Vis enkel innførsel

Feasibility analysis for forecasting inflow of unplanned work using machine learning techniques

dc.contributor.authorShakeel, Fahad
dc.date.accessioned2022-10-17T08:24:21Z
dc.date.available2022-10-17T08:24:21Z
dc.date.issued2021
dc.identifier.citationShakeel, F. (2021) Feasibility analysis for forecasting inflow of unplanned work using machine learning techniquesen_US
dc.identifier.urihttps://hdl.handle.net/11250/3026311
dc.descriptionMaster´s thesis in Information and Communication Technology (IKT590), University of Agder, Grimstaden_US
dc.language.isoengen_US
dc.publisherUniversity of Agderen_US
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internasjonal*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/deed.no*
dc.subjectIKT 590en_US
dc.titleFeasibility analysis for forecasting inflow of unplanned work using machine learning techniquesen_US
dc.typeMaster thesisen_US
dc.rights.holder© 2021 Fahad Shakeelen_US
dc.subject.nsiVDP::Matematikk og Naturvitenskap: 400::Informasjons- og kommunikasjonsvitenskap: 420::Kommunikasjon og distribuerte systemer: 423en_US
dc.source.pagenumber34en_US


Tilhørende fil(er)

Thumbnail
Filnavn:
IKT590 H21 Fahad Shakeel.pdf
Størrelse:
4.959Mb
Format:
PDF
Åpne

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel

Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal
Med mindre annet er angitt, så er denne innførselen lisensiert som Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal