“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”

19 a 24 de outubro de 2020

Trabalho 13390

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Exatas e Tecnológicas
Área temática Ciência da computação
Setor Instituto de Ciências Exatas e Tecnológicas - Campus Florestal
Bolsa PIBITI/CNPq
Conclusão de bolsa Sim
Apoio financeiro CNPq
Primeiro autor Isabella Menezes Ramos
Orientador FABRICIO AGUIAR SILVA
Outros membros Wandella Maia de Oliveira
Título Uma Solução para Análise de Grandes Volumes de Dados Georreferenciados
Resumo A disseminação de dispositivos móveis tem aumentado em uma proporção significativa entre a população brasileira. Isso acontece porque os smartphones servem de fonte de dados sobre os usuários e o ambiente onde estão inseridos. Sendo assim, as empresas têm buscado extrair conhecimento útil desses dados com o intuito de conhecer seus clientes e oferecer serviços personalizados. Com isso, é esperado que os usuários de serviços móveis se sintam mais satisfeitos com a qualidade dos mesmos. Este trabalho pode ajudar às empresas a conhecerem melhor seus usuários e oferecerem melhores serviços. Ao obter informações sobre o usuário tem-se dados sobre sua preferência de dispositivos e com isso, obtendo a localização de sua residência, pode-se desvendar características específicas daquela região. Para obter informações daquela unidade de território pôde-se utilizar dados do censo disponibilizado pelo órgão de pesquisa IBGE (Instituto Brasileiro de Geografia e Estatística). O objetivo deste trabalho é explorar dados de dispositivo móvel e setor censitário de milhares de usuários no Brasil para verificar se seu local de residência está correlacionado com as características de seus smartphones. Para isso, utilizamos a linguagem Python, IDE Jupyter Notebook e bibliotecas como Sklearn, matplotlib e seaborn para a fazer as análises do banco de dados, composto por mais de 60.000 usuários de várias partes do Brasil. Com objetivo no resultado, dentre as análises feitas, podemos citar: caracterização, a fim de conhecer melhor os dados com o qual trabalhamos, análises de regressão, com o intuito de encontrar correlações entre os dados, e também aplicações de modelos de machine learning para tentar prever o preço dos dispositivos móveis. Ao se tentar várias combinações de variáveis explicativas, verificou-se que não existe uma correlação clara e, consequentemente, não foi possível estabelecer com precisão um modelo de regressão para prever o preço médio dos smartphones com base em características da região de residência. Nesse sentido, houve um impacto também na aplicação dos modelos, pois ao fazer uso das métricas como acurácia, precisão e curva ROC, pode-se ter outra visão dos resultados. Logo, ao aplicar as métricas dentre os modelos pode-se notar que há um resultado significante em um dos modelos, porém ainda assim, não foi possível treinar um modelo eficiente para realizar a classificação de preços.
Palavras-chave dados georreferenciados, perfil demográfico, análise de regressão
Forma de apresentação..... Painel
Link para apresentação Painel
Gerado em 0,62 segundos.