An empirical analysis of data drift detection techniques in machine learning systems (2024)
- Authors:
- USP affiliated authors: BRAGHETTO, KELLY ROSA - IME ; SANTOS, LUCAS HELFSTEIN ROCHA DOS - IME
- Unidade: IME
- DOI: 10.5753/sbbd.2024.240606
- Subjects: APRENDIZADO COMPUTACIONAL; SOFTWARES
- Agências de fomento:
- Language: Português
- Imprenta:
- Publisher: SBC
- Publisher place: Porto Alegre
- Date published: 2024
- Source:
- Conference titles: Simpósio Brasileiro de Bancos de Dados - SBBD
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
HELFSTEIN, Lucas e BRAGHETTO, Kelly Rosa. An empirical analysis of data drift detection techniques in machine learning systems. 2024, Anais.. Porto Alegre: SBC, 2024. Disponível em: https://sol.sbc.org.br/index.php/sbbd/article/view/30681/30484. Acesso em: 05 mar. 2026. -
APA
Helfstein, L., & Braghetto, K. R. (2024). An empirical analysis of data drift detection techniques in machine learning systems. In Anais. Porto Alegre: SBC. doi:10.5753/sbbd.2024.240606 -
NLM
Helfstein L, Braghetto KR. An empirical analysis of data drift detection techniques in machine learning systems [Internet]. Anais. 2024 ;[citado 2026 mar. 05 ] Available from: https://sol.sbc.org.br/index.php/sbbd/article/view/30681/30484 -
Vancouver
Helfstein L, Braghetto KR. An empirical analysis of data drift detection techniques in machine learning systems [Internet]. Anais. 2024 ;[citado 2026 mar. 05 ] Available from: https://sol.sbc.org.br/index.php/sbbd/article/view/30681/30484 - A review of guidelines and models for representation of provenance information from neuroscience experiments
- Construindo um banco de dados digital no Instituto de Neurologia Deolindo Couto da UFRJ
- Padrões de fluxos de processos em banco de dados relacionais
- Explorando o paralelismo em workflows intensivos em dados com o uso de anotações semânticas e informações sobre o ambiente de execução
- A ciência precisa ser aberta
- Técnicas de modelagem para a análise de desempenho de processos de negócio
- Introdução à modelagem e execução de workflows científicos
- Analytical performance prediction of large-scale business processes
- Creating families of conceptual database schemas using Database Feature Diagrams (DBFDs)
- Uso de anotações semânticas para exploração de paralelismo em workflows intensivos em dados
Informações sobre o DOI: 10.5753/sbbd.2024.240606 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3226067.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
