Autor Valera, Isabel
|
|
Documentos disponibles escritos por este autor (3)
Hacer una sugerencia Refinar búsquedaEuropean Conference, ECML PKDD 2020, Ghent, Belgium, September 14–18, 2020, Proceedings, Part I / Hutter, Frank ; Kersting, Kristian ; Lijffijt, Jefrey ; Valera, Isabel
TÃtulo : European Conference, ECML PKDD 2020, Ghent, Belgium, September 14–18, 2020, Proceedings, Part I Tipo de documento: documento electrónico Autores: Hutter, Frank, ; Kersting, Kristian, ; Lijffijt, Jefrey, ; Valera, Isabel, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: L, 764 p. 219 ilustraciones, 188 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-67658-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de datos Estructuras de datos (Informática) TeorÃa de la información Aprendizaje automático Ciencias sociales Visión por computador MinerÃa de datos y descubrimiento de conocimientos Estructuras de datos y teorÃa de la información Aplicación informática en ciencias sociales y del comportamiento Ãndice Dewey: 6.312 Resumen: Las actas de cinco volúmenes, LNAI 12457 hasta 12461, constituyen las actas arbitradas de la Conferencia europea sobre aprendizaje automático y descubrimiento de conocimiento en bases de datos, ECML PKDD 2020, que se celebró del 14 al 18 de septiembre de 2020. La conferencia estaba prevista para tener lugar en Gante, Bélgica, pero tuvo que cambiar a un formato online debido a la pandemia de COVID-19. Los 232 artÃculos completos y 10 artÃculos de demostración presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados para su inclusión en las actas. Los volúmenes están organizados en secciones temáticas de la siguiente manera: Parte I: MinerÃa de patrones; agrupamiento; privacidad y equidad; análisis de redes (sociales) y ciencias sociales computacionales; reducción de dimensionalidad y codificadores automáticos; adaptación de dominio; bocetos, muestreos y proyecciones binarias; modelos gráficos y causalidad; datos (espatio-)temporales y redes neuronales recurrentes; filtrado colaborativo y finalización de matrices. Parte II: optimización y teorÃa del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en lÃnea; aprendizaje parcial de etiquetas; aprendizaje reforzado; transferencia y aprendizaje multitarea; Optimización bayesiana y aprendizaje de pocas oportunidades. Parte III: Optimización combinatoria; optimización a gran escala y privacidad diferencial; métodos de refuerzo y conjunto; métodos bayesianos; arquitectura de redes neuronales; graficar redes neuronales; procesos gaussianos; visión por ordenador y procesamiento de imágenes; procesamiento natural del lenguaje; bioinformática. Parte IV: ciencia de datos aplicada: recomendación; ciencia de datos aplicada: detección de anomalÃas; ciencia de datos aplicada: minerÃa web; ciencia de datos aplicada: transporte; ciencia de datos aplicada: reconocimiento de actividades; ciencia de datos aplicada: hardware y fabricación; Ciencia de datos aplicada: datos espaciotemporales. Parte V: ciencia de datos aplicada: bien social; ciencia de datos aplicada: asistencia sanitaria; ciencia de datos aplicada: comercio electrónico y finanzas; ciencia de datos aplicada: ciencia social computacional; ciencia de datos aplicada: deportes; pista de demostración. . Nota de contenido: Pattern Mining -- clustering -- privacy and fairness -- (social) network analysis and computational social science -- dimensionality reduction and autoencoders -- domain adaptation -- sketching, sampling, and binary projections -- graphical models and causality -- (spatio-) temporal data and recurrent neural networks -- collaborative filtering and matrix completion. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i European Conference, ECML PKDD 2020, Ghent, Belgium, September 14–18, 2020, Proceedings, Part I [documento electrónico] / Hutter, Frank, ; Kersting, Kristian, ; Lijffijt, Jefrey, ; Valera, Isabel, . - 1 ed. . - [s.l.] : Springer, 2021 . - L, 764 p. 219 ilustraciones, 188 ilustraciones en color.
ISBN : 978-3-030-67658-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Procesamiento de datos Estructuras de datos (Informática) TeorÃa de la información Aprendizaje automático Ciencias sociales Visión por computador MinerÃa de datos y descubrimiento de conocimientos Estructuras de datos y teorÃa de la información Aplicación informática en ciencias sociales y del comportamiento Ãndice Dewey: 6.312 Resumen: Las actas de cinco volúmenes, LNAI 12457 hasta 12461, constituyen las actas arbitradas de la Conferencia europea sobre aprendizaje automático y descubrimiento de conocimiento en bases de datos, ECML PKDD 2020, que se celebró del 14 al 18 de septiembre de 2020. La conferencia estaba prevista para tener lugar en Gante, Bélgica, pero tuvo que cambiar a un formato online debido a la pandemia de COVID-19. Los 232 artÃculos completos y 10 artÃculos de demostración presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados para su inclusión en las actas. Los volúmenes están organizados en secciones temáticas de la siguiente manera: Parte I: MinerÃa de patrones; agrupamiento; privacidad y equidad; análisis de redes (sociales) y ciencias sociales computacionales; reducción de dimensionalidad y codificadores automáticos; adaptación de dominio; bocetos, muestreos y proyecciones binarias; modelos gráficos y causalidad; datos (espatio-)temporales y redes neuronales recurrentes; filtrado colaborativo y finalización de matrices. Parte II: optimización y teorÃa del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en lÃnea; aprendizaje parcial de etiquetas; aprendizaje reforzado; transferencia y aprendizaje multitarea; Optimización bayesiana y aprendizaje de pocas oportunidades. Parte III: Optimización combinatoria; optimización a gran escala y privacidad diferencial; métodos de refuerzo y conjunto; métodos bayesianos; arquitectura de redes neuronales; graficar redes neuronales; procesos gaussianos; visión por ordenador y procesamiento de imágenes; procesamiento natural del lenguaje; bioinformática. Parte IV: ciencia de datos aplicada: recomendación; ciencia de datos aplicada: detección de anomalÃas; ciencia de datos aplicada: minerÃa web; ciencia de datos aplicada: transporte; ciencia de datos aplicada: reconocimiento de actividades; ciencia de datos aplicada: hardware y fabricación; Ciencia de datos aplicada: datos espaciotemporales. Parte V: ciencia de datos aplicada: bien social; ciencia de datos aplicada: asistencia sanitaria; ciencia de datos aplicada: comercio electrónico y finanzas; ciencia de datos aplicada: ciencia social computacional; ciencia de datos aplicada: deportes; pista de demostración. . Nota de contenido: Pattern Mining -- clustering -- privacy and fairness -- (social) network analysis and computational social science -- dimensionality reduction and autoencoders -- domain adaptation -- sketching, sampling, and binary projections -- graphical models and causality -- (spatio-) temporal data and recurrent neural networks -- collaborative filtering and matrix completion. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
TÃtulo : European Conference, ECML PKDD 2020, Ghent, Belgium, September 14–18, 2020, Proceedings, Part II Tipo de documento: documento electrónico Autores: Hutter, Frank, ; Kersting, Kristian, ; Lijffijt, Jefrey, ; Valera, Isabel, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XLIII, 742 p. 248 ilustraciones, 231 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-67661-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de datos Aprendizaje automático Informática Visión por computador MinerÃa de datos y descubrimiento de conocimientos Computadoras y Educación Matemáticas de la Computación Ãndice Dewey: 6.312 Resumen: Las actas de cinco volúmenes, LNAI 12457 hasta 12461, constituyen las actas arbitradas de la Conferencia europea sobre aprendizaje automático y descubrimiento de conocimiento en bases de datos, ECML PKDD 2020, que se celebró del 14 al 18 de septiembre de 2020. La conferencia estaba prevista para tener lugar en Gante, Bélgica, pero tuvo que cambiar a un formato online debido a la pandemia de COVID-19. Los 232 artÃculos completos y 10 artÃculos de demostración presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados para su inclusión en las actas. Los volúmenes están organizados en secciones temáticas de la siguiente manera: Parte I: MinerÃa de patrones; agrupamiento; privacidad y equidad; análisis de redes (sociales) y ciencias sociales computacionales; reducción de dimensionalidad y codificadores automáticos; adaptación de dominio; bocetos, muestreos y proyecciones binarias; modelos gráficos y causalidad; datos (espatio-)temporales y redes neuronales recurrentes; filtrado colaborativo y finalización de matrices. Parte II: optimización y teorÃa del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en lÃnea; aprendizaje parcial de etiquetas; aprendizaje reforzado; transferencia y aprendizaje multitarea; Optimización bayesiana y aprendizaje de pocas oportunidades. Parte III: Optimización combinatoria; optimización a gran escala y privacidad diferencial; métodos de refuerzo y conjunto; métodos bayesianos; arquitectura de redes neuronales; graficar redes neuronales; procesos gaussianos; visión por ordenador y procesamiento de imágenes; procesamiento natural del lenguaje; bioinformática. Parte IV: ciencia de datos aplicada: recomendación; ciencia de datos aplicada: detección de anomalÃas; ciencia de datos aplicada: minerÃa web; ciencia de datos aplicada: transporte; ciencia de datos aplicada: reconocimiento de actividades; ciencia de datos aplicada: hardware y fabricación; Ciencia de datos aplicada: datos espaciotemporales. Parte V: ciencia de datos aplicada: bien social; ciencia de datos aplicada: asistencia sanitaria; ciencia de datos aplicada: comercio electrónico y finanzas; ciencia de datos aplicada: ciencia social computacional; ciencia de datos aplicada: deportes; pista de demostración. . Nota de contenido: Deep learning optimization and theory -- active learning -- adversarial learning; federated learning -- Kernel methods and online learning -- partial label learning -- reinforcement learning -- transfer and multi-task learning -- Bayesian optimization and few-shot learning. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i European Conference, ECML PKDD 2020, Ghent, Belgium, September 14–18, 2020, Proceedings, Part II [documento electrónico] / Hutter, Frank, ; Kersting, Kristian, ; Lijffijt, Jefrey, ; Valera, Isabel, . - 1 ed. . - [s.l.] : Springer, 2021 . - XLIII, 742 p. 248 ilustraciones, 231 ilustraciones en color.
ISBN : 978-3-030-67661-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Procesamiento de datos Aprendizaje automático Informática Visión por computador MinerÃa de datos y descubrimiento de conocimientos Computadoras y Educación Matemáticas de la Computación Ãndice Dewey: 6.312 Resumen: Las actas de cinco volúmenes, LNAI 12457 hasta 12461, constituyen las actas arbitradas de la Conferencia europea sobre aprendizaje automático y descubrimiento de conocimiento en bases de datos, ECML PKDD 2020, que se celebró del 14 al 18 de septiembre de 2020. La conferencia estaba prevista para tener lugar en Gante, Bélgica, pero tuvo que cambiar a un formato online debido a la pandemia de COVID-19. Los 232 artÃculos completos y 10 artÃculos de demostración presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados para su inclusión en las actas. Los volúmenes están organizados en secciones temáticas de la siguiente manera: Parte I: MinerÃa de patrones; agrupamiento; privacidad y equidad; análisis de redes (sociales) y ciencias sociales computacionales; reducción de dimensionalidad y codificadores automáticos; adaptación de dominio; bocetos, muestreos y proyecciones binarias; modelos gráficos y causalidad; datos (espatio-)temporales y redes neuronales recurrentes; filtrado colaborativo y finalización de matrices. Parte II: optimización y teorÃa del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en lÃnea; aprendizaje parcial de etiquetas; aprendizaje reforzado; transferencia y aprendizaje multitarea; Optimización bayesiana y aprendizaje de pocas oportunidades. Parte III: Optimización combinatoria; optimización a gran escala y privacidad diferencial; métodos de refuerzo y conjunto; métodos bayesianos; arquitectura de redes neuronales; graficar redes neuronales; procesos gaussianos; visión por ordenador y procesamiento de imágenes; procesamiento natural del lenguaje; bioinformática. Parte IV: ciencia de datos aplicada: recomendación; ciencia de datos aplicada: detección de anomalÃas; ciencia de datos aplicada: minerÃa web; ciencia de datos aplicada: transporte; ciencia de datos aplicada: reconocimiento de actividades; ciencia de datos aplicada: hardware y fabricación; Ciencia de datos aplicada: datos espaciotemporales. Parte V: ciencia de datos aplicada: bien social; ciencia de datos aplicada: asistencia sanitaria; ciencia de datos aplicada: comercio electrónico y finanzas; ciencia de datos aplicada: ciencia social computacional; ciencia de datos aplicada: deportes; pista de demostración. . Nota de contenido: Deep learning optimization and theory -- active learning -- adversarial learning; federated learning -- Kernel methods and online learning -- partial label learning -- reinforcement learning -- transfer and multi-task learning -- Bayesian optimization and few-shot learning. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
TÃtulo : European Conference, ECML PKDD 2020, Ghent, Belgium, September 14–18, 2020, Proceedings, Part III Tipo de documento: documento electrónico Autores: Hutter, Frank, ; Kersting, Kristian, ; Lijffijt, Jefrey, ; Valera, Isabel, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XLIII, 755 p. 236 ilustraciones, 213 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-67664-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de datos Estructuras de datos (Informática) TeorÃa de la información Inteligencia artificial Análisis numérico Ciencias sociales MinerÃa de datos y descubrimiento de conocimientos Estructuras de datos y teorÃa de la información Aplicación informática en ciencias sociales y del comportamiento Ãndice Dewey: 6.312 Resumen: Las actas de cinco volúmenes, LNAI 12457 hasta 12461, constituyen las actas arbitradas de la Conferencia europea sobre aprendizaje automático y descubrimiento de conocimiento en bases de datos, ECML PKDD 2020, que se celebró del 14 al 18 de septiembre de 2020. La conferencia estaba prevista para tener lugar en Gante, Bélgica, pero tuvo que cambiar a un formato online debido a la pandemia de COVID-19. Los 232 artÃculos completos y 10 artÃculos de demostración presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados para su inclusión en las actas. Los volúmenes están organizados en secciones temáticas de la siguiente manera: Parte I: MinerÃa de patrones; agrupamiento; privacidad y equidad; análisis de redes (sociales) y ciencias sociales computacionales; reducción de dimensionalidad y codificadores automáticos; adaptación de dominio; bocetos, muestreos y proyecciones binarias; modelos gráficos y causalidad; datos (espatio-)temporales y redes neuronales recurrentes; filtrado colaborativo y finalización de matrices. Parte II: optimización y teorÃa del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en lÃnea; aprendizaje parcial de etiquetas; aprendizaje reforzado; transferencia y aprendizaje multitarea; Optimización bayesiana y aprendizaje de pocas oportunidades. Parte III: Optimización combinatoria; optimización a gran escala y privacidad diferencial; métodos de refuerzo y conjunto; métodos bayesianos; arquitectura de redes neuronales; graficar redes neuronales; procesos gaussianos; visión por ordenador y procesamiento de imágenes; procesamiento natural del lenguaje; bioinformática. Parte IV: ciencia de datos aplicada: recomendación; ciencia de datos aplicada: detección de anomalÃas; ciencia de datos aplicada: minerÃa web; ciencia de datos aplicada: transporte; ciencia de datos aplicada: reconocimiento de actividades; ciencia de datos aplicada: hardware y fabricación; Ciencia de datos aplicada: datos espaciotemporales. Parte V: ciencia de datos aplicada: bien social; ciencia de datos aplicada: asistencia sanitaria; ciencia de datos aplicada: comercio electrónico y finanzas; ciencia de datos aplicada: ciencia social computacional; ciencia de datos aplicada: deportes; pista de demostración. . Nota de contenido: Combinatorial optimization -- large-scale optimization and differential privacy -- boosting and ensemble methods -- Bayesian methods -- architecture of neural networks -- graph neural networks -- Gaussian processes -- computer vision and image processing -- natural language processing.-bioinformatics. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i European Conference, ECML PKDD 2020, Ghent, Belgium, September 14–18, 2020, Proceedings, Part III [documento electrónico] / Hutter, Frank, ; Kersting, Kristian, ; Lijffijt, Jefrey, ; Valera, Isabel, . - 1 ed. . - [s.l.] : Springer, 2021 . - XLIII, 755 p. 236 ilustraciones, 213 ilustraciones en color.
ISBN : 978-3-030-67664-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Procesamiento de datos Estructuras de datos (Informática) TeorÃa de la información Inteligencia artificial Análisis numérico Ciencias sociales MinerÃa de datos y descubrimiento de conocimientos Estructuras de datos y teorÃa de la información Aplicación informática en ciencias sociales y del comportamiento Ãndice Dewey: 6.312 Resumen: Las actas de cinco volúmenes, LNAI 12457 hasta 12461, constituyen las actas arbitradas de la Conferencia europea sobre aprendizaje automático y descubrimiento de conocimiento en bases de datos, ECML PKDD 2020, que se celebró del 14 al 18 de septiembre de 2020. La conferencia estaba prevista para tener lugar en Gante, Bélgica, pero tuvo que cambiar a un formato online debido a la pandemia de COVID-19. Los 232 artÃculos completos y 10 artÃculos de demostración presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados para su inclusión en las actas. Los volúmenes están organizados en secciones temáticas de la siguiente manera: Parte I: MinerÃa de patrones; agrupamiento; privacidad y equidad; análisis de redes (sociales) y ciencias sociales computacionales; reducción de dimensionalidad y codificadores automáticos; adaptación de dominio; bocetos, muestreos y proyecciones binarias; modelos gráficos y causalidad; datos (espatio-)temporales y redes neuronales recurrentes; filtrado colaborativo y finalización de matrices. Parte II: optimización y teorÃa del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en lÃnea; aprendizaje parcial de etiquetas; aprendizaje reforzado; transferencia y aprendizaje multitarea; Optimización bayesiana y aprendizaje de pocas oportunidades. Parte III: Optimización combinatoria; optimización a gran escala y privacidad diferencial; métodos de refuerzo y conjunto; métodos bayesianos; arquitectura de redes neuronales; graficar redes neuronales; procesos gaussianos; visión por ordenador y procesamiento de imágenes; procesamiento natural del lenguaje; bioinformática. Parte IV: ciencia de datos aplicada: recomendación; ciencia de datos aplicada: detección de anomalÃas; ciencia de datos aplicada: minerÃa web; ciencia de datos aplicada: transporte; ciencia de datos aplicada: reconocimiento de actividades; ciencia de datos aplicada: hardware y fabricación; Ciencia de datos aplicada: datos espaciotemporales. Parte V: ciencia de datos aplicada: bien social; ciencia de datos aplicada: asistencia sanitaria; ciencia de datos aplicada: comercio electrónico y finanzas; ciencia de datos aplicada: ciencia social computacional; ciencia de datos aplicada: deportes; pista de demostración. . Nota de contenido: Combinatorial optimization -- large-scale optimization and differential privacy -- boosting and ensemble methods -- Bayesian methods -- architecture of neural networks -- graph neural networks -- Gaussian processes -- computer vision and image processing -- natural language processing.-bioinformatics. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
