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.
4.441 a 4.450 de 5.949 Resultados
Adobe PDF - 154,1 KB -
MD5: 4dc43c40fd4e9ede8e2b853072fdbd26
|
Hoja de cálculo MS Excel - 15,2 KB -
MD5: 7bff07f92f091bebf19347a16fe24db3
|
Federico, Giovanni; Tena Junguito, Antonio, 2023, "Federico-Tena World Population Historical Database : Australia", https://doi.org/10.21950/ZR7IS5, e-cienciaDatos, V1
Project developed by Giovanni Federico (New York University Abu Dhabi) and Antonio Tena Junguito (Universidad Carlos III de Madrid). Dataset: Australia |
|
Adobe PDF - 155,4 KB -
MD5: 9cc5f9bc12f669838ab46889fd669d98
|
Hoja de cálculo MS Excel - 17,0 KB -
MD5: 20231b669cfff2cfc686146b464eb750
|
Federico, Giovanni; Tena Junguito, Antonio, 2023, "Federico-Tena World Population Historical Database : New Zealand", https://doi.org/10.21950/APTGHS, e-cienciaDatos, V1
Project developed by Giovanni Federico (New York University Abu Dhabi) and Antonio Tena Junguito (Universidad Carlos III de Madrid). Dataset: New Zealand |
|
Adobe PDF - 154,1 KB -
MD5: 195d76e65d44e6a384b6bde092243045
|
Hoja de cálculo MS Excel - 15,8 KB -
MD5: 43d944466c450a9970d2b5559cd47dc7
|
13 may 2023
Alberto Cuadra-Lara, 2023, "DOI Scraper", https://doi.org/10.5281/ZENODO.7932535
The DOI Scraper is a Python script that reads a `.bib` file, searches for articles without a DOI (Digital Object Identifier), and retrieves the missing DOIs using the [Crossref API](https://www.crossref.org/documentation/retrieve-metadata/rest-api/). It then updates the `.bib` fi...Dataset recolectado desde DataCite con autores de la UC3M. El enlace le llevará directamente a los datos originales en dicho archivo. |
9 may 2023
Lucía Cubero; Laura García-Elcano; Eugenia Mylona; Adrien Boue-Rafle; Cesare Cozzarini; Maria Giulia Ubeira Gabellini; Tiziana Rancati; Claudio Fiorino; Renaud de Crevoisier; Oscar Acosta; Javier Pascau, 2023, "DLUS : Deep learning-based segmentation of prostatic urethra on computed tomography scans for treatment planning", https://doi.org/10.5281/ZENODO.7826415
Pre-trained nnU-Net weights for DLUS: Deep Learning-based Segmentation of Prostatic Urethra on Computed Tomography Scans for Treatment Planning, high resolution model (Tasks 108, 112 and 113). For more details see - Github - https://github.com/BSEL-UC3M/DLUS Paper - https://doi.o...Dataset recolectado desde DataCite con autores de la UC3M. El enlace le llevará directamente a los datos originales en dicho archivo. |
