E-books

Gli e-book sono libri in formato elettronico cui si puoi accedere tramite computer o dispositivi mobili. Possono essere consultati online, anche contemporaneamente ad altri utenti, in orari in cui la biblioteca è chiusa e sul dispositivo preferito.
Piattaforme di e-book disponibili:

ACCESS MEDICINE:  collezione di circa 200 e-books in lingua inglese dell’editore McGraw-Hill. Tra i titoli a disposizione troviamo Harrisons’s Principles of Internal Medicine 20 ed., Tintinalli's Emergency Medicine 9 ed. La piattaforma è accessibile al link https://accessmedicine.mhmedical.com/ all'interno della rete di Medicina oppure da remoto tramite il servizio Off-Campus.
Guarda la demo interattiva!

EDRA: questo editore ha realizzato una piattaforma ad hoc per la consultazione di una serie di opere adottate nei corsi di studio dell'Ateneo. La piattaforma è disponibile all'indirizzo: http://upo.studenti33.it/indexupo.php
Si accede con le proprie credenziali di posta elettronica. Consente a tutti gli studenti di consultare la versione integrale, in modalità flipbook sfogliabile, di un significativo numero di libri dei corsi pubblicati da Edra, senza nessuna restrizione di utenti contemporanei autenticati.

E-BOOK di MATEMATICA/STATISTICA, consultabili

  • sulla piattaforma Ebscohost : https://search.ebscohost.com/login.aspx?authtype=ip,sso&custid=ns248005&groupid=main&profile=ehost&defaultdb=nlebk
    Advanced Deep Learning with R /  Bharatendra Rai, Packt Publishing (2019)
    Modeling Infectious Diseases in Humans and Animals / Matt J. Keeling, Pejman Rohani, Princeton University Press (2011)
    Neural Networks and Deep Learning : A Textbook / Charu C. Aggarwal, Springer International Publishing (2018)
    An Introduction to Mathematical Modeling of Infectious Diseases / Michael Y. Li, Springer International Publishing (2018)
    An Introduction to Mathematical Epidemiology / Martcheva, Maia, Springer International Publishing (2015)
    Causality / Judea Pearl, Cambridge University Press (2000)
    Data-Driven Modeling & Scientific Computation : Methods for Complex Systems & Big Data / J. Nathan Kutz, Oxford University Press (2013)
    Machine Learning with R : Expert techniques for predictive modeling / Brett Lantz,  Packt Publishing (3. ed., 2019)
    Bayesian Computation with R (Use R!) / Jim Albert, Springer (2009)
  • sulla piattaforma Taylor & Francis https://www.taylorfrancis.com/
    Analysis of Categorical Data with R / Christopher R. Bilder, Thomas M. Loughin (2014)
    Feature Engineering and Selection : A Practical Approach for Predictive Models / Max Kuhn, Kjell Johnson (2019)
    Statistical Rethinking: A Bayesian Course with Examples in R and STAN / Richard McElreath (2.ed., 2020)
    Introduction to Data Science : Data Analysis and Prediction Algorithms with R / Rafael A. Irizarry (2019)
    Interactive Web-Based Data Visualization with R, plotly, and shiny / Carson Sievert (2019)
    Hands-On Machine Learning with R / Brad Boehmke, Brandon M. Greenwell (2019)

Il tipo di licenza è 1 user ed è valida in tutto l'Ateneo, l'autenticazione avviene tramite riconoscimento degli indirizzi IP e, da remoto, via VPN; non sono permessi accessi simultanei. Vi è la possibilità di scaricare sul proprio dispositivo un numero limitato di pagine, specificate nei details di ciascun ebook.

UBIDICTIONARY: piattaforma di dizionari accessibile al link https://u.ubidictionary.com/dashboard/ all'interno della rete di Ateneo o da remoto tramite il servizio Off-Campus.
Nella pagina iniziale sono visualizzati:

  • sul lato sinistro dello schermo la libreria con i titoli disponibili: cliccare sulla copertina per consultare i dizionari;
  • sul lato destro dello schermo un pulsante per registrarsi ed utilizzare tutte le funzionalità aggiuntive di Ubidictionary (traduzione, lessico, social). Per registrarsi occorre inserire login e password a scelta dell'utente; la prima registrazione deve avvenire all'interno del range IP dell'Ateneo. La registrazione non è necessaria per la sola consultazione dei dizionari che avviene in automatico tramite riconoscimento di indirizzo IP.  

Per le modalità di accesso, tramite VPN oppure "off campus" fare riferimento alle indicazioni al link https://sba.uniupo.it/biblioteca-digitale