Zobrazeno 1 - 10
of 493
pro vyhledávání: '"Adams, Jennifer P."'
Autor:
Adams, Jennifer D., Bess, Cameron, Brumbeg, Joshua, Cohen, Ruth, Faherty, Jacqueline K., Ginete, Daren, Holford, Mandë, Jefferson, Bobby, Garbarino, Jeanne, Mays, Alfred, Nwafor-Okoli, Chinyere, Ramirez-Ruiz, Enrico
The vision of 2030STEM is to address systemic barriers in institutional structures and funding mechanisms required to achieve full inclusion in Science, Technology, Engineering, and Mathematics (STEM) and accelerate leadership pathways for individual
Externí odkaz:
http://arxiv.org/abs/2312.10063
Autor:
Adams, Jennifer D., Asai, David, Cohen, Ruth, Delgado, Alonso, Preston, Stephanie Danette, Faherty, Jacqueline K., Holford, Mandë, Jarvis, Erich, Martinez-Cola, Marisela, Mays, Alfred, Muglia, Louis J., Narinesingh, Veeshan, Phillips, Caprice, Pfund, Christine, Silveyra, Patricia
The vision of 2030STEM is to address systemic barriers in institutional structures and funding mechanisms required to achieve full inclusion in Science, Technology, Engineering, and Mathematics (STEM) and accelerate leadership pathways for individual
Externí odkaz:
http://arxiv.org/abs/2302.13691
Autor:
Adams, Jennifer D., Berry, Carlotta A., Cohen, Ruth, Delgado, Alonso, Faherty, Jacqueline K., Gonzales, Eileen, Holford, Mandë, Kozik, Ariangela J, Jennings, Lydia, Mays, Alfred, Muglia, Louis J., Pittman, Nikea, Silveyra, Patricia
The vision of 2030STEM is to address systemic barriers in institutional structures and funding mechanisms required to achieve full inclusion in Science, Technology, Engineering, and Mathematics (STEM) and provide leadership opportunities for individu
Externí odkaz:
http://arxiv.org/abs/2212.03245
To address the mounting destruction caused by floods in climate-vulnerable regions, we propose Street to Cloud, a machine learning pipeline for incorporating crowdsourced ground truth data into the segmentation of satellite imagery of floods. We prop
Externí odkaz:
http://arxiv.org/abs/2011.08010
We present a scheme by which a probabilistic forecasting system whose predictions have poor probabilistic calibration may be recalibrated by incorporating past performance information to produce a new forecasting system that is demonstrably superior
Externí odkaz:
http://arxiv.org/abs/1904.02855
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.