ReP USP - Resultado da busca

Trabalho de evento
Machine learning post-hoc interpretability: a systematic mapping study (2022)
Vieira, Carla Piazzon Ramos ; Digiampietri, Luciano Antonio
Fonte: SBSI: XVIII Brazilian Symposium on Information Systems. Nome do evento: Brazilian Symposium on Information Systems. Unidade: EACH
Assuntos: APRENDIZADO COMPUTACIONAL, INTELIGÊNCIA ARTIFICIAL, TOMADA DE DECISÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
VIEIRA, Carla Piazzon Ramos e DIGIAMPIETRI, Luciano Antonio. Machine learning post-hoc interpretability: a systematic mapping study. 2022, Anais.. New York, NY: ACM, 2022. p. art. 1 ( 1-8). Disponível em: https://doi.org/10.1145/3535511.3535512. Acesso em: 01 out. 2024.
APA
Vieira, C. P. R., & Digiampietri, L. A. (2022). Machine learning post-hoc interpretability: a systematic mapping study. In SBSI: XVIII Brazilian Symposium on Information Systems (p. art. 1 ( 1-8). New York, NY: ACM. doi:10.1145/3535511.3535512
NLM
Vieira CPR, Digiampietri LA. Machine learning post-hoc interpretability: a systematic mapping study [Internet]. SBSI: XVIII Brazilian Symposium on Information Systems. 2022 ;art. 1 ( 1-8).[citado 2024 out. 01 ] Available from: https://doi.org/10.1145/3535511.3535512
Vancouver
Vieira CPR, Digiampietri LA. Machine learning post-hoc interpretability: a systematic mapping study [Internet]. SBSI: XVIII Brazilian Symposium on Information Systems. 2022 ;art. 1 ( 1-8).[citado 2024 out. 01 ] Available from: https://doi.org/10.1145/3535511.3535512
Artigo de periodico
Comparação de algoritmos para detecção de bots sociais nas eleições presidenciais no Brasil em 2018 utilizando características do usuário (2021)
Santos, Bianca Lima; Ferreira, Gabriel Estavaringo; Ó, Marcelo Torres do; Braz, Rafael Rodrigues; Digiampietri, Luciano Antonio
Fonte: Revista Brasileira de Computação Aplicada. Unidade: EACH
Assuntos: MÍDIAS SOCIAIS, ELEIÇÃO PRESIDENCIAL, REDES SOCIAIS, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Bianca Lima et al. Comparação de algoritmos para detecção de bots sociais nas eleições presidenciais no Brasil em 2018 utilizando características do usuário. Revista Brasileira de Computação Aplicada, v. 13, n. 1, p. 53-64, 2021Tradução . . Disponível em: https://doi.org/10.5335/rbca.v13i1.11199. Acesso em: 01 out. 2024.
APA
Santos, B. L., Ferreira, G. E., Ó, M. T. do, Braz, R. R., & Digiampietri, L. A. (2021). Comparação de algoritmos para detecção de bots sociais nas eleições presidenciais no Brasil em 2018 utilizando características do usuário. Revista Brasileira de Computação Aplicada, 13( 1), 53-64. doi:10.5335/rbca.v13i1.11199
NLM
Santos BL, Ferreira GE, Ó MT do, Braz RR, Digiampietri LA. Comparação de algoritmos para detecção de bots sociais nas eleições presidenciais no Brasil em 2018 utilizando características do usuário [Internet]. Revista Brasileira de Computação Aplicada. 2021 ; 13( 1): 53-64.[citado 2024 out. 01 ] Available from: https://doi.org/10.5335/rbca.v13i1.11199
Vancouver
Santos BL, Ferreira GE, Ó MT do, Braz RR, Digiampietri LA. Comparação de algoritmos para detecção de bots sociais nas eleições presidenciais no Brasil em 2018 utilizando características do usuário [Internet]. Revista Brasileira de Computação Aplicada. 2021 ; 13( 1): 53-64.[citado 2024 out. 01 ] Available from: https://doi.org/10.5335/rbca.v13i1.11199
Artigo de periodico
A study about Explainable Articial Intelligence: using decision tree to explain SVM (2020)
Vieira, Carla Piazzon Ramos ; Digiampietri, Luciano Antonio
Fonte: Revista Brasileira de Computação Aplicada. Unidade: EACH
Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
VIEIRA, Carla Piazzon Ramos e DIGIAMPIETRI, Luciano Antonio. A study about Explainable Articial Intelligence: using decision tree to explain SVM. Revista Brasileira de Computação Aplicada, v. 12, n. 1, p. 113-121, 2020Tradução . . Disponível em: https://doi.org/10.5335/rbca.v12i1.10247. Acesso em: 01 out. 2024.
APA
Vieira, C. P. R., & Digiampietri, L. A. (2020). A study about Explainable Articial Intelligence: using decision tree to explain SVM. Revista Brasileira de Computação Aplicada, 12( 1), 113-121. doi:10.5335/rbca.v12i1.10247
NLM
Vieira CPR, Digiampietri LA. A study about Explainable Articial Intelligence: using decision tree to explain SVM [Internet]. Revista Brasileira de Computação Aplicada. 2020 ; 12( 1): 113-121.[citado 2024 out. 01 ] Available from: https://doi.org/10.5335/rbca.v12i1.10247
Vancouver
Vieira CPR, Digiampietri LA. A study about Explainable Articial Intelligence: using decision tree to explain SVM [Internet]. Revista Brasileira de Computação Aplicada. 2020 ; 12( 1): 113-121.[citado 2024 out. 01 ] Available from: https://doi.org/10.5335/rbca.v12i1.10247
Trabalho de evento
A systematic review of automated feature engineering solutions in machine learning problems (2020)
Prado, Fernando F.; Digiampietri, Luciano Antonio
Fonte: Proceedings. Nome do evento: Brazilian Symposium on Information Systems - SBSI. Unidade: EACH
Assunto: APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PRADO, Fernando F. e DIGIAMPIETRI, Luciano Antonio. A systematic review of automated feature engineering solutions in machine learning problems. 2020, Anais.. New York: ACM, 2020. Disponível em: https://doi.org/10.1145/3411564.3411610. Acesso em: 01 out. 2024.
APA
Prado, F. F., & Digiampietri, L. A. (2020). A systematic review of automated feature engineering solutions in machine learning problems. In Proceedings. New York: ACM. doi:10.1145/3411564.3411610
NLM
Prado FF, Digiampietri LA. A systematic review of automated feature engineering solutions in machine learning problems [Internet]. Proceedings. 2020 ;[citado 2024 out. 01 ] Available from: https://doi.org/10.1145/3411564.3411610
Vancouver
Prado FF, Digiampietri LA. A systematic review of automated feature engineering solutions in machine learning problems [Internet]. Proceedings. 2020 ;[citado 2024 out. 01 ] Available from: https://doi.org/10.1145/3411564.3411610

Unidades USP

ReP

Filtros

Autores

Autores USP

Assuntos