Predictive Models for Decision Support in the COVID-19 Crisis / Marques, Joao Alexandre Lobo  

Público ISBD Ningún comentario para este registro. Título : Predictive Models for Decision Support in the COVID-19 Crisis Tipo de documento: documento electrónico Autores: Marques, Joao Alexandre Lobo, ; Gois, Francisco Nauber Bernardo, ; Xavier-Neto, José, ; Fong, Simon James, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: VII, 98 p. 48 ilustraciones, 41 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-61913-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Minería de datos y descubrimiento de conocimientos  Investigación de Operaciones y Teoría de la Decisión  Promoción de la salud y prevención de enfermedades  Investigación operativa  Epidemiología  Gestión industrial  Promoción de Clasificación: 658.5 Gerencia de la producción Resumen: La COVID-19 ha llegado al mundo sin estar preparado y se ha convertido en la pandemia más mortífera del siglo. Los gobiernos y las autoridades, como líderes y tomadores de decisiones que luchan contra el virus, aprovechan enormemente el poder de la inteligencia artificial y sus modelos predictivos para respaldar decisiones urgentes. Este libro muestra una colección de importantes modelos predictivos que se utilizaron durante la pandemia y analiza y compara su eficacia y limitaciones. Los lectores tanto del sector sanitario como del mundo académico pueden obtener conocimientos únicos sobre cómo se diseñaron y aplicaron los modelos predictivos a los datos epidémicos. Tomando la COVID19 como caso de estudio y mostrando las lecciones aprendidas, este libro permitirá a los lectores estar mejor preparados en caso de epidemias o pandemias de virus en el futuro. Nota de contenido: Chapter 1. Prediction for Decision Support during the COVID-19 Pandemic -- Chapter 2. Epidemiology Compartmental Models - SIR, SEIR and SEIR with Intervention -- Chapter 3. Forecasting COVID-19 Time Series based on an Auto Regressive Model -- Chapter 4. Nonlinear Prediction for the COVID-19 Data based on Quadratic Kalman Filtering -- Chapter 5. Artificial Intelligence Prediction for the COVID-19 Data based on LSTM Neural Networks and H2O AutoML -- Chapter 6. Predicting the Geographic Spread of the COVID-19 Pandemic: a case study from Brazil. Tipo de medio : Computadora Summary : COVID-19 has hit the world unprepared, as the deadliest pandemic of the century. Governments and authorities, as leaders and decision makers fighting the virus, enormously tap into the power of artificial intelligence and its predictive models for urgent decision support. This book showcases a collection of important predictive models that used during the pandemic, and discusses and compares their efficacy and limitations. Readers from both healthcare industries and academia can gain unique insights on how predictive models were designed and applied on epidemic data. Taking COVID19 as a case study and showcasing the lessons learnt, this book will enable readers to be better prepared in the event of virus epidemics or pandemics in the future. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Predictive Models for Decision Support in the COVID-19 Crisis [documento electrónico] / Marques, Joao Alexandre Lobo, ; Gois, Francisco Nauber Bernardo, ; Xavier-Neto, José, ; Fong, Simon James,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - VII, 98 p. 48 ilustraciones, 41 ilustraciones en color. ISBN : 978-3-030-61913-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Minería de datos y descubrimiento de conocimientos  Investigación de Operaciones y Teoría de la Decisión  Promoción de la salud y prevención de enfermedades  Investigación operativa  Epidemiología  Gestión industrial  Promoción de Clasificación: 658.5 Gerencia de la producción Resumen: La COVID-19 ha llegado al mundo sin estar preparado y se ha convertido en la pandemia más mortífera del siglo. Los gobiernos y las autoridades, como líderes y tomadores de decisiones que luchan contra el virus, aprovechan enormemente el poder de la inteligencia artificial y sus modelos predictivos para respaldar decisiones urgentes. Este libro muestra una colección de importantes modelos predictivos que se utilizaron durante la pandemia y analiza y compara su eficacia y limitaciones. Los lectores tanto del sector sanitario como del mundo académico pueden obtener conocimientos únicos sobre cómo se diseñaron y aplicaron los modelos predictivos a los datos epidémicos. Tomando la COVID19 como caso de estudio y mostrando las lecciones aprendidas, este libro permitirá a los lectores estar mejor preparados en caso de epidemias o pandemias de virus en el futuro. Nota de contenido: Chapter 1. Prediction for Decision Support during the COVID-19 Pandemic -- Chapter 2. Epidemiology Compartmental Models - SIR, SEIR and SEIR with Intervention -- Chapter 3. Forecasting COVID-19 Time Series based on an Auto Regressive Model -- Chapter 4. Nonlinear Prediction for the COVID-19 Data based on Quadratic Kalman Filtering -- Chapter 5. Artificial Intelligence Prediction for the COVID-19 Data based on LSTM Neural Networks and H2O AutoML -- Chapter 6. Predicting the Geographic Spread of the COVID-19 Pandemic: a case study from Brazil. Tipo de medio : Computadora Summary : COVID-19 has hit the world unprepared, as the deadliest pandemic of the century. Governments and authorities, as leaders and decision makers fighting the virus, enormously tap into the power of artificial intelligence and its predictive models for urgent decision support. This book showcases a collection of important predictive models that used during the pandemic, and discusses and compares their efficacy and limitations. Readers from both healthcare industries and academia can gain unique insights on how predictive models were designed and applied on epidemic data. Taking COVID19 as a case study and showcasing the lessons learnt, this book will enable readers to be better prepared in the event of virus epidemics or pandemics in the future. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200