Risultati

Risultati trovati 7

Dati completi Dati sintetici

Clicca sul titolo per vedere i dati completi di ogni documento e la segnatura con la quale richiederlo.

Consultabilità delle tesi

Consultabile Consultabile
Non consultabile Non consultabile

Modalità di consultazione e contatti


Consultabile BIANCHI ATENA, APPLICAZIONE SINERGICA DEL MODELLO DELL'INGEGNERIA DEL SOFTWARE E DELL'INTERACTION DESIGN NELLA REALIZZAZIONE CONCRETA DI UN'APP PER IPHONE, Rel. OSMANI VENET, AA 2010/2011
Autore: BIANCHI ATENA
Titolo: APPLICAZIONE SINERGICA DEL MODELLO DELL'INGEGNERIA DEL SOFTWARE E DELL'INTERACTION DESIGN NELLA REALIZZAZIONE CONCRETA DI UN'APP PER IPHONE
Relatore: OSMANI VENET
Anno accademico: 2010/2011
Corso: Corso di Laurea - Interfacce e Tecnologie della Comunicazione [0704G]
Struttura didattica: Facoltà di Scienze Cognitive
Formato: digitale
Segnatura: 0704G-3
Richiedi la consultazione
Consultabile BORNINO GIACOMO, MACHINE LEARNING PREDICTION OF DIABETES COMORBIDITIES IN A LARGE ITALIAN COHORT, Rel. BISON IVANO, AA 2020/2021
Autore: BORNINO GIACOMO
Titolo: MACHINE LEARNING PREDICTION OF DIABETES COMORBIDITIES IN A LARGE ITALIAN COHORT
Relatore: BISON IVANO
Correlatore: JURMAN GIUSEPPE
Secondo Correlatore: CHIERICI MARCO
Controrelatore: OSMANI VENET
Anno accademico: 2020/2021
Corso: Corso di Laurea Magistrale - Data Science [0522H]
Struttura didattica: Dipartimento di Matematica
Formato: digitale
Segnatura: 0522H-18
Richiedi la consultazione
Non consultabile ENDRIZZI WALTER, A MACHINE LEARNING APPROACH TO PREDICT PROGRESSION IN PATIENTS AFFECTED BY MULTIPLE SCLEROSIS, Rel. OSMANI VENET, Rel. ROMANEL ALESSANDRO, AA 2022/2023
Autore: ENDRIZZI WALTER
Titolo: A MACHINE LEARNING APPROACH TO PREDICT PROGRESSION IN PATIENTS AFFECTED BY MULTIPLE SCLEROSIS
Relatore: ROMANEL ALESSANDRO
Secondo Relatore: OSMANI VENET
Correlatore: MORONI MONICA
Anno accademico: 2022/2023
Corso: Corso di Laurea Magistrale - Biologia Quantitativa e Computazionale [0521H]
Struttura didattica: Dipartimento CIBIO
Formato: digitale
Segnatura: 0521H-100
Consultabile MARCHESI RAFFAELE, GENERATIVE APPROACHES VERSUS RESAMPLING FOR TIME-SERIES CLINICAL DATA: METHODS TO MITIGATE HEALTH DATA POVERTY, Rel. JURMAN GIUSEPPE, AA 2022/2023
Autore: MARCHESI RAFFAELE
Titolo: GENERATIVE APPROACHES VERSUS RESAMPLING FOR TIME-SERIES CLINICAL DATA: METHODS TO MITIGATE HEALTH DATA POVERTY
Relatore: JURMAN GIUSEPPE
Correlatore: OSMANI VENET
Anno accademico: 2022/2023
Corso: Corso di Laurea Magistrale - Data Science [0522H]
Struttura didattica: Dipartimento di Matematica
Formato: digitale
Segnatura: 0522H-78
Richiedi la consultazione
Consultabile SABATELLI MATTHIA, UNDERSTANDING MOBILITY OF BIPOLAR PATIENTS THROUGH ANALYSIS OF WIFI TRACES, Rel. OSMANI VENET, AA 2013/2014
Autore: SABATELLI MATTHIA
Titolo: UNDERSTANDING MOBILITY OF BIPOLAR PATIENTS THROUGH ANALYSIS OF WIFI TRACES
Relatore: OSMANI VENET
Anno accademico: 2013/2014
Corso: Corso di Laurea - Interfacce e Tecnologie della Comunicazione [0704G]
Struttura didattica: Dipartimento di Psicologia e Scienze Cognitive
Formato: digitale
Segnatura: 0704G-68
Richiedi la consultazione
Consultabile SOLINAS ERIC, DATA SCIENCE IN THE ICU: MACHINE LEARNING MODELS TO PREDICT DETERIORATION OF CRITICALLY ILL PATIENTS, Rel. JURMAN GIUSEPPE, AA 2020/2021
Autore: SOLINAS ERIC
Titolo: DATA SCIENCE IN THE ICU: MACHINE LEARNING MODELS TO PREDICT DETERIORATION OF CRITICALLY ILL PATIENTS
Relatore: JURMAN GIUSEPPE
Correlatore: OSMANI VENET
Anno accademico: 2020/2021
Corso: Corso di Laurea Magistrale - Data Science [0522H]
Struttura didattica: Dipartimento di Matematica
Formato: digitale
Segnatura: 0522H-24
Richiedi la consultazione
Consultabile ZAUPA EROS, INVESTIGATING EXPLAINABLE MACHINE LEARNING METHODS IN PREDICTING DIABETES RELATED COMPLICATIONS, Rel. JURMAN GIUSEPPE, Rel. RICCI ELISA, AA 2021/2022
Autore: ZAUPA EROS
Titolo: INVESTIGATING EXPLAINABLE MACHINE LEARNING METHODS IN PREDICTING DIABETES RELATED COMPLICATIONS
Relatore: RICCI ELISA
Secondo Relatore: JURMAN GIUSEPPE
Correlatore: OSMANI VENET
Secondo Correlatore: CHIERICI MARCO
Anno accademico: 2021/2022
Corso: Corso di Laurea Magistrale - INFORMATICA [0517H]
Struttura didattica: Dipartimento di Ingegneria e Scienza dell'Informazione
Formato: digitale
Segnatura: 0517H-849
Richiedi la consultazione