Autor Lijffijt, Jefrey
|
|
Documentos disponibles escritos por este autor (6)
Hacer una sugerencia Refinar búsqueda32nd Benelux Conference, BNAIC/Benelearn 2020, Leiden, The Netherlands, November 19–20, 2020, Revised Selected Papers / Baratchi, Mitra ; Cao, Lu ; Kosters, Walter A. ; Lijffijt, Jefrey ; van Rijn, Jan N. ; Takes, Frank W.
Título : 32nd Benelux Conference, BNAIC/Benelearn 2020, Leiden, The Netherlands, November 19–20, 2020, Revised Selected Papers Tipo de documento: documento electrónico Autores: Baratchi, Mitra, ; Cao, Lu, ; Kosters, Walter A., ; Lijffijt, Jefrey, ; van Rijn, Jan N., ; Takes, Frank W., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: X, 203 p. 73 ilustraciones, 51 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-76640-5 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Ingeniería Informática Red de computadoras Software de la aplicacion Ciencias de la Computación Ordenadores Ingeniería Informática y Redes Aplicaciones informáticas y de sistemas de información Teoría de la Computación Entornos informáticos Índice Dewey: 006.3 Inteligencia artificial Resumen: El capítulo "Obtener información sobre los determinantes de la actividad física mediante el aprendizaje en red bayesiana" está disponible en acceso abierto bajo una licencia internacional Creative Commons Attribution 4.0 a través de link.springer.com. Nota de contenido: Evaluating the Robustness of Question-Answering Models to Paraphrased Questions -- FlipOut: Uncovering Redundant Weights via Sign Flipping -- Evolving Virtual Embodied Agents using External Artifact Evaluations -- Continuous Surrogate-based Optimization Algorithms are Well-suited for Expensive Discrete Problems -- Comparing Correction Methods to Reduce Misclassification Bias -- A Spiking Neuron Implementation of Genetic Algorithms for Optimization -- Solving Hofstadter's Analogies using Structural Information Theory -- A Semantic Tableau Method for Argument Construction -- `Thy algorithm shalt not bear false witness': An Evaluation of Multiclass Debiasing Methods on Word Embeddings -- An Intelligent Tree Planning Approach using Location-based Social Networks Data -- Gaining Insight into Determinants of Physical Activity using Bayesian Network Learning -- Swarm Construction Coordinated through the Building Material. En línea: 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 32nd Benelux Conference, BNAIC/Benelearn 2020, Leiden, The Netherlands, November 19–20, 2020, Revised Selected Papers [documento electrónico] / Baratchi, Mitra, ; Cao, Lu, ; Kosters, Walter A., ; Lijffijt, Jefrey, ; van Rijn, Jan N., ; Takes, Frank W., . - 1 ed. . - [s.l.] : Springer, 2021 . - X, 203 p. 73 ilustraciones, 51 ilustraciones en color.
ISBN : 978-3-030-76640-5
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Ingeniería Informática Red de computadoras Software de la aplicacion Ciencias de la Computación Ordenadores Ingeniería Informática y Redes Aplicaciones informáticas y de sistemas de información Teoría de la Computación Entornos informáticos Índice Dewey: 006.3 Inteligencia artificial Resumen: El capítulo "Obtener información sobre los determinantes de la actividad física mediante el aprendizaje en red bayesiana" está disponible en acceso abierto bajo una licencia internacional Creative Commons Attribution 4.0 a través de link.springer.com. Nota de contenido: Evaluating the Robustness of Question-Answering Models to Paraphrased Questions -- FlipOut: Uncovering Redundant Weights via Sign Flipping -- Evolving Virtual Embodied Agents using External Artifact Evaluations -- Continuous Surrogate-based Optimization Algorithms are Well-suited for Expensive Discrete Problems -- Comparing Correction Methods to Reduce Misclassification Bias -- A Spiking Neuron Implementation of Genetic Algorithms for Optimization -- Solving Hofstadter's Analogies using Structural Information Theory -- A Semantic Tableau Method for Argument Construction -- `Thy algorithm shalt not bear false witness': An Evaluation of Multiclass Debiasing Methods on Word Embeddings -- An Intelligent Tree Planning Approach using Location-based Social Networks Data -- Gaining Insight into Determinants of Physical Activity using Bayesian Network Learning -- Swarm Construction Coordinated through the Building Material. En línea: 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
Título : 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) Teoría de la información Aprendizaje automático Ciencias sociales Visión por computador Minería de datos y descubrimiento de conocimientos Estructuras de datos y teoría de la información Aplicación informática en ciencias sociales y del comportamiento Índice 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 artículos completos y 10 artículos 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: Minería 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 teoría del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en línea; 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 anomalías; ciencia de datos aplicada: minería 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 línea: 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) Teoría de la información Aprendizaje automático Ciencias sociales Visión por computador Minería de datos y descubrimiento de conocimientos Estructuras de datos y teoría de la información Aplicación informática en ciencias sociales y del comportamiento Índice 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 artículos completos y 10 artículos 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: Minería 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 teoría del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en línea; 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 anomalías; ciencia de datos aplicada: minería 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 línea: 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
Título : 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 Minería de datos y descubrimiento de conocimientos Computadoras y Educación Matemáticas de la Computación Índice 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 artículos completos y 10 artículos 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: Minería 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 teoría del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en línea; 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 anomalías; ciencia de datos aplicada: minería 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 línea: 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 Minería de datos y descubrimiento de conocimientos Computadoras y Educación Matemáticas de la Computación Índice 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 artículos completos y 10 artículos 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: Minería 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 teoría del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en línea; 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 anomalías; ciencia de datos aplicada: minería 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 línea: 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
Título : 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) Teoría de la información Inteligencia artificial Análisis numérico Ciencias sociales Minería de datos y descubrimiento de conocimientos Estructuras de datos y teoría de la información Aplicación informática en ciencias sociales y del comportamiento Índice 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 artículos completos y 10 artículos 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: Minería 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 teoría del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en línea; 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 anomalías; ciencia de datos aplicada: minería 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 línea: 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) Teoría de la información Inteligencia artificial Análisis numérico Ciencias sociales Minería de datos y descubrimiento de conocimientos Estructuras de datos y teoría de la información Aplicación informática en ciencias sociales y del comportamiento Índice 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 artículos completos y 10 artículos 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: Minería 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 teoría del aprendizaje profundo; aprendizaje activo; aprendizaje adversario; aprendizaje federado; Métodos kernel y aprendizaje en línea; 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 anomalías; ciencia de datos aplicada: minería 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 línea: 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
Título : Machine Learning and Principles and Practice of Knowledge Discovery in Databases : International Workshops of ECML PKDD 2021, Virtual Event, September 13-17, 2021, Proceedings, Part I Tipo de documento: documento electrónico Autores: Kamp, Michael, ; Koprinska, Irena, ; Bibal, Adrien, ; Bouadi, Tassadit, ; Frénay, Benoît, ; Galárraga, Luis, ; Oramas, José, ; Adilova, Linara, ; Krishnamurthy, Yamuna, ; Kang, Bo, ; Largeron, Christine, ; Lijffijt, Jefrey, ; Viard, Tiphaine, ; Welke, Pascal, ; Ruocco, Massimiliano, ; Aune, Erlend, ; Gallicchio, Claudio, ; Schiele, Gregor, ; Pernkopf, Franz, ; Blott, Michaela, ; Fröning, Holger, ; Schindler, Günther, ; Guidotti, Riccardo, ; Monreale, Anna, ; Rinzivillo, Salvatore, ; Biecek, Przemyslaw, ; Ntoutsi, Eirini, ; Pechenizkiy, Mykola, ; Rosenhahn, Bodo, ; Buckley, Christopher, ; Cialfi, Daniela, ; Lanillos, Pablo, ; Ramstead, Maxwell, ; Verbelen, Tim, ; Ferreira, Pedro M., ; Andresini, Giuseppina, ; Malerba, Donato, ; Medeiros, Ibéria, ; Fournier-Viger, Philippe, ; Nawaz, M. Saqib, ; Ventura, Sebastian, ; Sun, Meng, ; Zhou, Min, ; Bitetta, Valerio, ; Bordino, Ilaria, ; Ferretti, Andrea, ; Gullo, Francesco, ; Ponti, Giovanni, ; Severini, Lorenzo, ; Ribeiro, Rita, ; Gama, João, ; Gavaldà, Ricard, ; Cooper, Lee, ; Ghazaleh, Naghmeh, ; Richiardi, Jonas, ; Roqueiro, Damian, ; Saldana Miranda, Diego, ; Sechidis, Konstantinos, ; Graça, Guilherme, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XXV, 882 p. 282 ilustraciones, 236 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-93736-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Ingeniería Informática Red de computadoras Ciencias sociales Informática Ingeniería de software Ingeniería Informática y Redes Aplicación informática en ciencias sociales y del comportamiento Computadoras y Educación Matemáticas de la Computación Índice Dewey: 006.3 Inteligencia artificial Resumen: Este conjunto de dos volúmenes constituye las actas arbitradas de los talleres que complementaron la 21.ª Conferencia Europea Conjunta sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD, celebrada en septiembre de 2021. Debido a la pandemia de COVID-19, la conferencia y los talleres se llevaron a cabo en línea. . Los 104 artículos fueron revisados minuciosamente y seleccionados entre 180 artículos presentados para los talleres. Este conjunto de dos volúmenes incluye las actas de los siguientes talleres: Taller sobre avances en aprendizaje automático interpretable e inteligencia artificial (AIMLAI 2021) Taller sobre aprendizaje paralelo, distribuido y federado (PDFL 2021) Taller sobre integración y minería de gráficos (GEM 2021) Taller sobre aprendizaje automático para series temporales irregulares (ML4ITS 2021) Taller sobre IoT, Edge y dispositivos móviles para aprendizaje automático integrado (ITEM 2021) Taller sobre descubrimiento de conocimientos explicables en minería de datos (XKDD 2021) Taller sobre sesgos y equidad en la IA (BIAS 2021) ) Taller sobre Taller sobre Inferencia Activa (IWAI 2021) Taller sobre Aprendizaje Automático para Ciberseguridad (MLCS 2021) Taller sobre Aprendizaje Automático en Ingeniería de Software (MLiSE 2021) Taller sobre Minería de Datos para aplicaciones financieras (MIDAS 2021) Sexto Taller sobre Ciencia de Datos para Social Good (SoGood 2021) Taller sobre aprendizaje automático para aplicaciones farmacéuticas y sanitarias (PharML 2021) Segundo taller sobre evaluación y diseño experimental en minería de datos y aprendizaje automático (EDML 2020) Taller sobre aprendizaje automático para la gestión energética de edificios (MLBEM 2021). Nota de contenido: Advances in Interpretable Machine Learning and Artificial Intelligence -- Parallel, Distributed, and Federated Learning -- Graph Embedding and Mining -- Machine Learning for Irregular Time Series -- IoT, Edge, and Mobile for Embedded Machine Learning -- eXplainable Knowledge Discovery in Data Mining -- Bias and Fairness in AI -- International Workshop on Active Inference. . En línea: 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 Machine Learning and Principles and Practice of Knowledge Discovery in Databases : International Workshops of ECML PKDD 2021, Virtual Event, September 13-17, 2021, Proceedings, Part I [documento electrónico] / Kamp, Michael, ; Koprinska, Irena, ; Bibal, Adrien, ; Bouadi, Tassadit, ; Frénay, Benoît, ; Galárraga, Luis, ; Oramas, José, ; Adilova, Linara, ; Krishnamurthy, Yamuna, ; Kang, Bo, ; Largeron, Christine, ; Lijffijt, Jefrey, ; Viard, Tiphaine, ; Welke, Pascal, ; Ruocco, Massimiliano, ; Aune, Erlend, ; Gallicchio, Claudio, ; Schiele, Gregor, ; Pernkopf, Franz, ; Blott, Michaela, ; Fröning, Holger, ; Schindler, Günther, ; Guidotti, Riccardo, ; Monreale, Anna, ; Rinzivillo, Salvatore, ; Biecek, Przemyslaw, ; Ntoutsi, Eirini, ; Pechenizkiy, Mykola, ; Rosenhahn, Bodo, ; Buckley, Christopher, ; Cialfi, Daniela, ; Lanillos, Pablo, ; Ramstead, Maxwell, ; Verbelen, Tim, ; Ferreira, Pedro M., ; Andresini, Giuseppina, ; Malerba, Donato, ; Medeiros, Ibéria, ; Fournier-Viger, Philippe, ; Nawaz, M. Saqib, ; Ventura, Sebastian, ; Sun, Meng, ; Zhou, Min, ; Bitetta, Valerio, ; Bordino, Ilaria, ; Ferretti, Andrea, ; Gullo, Francesco, ; Ponti, Giovanni, ; Severini, Lorenzo, ; Ribeiro, Rita, ; Gama, João, ; Gavaldà, Ricard, ; Cooper, Lee, ; Ghazaleh, Naghmeh, ; Richiardi, Jonas, ; Roqueiro, Damian, ; Saldana Miranda, Diego, ; Sechidis, Konstantinos, ; Graça, Guilherme, . - 1 ed. . - [s.l.] : Springer, 2021 . - XXV, 882 p. 282 ilustraciones, 236 ilustraciones en color.
ISBN : 978-3-030-93736-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Ingeniería Informática Red de computadoras Ciencias sociales Informática Ingeniería de software Ingeniería Informática y Redes Aplicación informática en ciencias sociales y del comportamiento Computadoras y Educación Matemáticas de la Computación Índice Dewey: 006.3 Inteligencia artificial Resumen: Este conjunto de dos volúmenes constituye las actas arbitradas de los talleres que complementaron la 21.ª Conferencia Europea Conjunta sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD, celebrada en septiembre de 2021. Debido a la pandemia de COVID-19, la conferencia y los talleres se llevaron a cabo en línea. . Los 104 artículos fueron revisados minuciosamente y seleccionados entre 180 artículos presentados para los talleres. Este conjunto de dos volúmenes incluye las actas de los siguientes talleres: Taller sobre avances en aprendizaje automático interpretable e inteligencia artificial (AIMLAI 2021) Taller sobre aprendizaje paralelo, distribuido y federado (PDFL 2021) Taller sobre integración y minería de gráficos (GEM 2021) Taller sobre aprendizaje automático para series temporales irregulares (ML4ITS 2021) Taller sobre IoT, Edge y dispositivos móviles para aprendizaje automático integrado (ITEM 2021) Taller sobre descubrimiento de conocimientos explicables en minería de datos (XKDD 2021) Taller sobre sesgos y equidad en la IA (BIAS 2021) ) Taller sobre Taller sobre Inferencia Activa (IWAI 2021) Taller sobre Aprendizaje Automático para Ciberseguridad (MLCS 2021) Taller sobre Aprendizaje Automático en Ingeniería de Software (MLiSE 2021) Taller sobre Minería de Datos para aplicaciones financieras (MIDAS 2021) Sexto Taller sobre Ciencia de Datos para Social Good (SoGood 2021) Taller sobre aprendizaje automático para aplicaciones farmacéuticas y sanitarias (PharML 2021) Segundo taller sobre evaluación y diseño experimental en minería de datos y aprendizaje automático (EDML 2020) Taller sobre aprendizaje automático para la gestión energética de edificios (MLBEM 2021). Nota de contenido: Advances in Interpretable Machine Learning and Artificial Intelligence -- Parallel, Distributed, and Federated Learning -- Graph Embedding and Mining -- Machine Learning for Irregular Time Series -- IoT, Edge, and Mobile for Embedded Machine Learning -- eXplainable Knowledge Discovery in Data Mining -- Bias and Fairness in AI -- International Workshop on Active Inference. . En línea: 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
Permalink
