KI-Beratung Beta

Produktbild: Software Technologies
Band 2104 - 58%

Software Technologies 18th International Conference, ICSOFT 2023, Rome, Italy, July 10–12, 2023, Revised Selected Papers

58% sparen

57,99 € UVP 139,09 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

24.05.2024

Abbildungen

XI, 155 p. 46 illus., 40 illus. in color.

Herausgeber

Hans-Georg Fill + weitere

Verlag

Springer

Seitenzahl

155

Maße (L/B/H)

23,5/15,5/1 cm

Gewicht

265 g

Auflage

2024

Sprache

Englisch

ISBN

978-3-031-61752-2

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

24.05.2024

Abbildungen

XI, 155 p. 46 illus., 40 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

155

Maße (L/B/H)

23,5/15,5/1 cm

Gewicht

265 g

Auflage

2024

Sprache

Englisch

ISBN

978-3-031-61752-2

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Software Technologies

  • .- Green Evolutionary Algorithms and JavaScript: A Study on Different Software and Hardware Architectures.



    .- Low-Modeling of Software Systems.



    .- Model-Driven Security Smell Resolution in Microservice Architecture Using LEMMA.



    .- Indentation and Reading Time: A Controlled Experiment on the Differences Between Generated Indented and Non-Indented JSON Objects.



    .- The Sustainable User Experiences Enabled Human-Centered Framework for Systems Design.



    .- DeepPull: Deep Learning-Based Approach for Predicting Reopening, Decision, and Lifetime of Pull Requests on GitHub Open-Source Projects.



    .- On the Relevance of Graph2Vec Source Code Embeddings for Software Defect Prediction.