Fr. 57.50

Técnicas avanzadas de detección fitosanitaria - Aprovechar la inteligencia artificial y el aprendizaje automático

Spanish · Paperback / Softback

Shipping usually within 1 to 2 weeks (title will be printed to order)

Description

Read more










Técnicas avanzadas de detección fitosanitaria: Leveraging Artificial Intelligence and Machine Learning explora métodos de vanguardia para la monitorización y el diagnóstico de la salud de las plantas utilizando tecnologías de IA y ML. El texto profundiza en cómo estas técnicas mejoran la detección temprana de enfermedades, plagas y factores de estrés en los cultivos, lo que permite tomar medidas proactivas para la protección de los cultivos y la optimización del rendimiento. Aprovechando los algoritmos de IA y ML, las partes interesadas del sector agrícola pueden mejorar la eficiencia, la precisión y la sostenibilidad de la gestión fitosanitaria, contribuyendo así a la seguridad alimentaria mundial y a la resiliencia agrícola.

About the author










Dr. NAGAMANI H .S Licenciado en Sistemas Informáticos por la Universidad de Mysore. Máster en Ciencias e Ingeniería Informáticas por la Universidad de Annamalai, TN. Doctorado en Informática por la Universidad de Mysore. Actualmente trabaja como Profesor Asociado en el Departamento de Ciencias de la Computación, Smt VHD Central Institute Of Home Science Bengaluru, India.

Product details

Authors Nagamani H. S., Sumanth S., Rohith Vallabhaneni
Publisher Ediciones Nuestro Conocimiento
 
Languages Spanish
Product format Paperback / Softback
Released 30.04.2024
 
EAN 9786207502684
ISBN 978-620-7-50268-4
No. of pages 96
Dimensions 150 mm x 220 mm x 7 mm
Weight 161 g
Subject Social sciences, law, business > Law > Miscellaneous

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.