Ejemplares similares: Clasificación de la Prioridad de Atención a Reclamos Presentados por Clientes Utilizando Machine Learning
- MODELO DE ÁRBOLES DE CLASIFICACIÓN PARA LA IDENTIFICACIÓN DEL PERFIL DEL ALUMNO SEGÚN EL RIESGO CREDITICIO EN LA UNIVERSIDAD PERUANA UNIÓN
- Modelo de aprendizaje supervisado para pronóstico de la deserción de estudiantes de la Facultad de Ingeniería y Arquitectura de la Universidad Peruana Unión - Lima
- MODELO DE ÁRBOLES DE DESICIÓN PARA PRONOSTICAR LA MOROSIDAD DE LOS ALUMNO DE LA UNIVERSIDAD PERUANA UNIÓN.
- Diagnóstico automatizado para la clasificación de café trillado con broca mediante procesamiento de imágenes con Deep Learning
- Análisis de quejas y reclamos reportados en el servicio de atención al cliente de una empresa elaboradora de galletas
- Sistema Multiplataforma con IA Generativa en el proceso de reclamos en entidades públicas
Tópico: Árboles de Decisión
Tópico: Algoritmos
- MODEL CLUSTERING NEURAL NETWORK MONITORING APPLICATIONS NO K-MEANS ALGORITHM FOR THE SEGMENTATION OF THE PERUVIAN UNIVERSITY STUDENTS UNION
- Inteligencia artificial : fundamentos, práctica y aplicaciones
- Métodos numéricos para la física y la ingeniería
- Métodos numéricos : aplicados a la ingeniería
- Estructuras discretas en computación
- Fundamentos generales de programación
Autor: Sanchez Garces, Jorge Alejandro
- Proposal of a guide for the interpretation, simplification of the regulatory process and good tax compliance, case of digital taxpayers, influencers
- Exploratory Analysis of Fundamental Spiritual Support Factors to a Positive Attitude in Patients with COVID-19 Using Natural-Language Processing Algorithms
- Competency analysis based on accounting career anchors using clustering techniques
- Mortality from all causes before and during the COVID-19 pandemic in Peru: The role of sociodemographic factors and accessibility
- Discrimination of foreign bodies in quinoa (Chenopodium quinoa Willd.) grains using convolutional neural networks with a transfer learning approach
- A hybrid intelligent approach to predict discharge diagnosis in pediatric surgical patients