¿Qué da resultado para poner fin al hambre y cuánto costará?

Abstract

Ceres2030 combina la modelización económica, el aprendizaje automático y síntesis de la evidencia en una iniciativa para ayudar a llenar una importante laguna del conocimiento en el campo de la política agrícola y alimentaria. Ceres2030 conecta este conocimiento con la comunidad de donantes para que los encargados de las decisiones cuenten con las cifras sobre costos y la evidencia necesaria para decidir dónde y cómo invertir.

Ceres2030 combines economic modelling, machine learning, and evidence -based synthesis into one initiative, helping fill a major knowledge gap in the field of agricultural and food policy. Ceres2030 connects this knowledge back to the donor community, making sure decision makers have the cost figures and evidence they need when deciding where and how to make their investments.