Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12008/41026
Cómo citar
| Título: | Estrategias de machine learning para el análisis de historias clínicas electrónicas para la detección precoz de enfermedades raras |
| Autor: | Rolando González, Matías |
| Tutor: | Spangenberg, Lucía Cagnina, Leticia |
| Tipo: | Tesis de grado |
| Palabras clave: | Machine learning, SVM, Transformers |
| Descriptores: | BIOQUIMICA, RED NEURONAL, MODELOS MATEMATICOS, LENGUAJES DE PROGRAMACION, APRENDIZAJE AUTOMATICO, ENFERMEDADES RARAS |
| Fecha de publicación: | 2023 |
| Editorial: | Udelar. FC. |
| Citación: | Rolando González, M. Estrategias de machine learning para el análisis de historias clínicas electrónicas para la detección precoz de enfermedades raras [en línea] Tesis de grado. Montevideo : Udelar. 2023 |
| Título Obtenido: | Licenciado en Bioquímica |
| Facultad o Servicio que otorga el Título: | Universidad de la República (Uruguay). Facultad de Ciencias. |
| Licencia: | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
| Aparece en las colecciones: | Tesis de grado - Facultad de Ciencias |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | ||
|---|---|---|---|---|---|
| uy24-20857.pdf | 1,56 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
