Prédiction des épidémies de COVID-19 à l'aide de modèles d'apprentissage supervisé

Les autorités du monde entier utilisent les modèles d'attente d'épisodes COVID-19 pour prendre des décisions éclairées et maintenir les étapes de contrôle nécessaires. Les composants décisionnels basés sur l'IA (ML) se sont avérés utiles pour prédire les résultats péri-opératoires et améliorer la dynamique des opérations possibles. Depuis longtemps, les modèles d'apprentissage automatique sont utilisés dans diverses applications qui nécessitent une preuve reconnaissable et la hiérarchisation des facteurs défavorables pour un risque. Pour faire face à l'anticipation des problèmes, quelques stratégies d'anticipation sont couramment utilisées. Les autorités du monde entier utilisent les modèles d'anticipation de l'épisode COVID-19 pour prendre des décisions éclairées et maintenir les contrôles nécessaires. Les composants décisionnels basés sur l'IA (ML) ont montré leur valeur dans la prédiction des résultats péri-opératoires et l'amélioration de la dynamique des opérations futures. Depuis longtemps, les modèles d'apprentissage automatique sont utilisés dans diverses applications qui nécessitent une preuve reconnaissable et une hiérarchisation des facteurs défavorables à un danger. Pour faire face aux problèmes d'attente, quelques stratégies d'attente sont utilisées.

Autorentext

Sheshang D. Degadwala sta attualmente lavorando come professore associato e capo del dipartimento di ingegneria informatica, Sigma Institute of Engineering, Vadodara. Ha pubblicato 145 articoli di ricerca nel campo dell'elaborazione delle immagini e della computer vision. Ha pubblicato 10 libri e 1 brevetto indiano. È certificato Microsoft in Python ed Excel.

Klappentext

Les autorités du monde entier utilisent les modèles d'attente d'épisodes COVID-19 pour prendre des décisions éclairées et maintenir les étapes de contrôle nécessaires. Les composants décisionnels basés sur l'IA (ML) se sont avérés utiles pour prédire les résultats péri-opératoires et améliorer la dynamique des opérations possibles. Depuis longtemps, les modèles d'apprentissage automatique sont utilisés dans diverses applications qui nécessitent une preuve reconnaissable et la hiérarchisation des facteurs défavorables pour un risque. Pour faire face à l'anticipation des problèmes, quelques stratégies d'anticipation sont couramment utilisées. Les autorités du monde entier utilisent les modèles d'anticipation de l'épisode COVID-19 pour prendre des décisions éclairées et maintenir les contrôles nécessaires. Les composants décisionnels basés sur l'IA (ML) ont montré leur valeur dans la prédiction des résultats péri-opératoires et l'amélioration de la dynamique des opérations futures. Depuis longtemps, les modèles d'apprentissage automatique sont utilisés dans diverses applications qui nécessitent une preuve reconnaissable et une hiérarchisation des facteurs défavorables à un danger. Pour faire face aux problèmes d'attente, quelques stratégies d'attente sont utilisées.