Menu

Filters : "CLASSIFICAÇÃO" "INTELIGÊNCIA ARTIFICIAL" Removed: "Ribeiro, Celma" Limpar

Filters

Refine with date range

  • 1

1 - 3 (3 records)

  • Trabalho de Conclusão de Curso (MBA)

    Modelo de propensão: como identificar os clientes com maior chance de compra? (2023)

    Pires, Leonardo Caresia; Ciferri, Ricardo Rodrigues (Orientador)

    Unidade: ICMC

    Subjects: APRENDIZADO COMPUTACIONAL, INTELIGÊNCIA ARTIFICIAL, CLASSIFICAÇÃO

    Versão PublicadaHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      PIRES, Leonardo Caresia. Modelo de propensão: como identificar os clientes com maior chance de compra?. 2023. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2023. Disponível em: https://bdta.abcd.usp.br/directbitstream/62e6fac7-f977-4662-a82e-cdbb02bc39ef/Leonardo%20Caresia%20Pires.pdf. Acesso em: 29 maio 2024.

    • APA

      Pires, L. C. (2023). Modelo de propensão: como identificar os clientes com maior chance de compra? (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/62e6fac7-f977-4662-a82e-cdbb02bc39ef/Leonardo%20Caresia%20Pires.pdf

    • NLM

      Pires LC. Modelo de propensão: como identificar os clientes com maior chance de compra? [Internet]. 2023 ;[citado 2024 maio 29 ] Available from: https://bdta.abcd.usp.br/directbitstream/62e6fac7-f977-4662-a82e-cdbb02bc39ef/Leonardo%20Caresia%20Pires.pdf

    • Vancouver

      Pires LC. Modelo de propensão: como identificar os clientes com maior chance de compra? [Internet]. 2023 ;[citado 2024 maio 29 ] Available from: https://bdta.abcd.usp.br/directbitstream/62e6fac7-f977-4662-a82e-cdbb02bc39ef/Leonardo%20Caresia%20Pires.pdf

  • Trabalho de Conclusão de Curso (Graduação)

    Métodos de quantificação Classify and Count (CC) para análise de sentimentos (2021)

    Nogima, Guilherme Brunassi; Marcacini, Ricardo Marcondes (Orientador)

    Unidade: EESC E ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, CLASSIFICAÇÃO

    Versão PublicadaHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      NOGIMA, Guilherme Brunassi. Métodos de quantificação Classify and Count (CC) para análise de sentimentos. 2021. Trabalho de Conclusão de Curso (Graduação) – , Universidade de São Paulo, São Carlos, 2021. Disponível em: https://bdta.abcd.usp.br/directbitstream/0927e5cf-8fd5-471f-97d4-80478df5e1a6/Guilherme%20Brunassi%20Nogima%20.pdf. Acesso em: 29 maio 2024.

    • APA

      Nogima, G. B. (2021). Métodos de quantificação Classify and Count (CC) para análise de sentimentos (Trabalho de Conclusão de Curso (Graduação). , Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/0927e5cf-8fd5-471f-97d4-80478df5e1a6/Guilherme%20Brunassi%20Nogima%20.pdf

    • NLM

      Nogima GB. Métodos de quantificação Classify and Count (CC) para análise de sentimentos [Internet]. 2021 ;[citado 2024 maio 29 ] Available from: https://bdta.abcd.usp.br/directbitstream/0927e5cf-8fd5-471f-97d4-80478df5e1a6/Guilherme%20Brunassi%20Nogima%20.pdf

    • Vancouver

      Nogima GB. Métodos de quantificação Classify and Count (CC) para análise de sentimentos [Internet]. 2021 ;[citado 2024 maio 29 ] Available from: https://bdta.abcd.usp.br/directbitstream/0927e5cf-8fd5-471f-97d4-80478df5e1a6/Guilherme%20Brunassi%20Nogima%20.pdf

  • Trabalho de Conclusão de Curso (Graduação)

    Inferência de indicadores socioeconômicos com base em imagens de rua utilizando deep learning (2020)

    Almeida, Leticia Mancuzo de; Costa, Willian Werner Angelo da; Corrêa, Pedro Luiz Pizzigatti (Orientador) ; Justo, Marina Jeaneth Machicao (coorient)

    Unidade: EP

    Subjects: INTELIGÊNCIA ARTIFICIAL, BIG DATA, CLASSIFICAÇÃO, DEMOGRAFIA, VISÃO COMPUTACIONAL

    Versão PublicadaHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      ALMEIDA, Leticia Mancuzo de e COSTA, Willian Werner Angelo da. Inferência de indicadores socioeconômicos com base em imagens de rua utilizando deep learning. 2020. Trabalho de Conclusão de Curso (Graduação) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2020. Disponível em: https://bdta.abcd.usp.br/directbitstream/5485debf-6346-4160-ab82-6bb9dd680de1/Willian%20Werner%20Angelo%20da%20Costa%20PCS3860.pdf. Acesso em: 29 maio 2024.

    • APA

      Almeida, L. M. de, & Costa, W. W. A. da. (2020). Inferência de indicadores socioeconômicos com base em imagens de rua utilizando deep learning (Trabalho de Conclusão de Curso (Graduação). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/5485debf-6346-4160-ab82-6bb9dd680de1/Willian%20Werner%20Angelo%20da%20Costa%20PCS3860.pdf

    • NLM

      Almeida LM de, Costa WWA da. Inferência de indicadores socioeconômicos com base em imagens de rua utilizando deep learning [Internet]. 2020 ;[citado 2024 maio 29 ] Available from: https://bdta.abcd.usp.br/directbitstream/5485debf-6346-4160-ab82-6bb9dd680de1/Willian%20Werner%20Angelo%20da%20Costa%20PCS3860.pdf

    • Vancouver

      Almeida LM de, Costa WWA da. Inferência de indicadores socioeconômicos com base em imagens de rua utilizando deep learning [Internet]. 2020 ;[citado 2024 maio 29 ] Available from: https://bdta.abcd.usp.br/directbitstream/5485debf-6346-4160-ab82-6bb9dd680de1/Willian%20Werner%20Angelo%20da%20Costa%20PCS3860.pdf
  • 1

1 - 3 (3 records)

Digital Library of Academic Works of Universidade de São Paulo     2012 - 2024