End-to-end data science (Pajé) (2019)
- Authors:
- USP affiliated authors: CARVALHO, ANDRÉ CARLOS PONCE DE LEON FERREIRA DE - ICMC ; ALCOBAÇA NETO, EDESIO PINTO DE SOUZA - ICMC ; SANTOS, DAVI PEREIRA DOS - ICMC ; SANTOS, MOISÉS ROCHA DOS - ICMC ; PEREIRA, GEAN TRINDADE - ICMC ; GARCIA, LUÍS PAULO FAINA - ICMC ; MASTELINI, SAULO MARTIELLO - ICMC
- Unidade: ICMC
- Subjects: APRENDIZADO COMPUTACIONAL; MINERAÇÃO DE DADOS
- Keywords: AutoML; Meta-learning; Machine learning
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher: ABGP
- Publisher place: Rio de Janeiro
- Date published: 2019
- Source:
- Título do periódico: Resumos
- Conference titles: Seminário de Inteligência Artificial Aplicada à Indústria do Petróleo
-
ABNT
ALCOBAÇA, Edesio et al. End-to-end data science (Pajé). 2019, Anais.. Rio de Janeiro: ABGP, 2019. Disponível em: https://abgp.com.br/seminario/. Acesso em: 23 maio 2024. -
APA
Alcobaça, E., Santos, D. P. dos, Santos, M. R. dos, Pereira, G. T., Mantovani, R. G., Garcia, L. P. F., et al. (2019). End-to-end data science (Pajé). In Resumos. Rio de Janeiro: ABGP. Recuperado de https://abgp.com.br/seminario/ -
NLM
Alcobaça E, Santos DP dos, Santos MR dos, Pereira GT, Mantovani RG, Garcia LPF, Mastelini SM, Carvalho ACP de LF de. End-to-end data science (Pajé) [Internet]. Resumos. 2019 ;[citado 2024 maio 23 ] Available from: https://abgp.com.br/seminario/ -
Vancouver
Alcobaça E, Santos DP dos, Santos MR dos, Pereira GT, Mantovani RG, Garcia LPF, Mastelini SM, Carvalho ACP de LF de. End-to-end data science (Pajé) [Internet]. Resumos. 2019 ;[citado 2024 maio 23 ] Available from: https://abgp.com.br/seminario/ - Machine learning unveils composition-property relationships in chalcogenide glasses
- Predicting and interpreting oxide glass properties by machine learning using large datasets
- Bringing robustness against adversarial attacks
- Nonparametric dimensionality reduction quality assessment based on sortedness of unrestricted neighborhood
- Lessons learned from the NeurIPS 2021 MetaDL challenge: backbone fine-tuning without episodic meta-learning dominates for few-shot learning image classification
- Fast and lightweight binary and multi-branch Hoeffding tree regressors
- Evaluate pseudo labeling and CNN for multi-variate time series classification in low-data regimes
- Hybrid forecasting combinations by feature based metalearning
- Boosting meta-learning with simulated data complexity measures
- 2CS: correlation-guided split candidate selection in Hoeffding tree regressors
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 3035214.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
