Data Analytics for Pandemics: A COVID-19 Case Study (Intelligent Signal Processing and Data Analysis)

تجزیه و تحلیل روند اپیدمی، پیشرفت جدول زمانی، پیش‌بینی و توصیه برای شروع استراتژی‌های مؤثر کنترل سلامت عمومی حیاتی است و هوش مصنوعی و تجزیه و تحلیل داده‌ها نقش مهمی در اپیدمیولوژی، تشخیصی و بالینی دارند. تمرکز این کتاب تجزیه و تحلیل داده‌ها برای COVID-19 است که شامل مروری کلی از COVID-19 از نظر اپیدمی/همه‌گیری، پردازش داده‌ها و استخراج دانش است. منابع داده، ذخیره سازی و پلتفرم ها همراه با بحث در مورد مدل های داده، عملکرد آنها، تکنیک های مختلف داده های بزرگ، ابزارها و فناوری ها مورد بحث قرار می گیرند. این کتاب همچنین به چالش‌های اعمال تجزیه و تحلیل در سناریوهای همه‌گیر، مطالعات موردی و استراتژی‌های کنترل می‌پردازد. این کتاب با هدف تحلیل‌گران داده، اپیدمیولوژیست‌ها و محققان مرتبط:

• چالش‌های مدل هوش مصنوعی برای تجزیه و تحلیل داده‌های بزرگ در سناریوهای همه‌گیر را مورد بحث قرار می‌دهد؛
• توضیح می دهد که چگونه تکنیک های مختلف تجزیه و تحلیل کلان داده را می توان پیاده سازی کرد؛
• مجموعه ای از توصیه هایی برای به حداقل رساندن میزان آلودگی COVID-19؛
• تکنیک های مختلف پردازش داده و استخراج دانش را خلاصه می کند؛

</ p>

• کاربران را قادر می‌سازد تا تکنیک‌های تجزیه و تحلیل داده‌های بزرگ مورد نیاز برای اهداف پیش‌بینی را درک کنند.

Epidemic trend analysis, timeline progression, prediction, and recommendation are critical for initiating effective public health control strategies, and AI and data analytics play an important role in epidemiology, diagnostic, and clinical fronts. The focus of this book is data analytics for COVID-19, which includes an overview of COVID-19 in terms of epidemic/pandemic, data processing and knowledge extraction. Data sources, storage and platforms are discussed along with discussions on data models, their performance, different big data techniques, tools and technologies. This book also addresses the challenges in applying analytics to pandemic scenarios, case studies and control strategies. Aimed at Data Analysts, Epidemiologists and associated researchers, this book:

• discusses challenges of AI model for big data analytics in pandemic scenarios;
• explains how different big data analytics techniques can be implemented;
• provides a set of recommendations to minimize infection rate of COVID-19;
• summarizes various techniques of data processing and knowledge extraction;
• enables users to understand big data analytics techniques required for prediction purposes.