Autor Rossi, Luca
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsqueda
Título : Charting the Next Pandemic : Modeling Infectious Disease Spreading in the Data Science Age Tipo de documento: documento electrónico Autores: Pastore y Piontti, Ana, Autor ; Perra, Nicola, Autor ; Rossi, Luca, Autor ; Samay, Nicole, Autor ; Vespignani, Alessandro, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XVI, 209 p. 181 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-93290-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Sociología Enfermedades teoría del sistema Epidemiología Métodos sociológicos Sistemas complejos Índice Dewey: 301.01 Resumen: Este libro proporciona una introducción al modelado computacional y de sistemas complejos de la propagación global de enfermedades infecciosas. Se analizan los últimos avances en el área del modelado de procesos de contagio y los lectores están expuestos a ejemplos del mundo real de integración de modelos de datos que impactan el proceso de toma de decisiones. Los avances recientes en la ciencia computacional y la creciente disponibilidad de datos del mundo real están haciendo posible desarrollar escenarios realistas y pronósticos en tiempo real de la propagación global de amenazas emergentes para la salud. La primera parte del libro guía al lector a través de sofisticadas técnicas de modelado de sistemas complejos con un enfoque visual y no técnico, explicando e ilustrando la construcción del marco moderno utilizado para proyectar la propagación de pandemias y epidemias. Los modelos se pueden utilizar para transformar datos en conocimiento que se comunica intuitivamente mediante poderosas infografías y, por esta razón, la segunda parte del libro se centra en un conjunto de gráficos que ilustran posibles escenarios de futuras pandemias. El atlas visual contenido permite al lector identificar puntos comunes y patrones en las amenazas emergentes para la salud, así como explorar la amplia gama de modelos y datos que pueden utilizar los formuladores de políticas para anticipar tendencias, evaluar riesgos y eventualmente gestionar eventos futuros. Charting the Next Pandemic coloca al lector en la posición de explorar diferentes escenarios pandémicos y comprender el impacto potencial de las estrategias de contención y prevención disponibles. Este libro enfatiza la importancia de una perspectiva global en la evaluación de las amenazas emergentes para la salud y captura la posible evolución de la próxima pandemia, al mismo tiempo que proporciona la inteligencia necesaria para combatirla. El texto atraerá a una amplia gama de audiencias con diversos antecedentes técnicos. Nota de contenido: Part I: How to Model Pandemics -- Infectious Disease Spreading: From Data to Models -- Data, Data, and More Data -- Data Model Integration: The Global Epidemic and Mobility -- From Data to Knowledge: How Models Can Be Used -- The Numerical Forecast of Pandemic Spreading: The Case Study of the 2009 A/H1N1 PDM -- Computational Modeling of "Disease X". 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 Charting the Next Pandemic : Modeling Infectious Disease Spreading in the Data Science Age [documento electrónico] / Pastore y Piontti, Ana, Autor ; Perra, Nicola, Autor ; Rossi, Luca, Autor ; Samay, Nicole, Autor ; Vespignani, Alessandro, Autor . - 1 ed. . - [s.l.] : Springer, 2019 . - XVI, 209 p. 181 ilustraciones en color.
ISBN : 978-3-319-93290-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Sociología Enfermedades teoría del sistema Epidemiología Métodos sociológicos Sistemas complejos Índice Dewey: 301.01 Resumen: Este libro proporciona una introducción al modelado computacional y de sistemas complejos de la propagación global de enfermedades infecciosas. Se analizan los últimos avances en el área del modelado de procesos de contagio y los lectores están expuestos a ejemplos del mundo real de integración de modelos de datos que impactan el proceso de toma de decisiones. Los avances recientes en la ciencia computacional y la creciente disponibilidad de datos del mundo real están haciendo posible desarrollar escenarios realistas y pronósticos en tiempo real de la propagación global de amenazas emergentes para la salud. La primera parte del libro guía al lector a través de sofisticadas técnicas de modelado de sistemas complejos con un enfoque visual y no técnico, explicando e ilustrando la construcción del marco moderno utilizado para proyectar la propagación de pandemias y epidemias. Los modelos se pueden utilizar para transformar datos en conocimiento que se comunica intuitivamente mediante poderosas infografías y, por esta razón, la segunda parte del libro se centra en un conjunto de gráficos que ilustran posibles escenarios de futuras pandemias. El atlas visual contenido permite al lector identificar puntos comunes y patrones en las amenazas emergentes para la salud, así como explorar la amplia gama de modelos y datos que pueden utilizar los formuladores de políticas para anticipar tendencias, evaluar riesgos y eventualmente gestionar eventos futuros. Charting the Next Pandemic coloca al lector en la posición de explorar diferentes escenarios pandémicos y comprender el impacto potencial de las estrategias de contención y prevención disponibles. Este libro enfatiza la importancia de una perspectiva global en la evaluación de las amenazas emergentes para la salud y captura la posible evolución de la próxima pandemia, al mismo tiempo que proporciona la inteligencia necesaria para combatirla. El texto atraerá a una amplia gama de audiencias con diversos antecedentes técnicos. Nota de contenido: Part I: How to Model Pandemics -- Infectious Disease Spreading: From Data to Models -- Data, Data, and More Data -- Data Model Integration: The Global Epidemic and Mobility -- From Data to Knowledge: How Models Can Be Used -- The Numerical Forecast of Pandemic Spreading: The Case Study of the 2009 A/H1N1 PDM -- Computational Modeling of "Disease X". 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 Joint IAPR International Workshops, S+SSPR 2020, Padua, Italy, January 21–22, 2021, Proceedings / Torsello, Andrea ; Rossi, Luca ; Pelillo, Marcello ; Biggio, Battista ; Robles-Kelly, Antonio
Título : Joint IAPR International Workshops, S+SSPR 2020, Padua, Italy, January 21–22, 2021, Proceedings Tipo de documento: documento electrónico Autores: Torsello, Andrea, ; Rossi, Luca, ; Pelillo, Marcello, ; Biggio, Battista, ; Robles-Kelly, Antonio, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XII, 378 p. 103 ilustraciones, 84 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-73973-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Algoritmos Inteligencia artificial Ciencias sociales Ordenadores Informática Ciencia de los datos Aplicación informática en ciencias sociales y del comportamiento Entornos informáticos Matemáticas de la Computación Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas del Taller Internacional Conjunto IAPR sobre Reconocimiento de Patrones Estructurales, Sintácticos y Estadísticos, S+SSPR 2020, celebrado en Padua, Italia, en enero de 2021. Los 35 artículos presentados en este volumen fueron cuidadosamente revisados y seleccionados de 81 presentaciones. Los artículos aceptados cubren los principales temas de interés actual en el reconocimiento de patrones, incluyendo la clasificación y el agrupamiento, el aprendizaje profundo, el emparejamiento estructural y los métodos de teoría de grafos, y el análisis y la comprensión multimedia. Nota de contenido: Classification and data processing -- Deep learning -- Graph-theoretic methods -- Multimedia analysis and understanding. 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 Joint IAPR International Workshops, S+SSPR 2020, Padua, Italy, January 21–22, 2021, Proceedings [documento electrónico] / Torsello, Andrea, ; Rossi, Luca, ; Pelillo, Marcello, ; Biggio, Battista, ; Robles-Kelly, Antonio, . - 1 ed. . - [s.l.] : Springer, 2021 . - XII, 378 p. 103 ilustraciones, 84 ilustraciones en color.
ISBN : 978-3-030-73973-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Algoritmos Inteligencia artificial Ciencias sociales Ordenadores Informática Ciencia de los datos Aplicación informática en ciencias sociales y del comportamiento Entornos informáticos Matemáticas de la Computación Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas del Taller Internacional Conjunto IAPR sobre Reconocimiento de Patrones Estructurales, Sintácticos y Estadísticos, S+SSPR 2020, celebrado en Padua, Italia, en enero de 2021. Los 35 artículos presentados en este volumen fueron cuidadosamente revisados y seleccionados de 81 presentaciones. Los artículos aceptados cubren los principales temas de interés actual en el reconocimiento de patrones, incluyendo la clasificación y el agrupamiento, el aprendizaje profundo, el emparejamiento estructural y los métodos de teoría de grafos, y el análisis y la comprensión multimedia. Nota de contenido: Classification and data processing -- Deep learning -- Graph-theoretic methods -- Multimedia analysis and understanding. 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
