Machine Learning for Operational Decisionmaking in Competition and Conflict: O demonstrație folosind conflictul din estul Ucrainei

Machine Learning for Operational Decisionmaking in Competition and Conflict: O demonstrație folosind conflictul din estul Ucrainei (Eric Robinson)

Titlul original:

Machine Learning for Operational Decisionmaking in Competition and Conflict: A Demonstration Using the Conflict in Eastern Ukraine

Conținutul cărții:

Progresele în domeniul învățării automate au potențialul de a schimba radical caracterul războiului prin creșterea vitezei, preciziei și eficacității procesului decizional în cadrul întreprinderii de securitate națională.

Prezentul raport analizează modul în care învățarea automată poate fi valorificată pentru a permite luarea de decizii militare prin colaborarea dintre instrumentele de învățare automată și analiștii umani.

Alte date despre carte:

ISBN:9781977412102
Autor:
Editura:
Limbă:engleză
Legare:Copertă moale

Cumpărare:

Disponibil în prezent, pe stoc.

Alte cărți ale autorului:

Rethinking Vocation: O nouă viziune asupra chemării și muncii în lumina Missio Dei - Rethinking...
Ce înseamnă să fii chemat? Cum își discerne cineva...
Rethinking Vocation: O nouă viziune asupra chemării și muncii în lumina Missio Dei - Rethinking Vocation: A New Vision for Calling and Work in Light of Missio Dei
Machine Learning for Operational Decisionmaking in Competition and Conflict: O demonstrație folosind...
Progresele în domeniul învățării automate au...
Machine Learning for Operational Decisionmaking in Competition and Conflict: O demonstrație folosind conflictul din estul Ucrainei - Machine Learning for Operational Decisionmaking in Competition and Conflict: A Demonstration Using the Conflict in Eastern Ukraine

Lucrările autorului au fost publicate de următorii editori:

© Book1 Group - toate drepturile rezervate.
Conținutul acestui site nu poate fi copiat sau utilizat, nici parțial, nici integral, fără permisiunea scrisă a proprietarului.
Ultima modificare: 2024.11.08 07:02 (GMT)