Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 24.09.2026 ab einem Mindestbestellwert von 30€ auf Spielzeug, Schreibwaren, Filme, Geschenke & Trends, Musik, tolino eReader & Zubehör, Hörbücher und Hörbuch-Downloads, nicht preisgebundene Bücher und Kalender online auf thalia.at und in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Aufgrund der Buchpreisbindung sind deutschsprachige Bücher und eBooks ausgenommen. Zusätzlich ausgenommen sind Abos & Flatrates, Games, Geschenkkarten/-boxen, Shelfies, Software, Zeitschriften sowie einzelne Artikel von tonies®. Pro Einkauf einmal einlösbar. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services. Preisgebundene Artikel sind vom Mindestbestellwert ausgeschlossen.
  • Produktbild: Data Science and Machine Learning
  • Produktbild: Data Science and Machine Learning
Band 1943 - 12%

Data Science and Machine Learning 21st Australasian Conference, AusDM 2023, Auckland, New Zealand, December 11–13, 2023, Proceedings

Aus der Reihe Communications in Computer and Information Science
12% sparen

71,99 € UVP 82,49 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

05.12.2023

Abbildungen

XII, 300 p. 94 illus., 83 illus. in color.

Herausgeber

Diana Benavides-Prado + weitere

Verlag

Springer Singapore

Seitenzahl

300

Maße (L/B/H)

23,5/15,5/1,7 cm

Gewicht

476 g

Auflage

1st ed. 2024

Sprache

Englisch

ISBN

978-981-9986-95-8

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

05.12.2023

Abbildungen

XII, 300 p. 94 illus., 83 illus. in color.

Herausgeber

Verlag

Springer Singapore

Seitenzahl

300

Maße (L/B/H)

23,5/15,5/1,7 cm

Gewicht

476 g

Auflage

1st ed. 2024

Sprache

Englisch

ISBN

978-981-9986-95-8

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Data Science and Machine Learning
  • Produktbild: Data Science and Machine Learning
  • Research Track:  Random Padding Data Augmentation.- Unsupervised Fraud Detection on Sparse Rating Networks.- Semi-Supervised Model-Based Clustering for Ordinal Data.- Damage GAN: A Generative Model for Imbalanced Data.- Text-Conditioned Graph Generation Using Discrete Graph Variational Autoencoders.- Boosting QA Performance through SA-Net and AA-Net with the Read+Verify Framework.- Anomaly Detection Algorithms: Comparative Analysis and Explainability Perspectives.- Towards Fairness and Privacy: A Novel Data Pre-processing Optimization Framework for Non-binary Protected Attributes.- MStoCast: Multimodal Deep Network for Stock Market Forecast..- Few Shot and Transfer Learning with Manifold Distributed Datasets.- Mitigating The Adverse Effects of Long-tailed Data on Deep Learning Models.- Shapley Value Based Feature Selection to Improve Generalization of Genetic Programming for High-Dimensional Symbolic Regression.- Hybrid Models for Predicting Cryptocurrency Price Using Financial and Non-Financial Indicators.-  Application Track:  Multi-Dimensional Data Visualization for Analyzing Materials.- Law in Order: An Open Legal Citation Network for New Zealand.- Enhancing Resource Allocation in IT Projects: The Potentials of Deep Learning-Based Recommendation Systems and Data-Driven Approaches.- A Comparison of One-Class versus Two-Class Machine Learning Models for Wildfire Prediction in California.- Skin Cancer Detection with Multimodal Data: A Feature Selection Approach Using Genetic Programming.- Comparison of Interpolation Techniques for Prolonged Exposure Estimation: A Case Study on Seven years of Daily Nitrogen Oxide in Greater Sydney.- Detecting Asthma Presentations from Emergency Department Notes:An Active Learning Approach.