Suchergebnisse - "Planificación regional"

  1. 1
  2. 2
  3. 3
  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
  9. 9
  10. 10
  11. 11

    Time: Chubut . (province) (World, South America, Argentina) [1001203]

    Dateibeschreibung: application/pdf

    Relation: info:eu-repograntAgreement/INTA/2019-PpAT-2.6.1-D.REGyT-001, Programa por Área Temática Desarrollo Regional y Territorial; info:eu-repograntAgreement/INTA/2019-PT-E10-I204-001, Contribución p/ formulación y gestión Pol. Públicas; info:eu-repograntAgreement/INTA/2019-REC-E10-I210-001, Comunicación y educación para la innovación; info:eu-repograntAgreement/INTA/2023-PE-L05-I076, Dinámica y prospectiva de las tensiones territoriales; Documento breve de recomendaciones de política pública #6; https://hdl.handle.net/20.500.12123/24165

  12. 12
  13. 13
  14. 14
  15. 15
  16. 16

    Dateibeschreibung: pdf; application/pdf

    Relation: Tipologías Departamentales y Municipales, Departamento Nacional de Planeación DNP 2015, https://colaboracion.dnp.gov.co/CDT/Desarrollo%20Territorial/Tip-FormatoPublicacion.pdf , Recuperado el 05/12/2023; Wobcke, W., & Mariyah, S. Machine learning and data augmentation in the proxy means test for poverty targeting. Statistical Journal of the IAOS; Grueso, H. (2023). Unveiling the causal mechanisms within multidimensional poverty. Evaluation Review, 47(6), 1107-1134.; Susan Sixue, J. I. A., & Pengling, Y. U. machine learning approach for identifying relative poverty of urban households: a case study of china.; Muñetón-Santa, G., & Manrique-Ruiz, L. C. (2023). Predicting multidimensional poverty with machine learning algorithms: an open data source approach using spatial data. Social Sciences, 12(5), 296.; Alsharkawi, A., Al-Fetyani, M., Dawas, M., Saadeh, H., & Alyaman, M. (2021). Poverty classification using machine learning: The case of Jordan. Sustainability, 13(3), 1412. https://doi.org/10.3390/su13031412Title of Site. Available online: URL (accessed on Day Month Year).; Sihombing, P. R., & Arsani, A. M. (2021). Comparison of Machine Learning Methods in Classifying Poverty in Indonesia in 2018. Jurnal Teknik Informatika (Jutif), 2(1), 51-56.; Tingzon, I., Orden, A., Go, K. T., Sy, S., Sekara, V., Weber, I., Fatehkia, M., García-Herranz, M., & Kim, D. (2019). Mapping poverty in the Philippines using machine learning, satellite imagery, and crowd-sourced geospatial information. ISPRS - International Archives of the Photogrammetry Remote Sensing and Spatial Information Sciences, XLII-4/W19, 425–431. https://doi.org/10.5194/isprs-archives-xlii-4-w19-425-2019; Santos, M. E. (s/f). Desafíos en el diseño de medidas de pobreza multidimensional. Cepal.org. Recuperado el 15 de septiembre de 2023, de https://repositorio.cepal.org/server/api/core/bitstreams/ffbb9f56-2fbd-447cae7f-77071837f07f/content; DANE – Metodologia índice de pobreza multidimensional 2014. Recuperado el 15 de septiembre de 2023, de https://www.dane.gov.co/files/operaciones/PM/met-IPM.pdf; DANE- Medida de pobreza multidimensional municipal de fuente censal 2018. Recuperado 15 de septiembre de 2023, de https://www.dane.gov.co/index.php/estadisticas-por-tema/pobreza-y-condiciones-de-vida/pobreza-y-desigualdad/medida-de-pobreza-multidimensional-de-fuente-censal; Asana. (2023, febrero 27). El árbol de decisiones: un análisis de 5 pasos para tomar mejores decisiones [2023]. https://asana.com/es/resources/decision-tree-analysis; Duch, J., Tejedor Navarro, H., Kanaan-Izquierdo, S., & Escudero Bakx, G. (2017). Inteligencia artificial, febrero 2017.; Ley 388 de 1997 - Gestor Normativo. (s/f). Gov.co. Recuperado el 5 de agosto de 2024, de https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=339; Ley 1996 de 2019 - Gestor Normativo. (s/f). Gov.co. Recuperado el 5 de agosto de 2024, https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=99712; Ley 1930 de 2018 - Gestor Normativo. (s/f). Gov.co. Recuperado el 5 de agosto de 2024, https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=87764; García, J. M. (2023, noviembre 24). América Latina ante la inteligencia artificial: mapeo de iniciativas regulatorias en la región. Derechos Digitales. https://www.derechosdigitales.org/22881/america-latina-ante-la-inteligencia-artificial-mapeo-de-iniciativas-regulatorias-en-la-region/; Cundinamarca, G. (s/f). Gobernación de Cundinamarca. Gov.co. Recuperado el 5 de agosto de 2024, de https://www.cundinamarca.gov.co/home/; Boyacá - Gobernación de Boyacá. (2018, septiembre 25). Gobernación de Boyacá; Gobernacion de Boyacá. https://www.boyaca.gov.co/; Gobernación de Antioquia. (s/f). Gov.co. Recuperado el 5 de agosto de 2024, de https://www.antioquia.gov.co/; Gobernación de Nariño. (2024, enero 29). Gobernación de Nariño. https://narino.gov.co/; Santander, S. E. G. (s/f). Gobernación de Santander. Sede Electrónica Gobernación de Santander. Recuperado el 5 de agosto de 2024, de https://santander.gov.co/; Consultores., D. P. P. O. (s/f). Lista de Municipios PDET y ZOMAC: Municipios ZOMAC y PDET. Gov.co. Recuperado el 5 de agosto de 2024, de https://minciencias.gov.co/sites/default/files/upload/convocatoria/anexo_14._lista_de_municipios_pdet_y_zomac.pdf; RPubs - Algoritmo genético para la selección de predictores. (s/f). Rpubs.com. Recuperado el 5 de agosto de 2024, de https://rpubs.com/Joaquin_AR/436053; Ley 1955 de 2019 - Gestor Normativo. (s/f). Gov.co. Recuperado el 5 de agosto de 2024, de https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=93970; https://hdl.handle.net/11349/41969

  17. 17
  18. 18
  19. 19
  20. 20