( en | de | ru )

 

Disambiguierung von "Embury, Suzanne M."

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
A unifying framework for the systematic analysis of Git workflows.

, , und . Inf. Softw. Technol., (2022)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Suzanne Bontemps

Suzanne Perz

Suzanne Adang

Suzanne Legg

Suzanne Augenstein

 

Weitere Publikationen von Autoren mit dem selben Namen

Feedback-based annotation, selection and refinement of schema mappings for dataspaces., , , , und . EDBT, Volume 426 von ACM International Conference Proceeding Series, Seite 573-584. ACM, (2010)Data Access and Integration in the ISPIDER Proteomics Grid., , , , , , , , , und . DILS, Volume 4075 von Lecture Notes in Computer Science, Seite 3-18. Springer, (2006)Diagnosing faults in embedded queries in database applications., und . EDBT/ICDT Workshops, Seite 239-244. ACM, (2012)Non-Intrusive Assessment of Organizational Data Quality., und . IQ, Seite 398-411. MIT, (2001)The Evolving Role of Constraints in the Functional Data Model., , , und . J. Intell. Inf. Syst., 12 (2-3): 113-137 (1999)Planning Complex Updates to Satisfy Constraint Rules Using a Constraint Logic Search Engine., und . Rules in Database Systems, Volume 985 von Lecture Notes in Computer Science, Seite 230-244. Springer, (1995)Exploratory Design of Derivation Business Rules Using Query Rewriting., , und . SEKE, Seite 467-472. Knowledge Systems Institute Graduate School, (2007)Reducing Disruption in Time-Tabled Condition Monitoring., und . IICIS, Volume 140 von IFIP, Seite 159-176. Springer, (2003)A unifying framework for the systematic analysis of Git workflows., , und . Inf. Softw. Technol., (2022)Database Workload Capacity Planning using Time Series Analysis and Machine Learning., , , , und . SIGMOD Conference, Seite 769-783. ACM, (2020)