Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

Machine Learning and Big Data-enabled Biotechnology

Name: Machine Learning and Big Data-enabled Biotechnology
Brand: Wiley-VCH GmbH
SKU: 49249671
Price: 167.0 EUR
Availability: InStock
Author: Hal S. Alper
ISBN: 9783527354740

Hal S. Alper

Език

Английски език

Книга С твърди корици

Код Либристо: 49249671

Издателство Wiley-VCH GmbH, февруари 2026

The book discusses how Machine Learning and Big Data is and can be used in biotechnology for a wide... Цялото описание

Код Либристо: 49249671

405 b

167.00 €

326.63 лв

Външен склад Изпращаме след 10-18 дни

30 дни за връщане на стоката

Клиентите са закупили също

Polska. Weekend na czterech kółkach Gospodarek Mikołaj

С меки корици

20.18 € 39.47 лв

EL DRET I LA LLEI / LE DROIT ET LA LOI Victor Hugo

С твърди корици

26.43 € 51.69 лв

ABC der Tiere 2 - 2. Schuljahr, Spiele zum individualisierten Lernen · Basistraining, m. CD-ROM Alexandra Schobert

Лист

43.52 € 85.11 лв

Na houby s Jardou Jaroslav Tůma

С твърди корици

13.16 € 25.74 лв

Mozesz uzdrowic swoje zycie Louise L. Hay

С твърди корици

11.77 € 23.01 лв

The book discusses how Machine Learning and Big Data is and can be used in biotechnology for a wide breath of topics. It is separated
into three main parts, with the first covering DNA and ranging from ?synthetic biology part design (such as promoters)? to ?predictions from genome sequences?. The second part concerns proteins, with topics ranging from ?structure and design tools? to ?pathway discovery / retrobiosynthesis?, while the last part covers whole cells and ranges from ?Machine Learning approaches for gene expression? to ?Machine Learning predictions of phenotype and bioreactor performance?