiner: A Pipeline for Bioinformatics Analysis of Exonic Sequence Variants in Cancer.- A Bioinformatics Approach for Understanding Genotype-Phenotype Correlation in Breast Cancer.