| |
|
|
| Registros recuperados : 7 | |
| 4. |  | CRUZ, A. C. da; CERRI, R.; NARCISO, M. G.; VALDISSER, P. A. M. R.; VIANELLO, R. P.; BRONDANI, C. Identificação e Validação de SNPs por Machine Learning relacionados a caracteres de interesse em arroz. In: SEMINÁRIO JOVENS TALENTOS, 16., 2022, Santo Antônio de Goiás. Resumos... Brasília, DF: Embrapa; Santo Antônio de Goiás: Embrapa Arroz e Feijão, 2022. p. 28.| Biblioteca(s): Embrapa Arroz e Feijão. |
|    |
| 5. | | SARTORI, D. E. L.; RODRIGUES, A. H. A.; CERRI, R.; BASSINELLO, P. Z.; NARCISO, M. G.; BRONDANI, C.; VIANELLO, R. P. Identificação de marcadores SNPs para teor de amilose em arroz pela estratégia de Machine Learning. In: SEMINÁRIO JOVENS TALENTOS, 12., 2018, Santo Antônio de Goiás. Resumos. Santo Antônio de Goiás: Embrapa Arroz e Feijão, 2018. p. 31. (Embrapa Arroz e Feijão. Eventos técnicos & científicos, 2)| Biblioteca(s): Embrapa Arroz e Feijão. |
| |
| 6. | | CHRISTINELLI, W. A.; SHIMIZU, F. M.; FACURE, M. H. M.; CERRI, R.; OLIVEIRA JUNIOR, O. N.; CORREA, D. S.; MATTOSO, L. H. C. Two-dimensional MoS2-based impedimetric electronic tongue for the discrimination of endocrine disrupting chemicals using machine learning. Sensors and Actuators: B. Chemical, v. 336, 129696, 2021. 1 - 11| Biblioteca(s): Embrapa Instrumentação. |
|  |
| 7. | | CRUVINEL, P. E.; MALAGUTTI, E.; SANTOS, C. E. S.; UCHOA JÚNIOR. P. P. M.; GARBIN, A.; NOVAES, A. P.; SEGATTO, A. R.; ROCHA, C. F. DA; SALVO, C. DI; GENEROSO, F. B.; FALLAND, F.; ALVES, G. A.; BONURA, G.; REICHE, J. C.; PICCA, J. P.; PORTO, J. F.; LOTÚMULO JUNIOR, J.; HAMÚ, L.; INOCENTINI NETO, L.; VARELLA, L. C.; FACCIN, M.; RUGGIERO, M.; ODEH, M. M.; SALDANHA, N.; PETRILLI, O. F.; NAZAZARI, P.; PONTAL, P. F.; NASSU, R. T.; MARTINS, R. L.; SILVA, R. S. G. DA; CERRI, R.; JANK JUNIOR, R.; ROSSITO, R.; BROGGIO, R.; MEDEIROS, S. DOS S.; MASCARENHAS, Y. P. (ed.). Perfil profissional no meio rural: subsídios para diagnóstico e definição de estratégias: cadeias produtivas da apicultura, bovinocultura leiteira e ovinocultura. São Carlos, SP: Embrapa Instrumentação Agropecuária, 2008. 28 p. (Embrapa Instrumentação Agropecuária. Documentos, 40).| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| Registros recuperados : 7 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Unidades Centrais. |
|
Data corrente: |
22/10/2018 |
|
Data da última atualização: |
22/10/2018 |
|
Autoria: |
CERRI, R.; CARVALHO, A. C. P. de L. F. de. |
|
Afiliação: |
Ricardo Cerri, Professor adjunto do Departamento de Computação/Universidade Federal de São Carlos - UFSCAR; André Carlos Ponce de Leon Ferreira de Carvalho, Engenharia Eletrônica, professor titular do Instituto de Ciências Matemáticas e de Computação/Universidade de São Paulo - USP. |
|
Título: |
Aprendizado de máquina: breve introdução e aplicações. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
Cadernos de Ciência & Tecnologia, Brasília, v. 34, n. 3, p. 297-313, set./dez. 2017 |
|
Idioma: |
Português |
|
Notas: |
Título em inglês: Machine learning: brief introduction and applications. |
|
Conteúdo: |
e academia, para os quais são utilizados métodos de Aprendizado de Máquina. Também são apresentados métodos de classificação utilizados em diversos ramos de pesquisa, como, por exemplo, a Bioinformática. Além disso, foi feita uma revisão bibliográfica de métodos de Aprendizado de Máquina na agropecuária. Finalmente, são apresentados alguns grupos de pesquisa da Embrapa, da academia e da indústria que utilizam Aprendizado de Máquina. |
|
Palavras-Chave: |
Agriculture and livestock; Agropecuária; Big data; Classificação de dados; Data classification; Inteligência artificial. |
|
Thesaurus NAL: |
Artificial intelligence. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/184785/1/Aprendizado-de-maquina-breve-introducao.pdf
|
|
Marc: |
LEADER 01234naa a2200229 a 4500
001 2097825
005 2018-10-22
008 2017 bl uuuu u00u1 u #d
100 1 $aCERRI, R.
245 $aAprendizado de máquina$bbreve introdução e aplicações.$h[electronic resource]
260 $c2017
500 $aTítulo em inglês: Machine learning: brief introduction and applications.
520 $ae academia, para os quais são utilizados métodos de Aprendizado de Máquina. Também são apresentados métodos de classificação utilizados em diversos ramos de pesquisa, como, por exemplo, a Bioinformática. Além disso, foi feita uma revisão bibliográfica de métodos de Aprendizado de Máquina na agropecuária. Finalmente, são apresentados alguns grupos de pesquisa da Embrapa, da academia e da indústria que utilizam Aprendizado de Máquina.
650 $aArtificial intelligence
653 $aAgriculture and livestock
653 $aAgropecuária
653 $aBig data
653 $aClassificação de dados
653 $aData classification
653 $aInteligência artificial
700 1 $aCARVALHO, A. C. P. de L. F. de
773 $tCadernos de Ciência & Tecnologia, Brasília$gv. 34, n. 3, p. 297-313, set./dez. 2017
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
