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