Encuesta satisfacción e-cienciaDatos
e-cienciaDatos es el repositorio de datos de investigación de las universidades del Consorcio Madroño. Es miembro de Harvard Dataverse Network, aceptado por las principales editoriales científicas y cumple los requisitos del H2020.
Estamos comprometidos con la mejora de nuestro servicio. Conocer mejor sus expectativas nos ayudará a adaptar nuestros servicios a sus necesidades.
Si desea colaborar con nosotros, seleccione su institución para comenzar la encuesta.
Gracias por su colaboración.
10.851 a 10.860 de 14.379 Resultados
Texto plano - 53,1 KB -
MD5: 7558ae53fd38c7909872b5d67e50588d
|
Texto plano - 46,5 KB -
MD5: b7bbfddc6a1ff64e617c47e184ead1a4
|
Texto plano - 818,9 KB -
MD5: 3445aaa0f9cea1236fb6b48eefb991d3
|
Texto plano - 2,2 KB -
MD5: e8c63ac59511b085f4713cac47feb1c0
|
Texto plano - 60,1 KB -
MD5: dd3cf5aa609e8988d568cc98c091fd1e
|
3 jul 2021 - Universidad Carlos III de Madrid
guemesturb, 2021, "guemesturb/flow-deep-learning: First release", https://doi.org/10.5281/ZENODO.5067425
This is the first release for public use of the repository employed to generate the results in the article listed in README.md file.Dataset recolectado desde DataCite con autores de la UC3M. El enlace le llevará directamente a los datos originales en dicho archivo. |
2 jul 2021 - Nonlinear Solid Mechanics
N'souglo, Komi Espoir; Kumar, Anil, 2021, "MATHEMATICA_MAK_KEN_JARM_2021", https://doi.org/10.21950/2XVATI, e-cienciaDatos, V1
This dataset contains the MATHEMATICA code used to implement the linear stability analysis developed in Anil Kumar et al. |
2 jul 2021 -
MATHEMATICA_MAK_KEN_JARM_2021
Mathematica - 246,2 KB -
MD5: da4d1b3e4b78d84ccf2a1ce49c59462c
|
2 jul 2021 -
MATHEMATICA_MAK_KEN_JARM_2021
Mathematica - 1,1 MB -
MD5: 13d5191d9c97d57d07796c069829d860
|
2 jul 2021 -
MATHEMATICA_MAK_KEN_JARM_2021
Mathematica - 336,2 KB -
MD5: 9d9b77d09e319321f54e613749a70a25
|
