Andere Kunden interessierten sich auch für
![Negociação Automatizada de Bolsa de Valores utilizando Aprendizagem Automática]( "Negociação Automatizada de Bolsa de Valores utilizando Aprendizagem Automática")
Negociação Automatizada de Bolsa de Valores utilizando Aprendizagem Automática23,99 €![Aprendizagem automática para os cuidados de saúde]( "Aprendizagem automática para os cuidados de saúde")
Aprendizagem automática para os cuidados de saúde29,99 €![MONITORIZAÇÃO DE CAMPOS DE CULTIVO UTILIZANDO A IOT E A APRENDIZAGEM AUTOMÁTICA]( "MONITORIZAÇÃO DE CAMPOS DE CULTIVO UTILIZANDO A IOT E A APRENDIZAGEM AUTOMÁTICA")
MONITORIZAÇÃO DE CAMPOS DE CULTIVO UTILIZANDO A IOT E A APRENDIZAGEM AUTOMÁTICA29,99 €![Explorando os limites: Âmbito da aprendizagem automática em aplicações modernas]( "Explorando os limites: Âmbito da aprendizagem automática em aplicações modernas")
Explorando os limites: Âmbito da aprendizagem automática em aplicações modernas29,99 €![Aprendizagem automática para principiantes]( "Aprendizagem automática para principiantes")
Aprendizagem automática para principiantes29,99 €![Aprendizagem automática para previsões microeconómicas]( "Aprendizagem automática para previsões microeconómicas")
Aprendizagem automática para previsões microeconómicas29,99 €![Python no centro: Aprendizagem automática e muito mais]( "Python no centro: Aprendizagem automática e muito mais")
Python no centro: Aprendizagem automática e muito mais29,99 €
No mundo da medicina, o AVC é uma das doenças mais importantes que ameaçam a vida humana no mundo. As causas de morte mais comuns no mundo são o AVC, as doenças cardíacas e o cancro. Felizmente, o AVC pode ser evitado se os doentes de alto risco forem identificados antes da ocorrência de um AVC. O diagnóstico médico para a previsão do AVC é um processo complexo. No entanto, os algoritmos de aprendizagem automática podem ser utilizados para facilitar a previsão do AVC nas fases iniciais. O desempenho dos algoritmos de classificação depende de um conjunto de dados equilibrado, pelo que este estudo tem por objetivo implementar técnicas de dados desequilibrados como a subamostragem, a sobreamostragem e técnicas híbridas para melhorar o desempenho dos modelos de classificação.