Please use this identifier to cite or link to this item: https://repositorio.ifgoiano.edu.br/handle/prefix/1003
metadata.dc.type: Trabalho de Conclusão de Curso
Title: ANÁLISE DE SÉRIES NUMÉRICAS UTILIZANDO APRENDIZADO NÃO SUPERVISIONADO
Other Titles: Analysis of Numerical Series Using Unsupervised Learning
metadata.dc.creator: Cabral, Mário Douglas Alves Cabral
metadata.dc.contributor.advisor1: Bailão, Adriano Soares de Oliveira
metadata.dc.contributor.referee1: Ramos, Fábio Montanha
metadata.dc.contributor.referee2: Oliveira, Douglas Cedrim Oliveira
metadata.dc.description.resumo: Análise de série numéricas é uma tarefa que traz uma grande demanda de tempo e custo e, portanto, torna-se necessário ferramentas que agilizem e diminuam o custo dessas análises. O respectivo trabalho apresenta a concepção de um modelo de classificação para o conjunto de série numéricas, possibilitando-se assim a automatização de análise de série numérica, principalmente em séries que possuam grande quantidade de elementos, pois uma das fases do modelo culmina na compressão da série. Verificou-se que, o classificador possui baixo desempenho em séries numéricas, como possuem poucos elementos, porém constatou-se que o desempenho foi alto em série numérica, com muitos elementos. A partir desses resultados podemos concluir que, embora o desempenho do classificador seja baixa em séries pequenas, no contexto de várias áreas geram dados no formato de séries numéricas, o modelo de classificação traria grandes benefícios, como uma ferramenta de apoio de decisão, em variadas áreas.
Abstract: Numerical series analysis is a task that brings a great demand of time and cost and, therefore, it becomes necessary tools that speed up and reduce the cost of these analyzes. The respective work presents the design of a classification model for the set of numerical series, thus enabling the automation of numerical series analysis, especially in series that have a large number of elements, as one of the phases of the model culminates in the compression of series. It was found that the classifier has low performance in numerical series, as they have few elements, however it was found that the performance was high in numerical series, with many elements. From these results we can conclude that, although the classifier's performance is low in small series, in the context of several areas they generate data in the form of numerical series, the classification model would bring great benefits, as a decision support tool, in several areas.
Keywords: Aprendizado de máquina
Séries numéricas
Classificador
Modelo de classificação
Machine learning
Numerical series
Classifier
Classification model
metadata.dc.subject.cnpq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Instituto Federal Goiano
metadata.dc.publisher.initials: IF Goiano
metadata.dc.publisher.department: Campus Rio Verde
metadata.dc.rights: Acesso Aberto
URI: https://repositorio.ifgoiano.edu.br/handle/prefix/1003
Issue Date: 16-Dec-2019
Appears in Collections:Bacharelado em Ciência da Computação

Files in This Item:
File Description SizeFormat 
tcc_Mário Douglas Alves Cabral.pdf3,11 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.