
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado
Centro: Centro Tecnológico de Joinville
Departamento: Engenharia da Mobilidade/EMB
Dimensão Institucional: Pesquisa
Dimensão ODS: Econômica
Tipo do Documento: Projeto de Pesquisa
Título: ESTUDO E APLICAÇÃO DE MÉTODOS DE APRENDIZADO DE MÁQUINA EM PROBLEMAS DE ENGENHARIA
Coordenador
- PABLO ANDRETTA JASKOWIAK
Participante
- ANTONIEL KLEBER STEFANIAK
- ARTUR FREDERICO HEIBER
- FABIANA SEIDEL
- LEONARDO AFONSO FERREIRA BORTONI
- LUCAS WEIHMANN (D)
- PABLO ANDRETTA JASKOWIAK (D)
Conteúdo
Com a redução dos custos de sensores e meios de...com a redução dos custos de sensores e meios de armazenamento, uma massiva quantidade de dados vêm sendo coletada e armazenada nas mais diversas atividades e situações. esta é uma realidade também nas engenharias. a coleta e armazenamento dos dados é, porém, inútil se métodos de análise não estiverem disponíveis para extrair informações úteis dos mesmos, isto é, conhecimento. a área de mineração de dados agrega métodos em diferentes tarefas que podem ser adotados para a análise de grandes volumes de dados. métodos de diferentes áreas podem ser utilizados na análise dos dados. embora métodos estatísticos tenham sido tradicionalmente empregados, estes não se mostram adequados para a análise de grandes volumes de dados. nestes cenários, métodos de aprendizado de máquina têm se mostrado não só adequados, mas superiores à métodos tradicionais de análise. este projeto contempla o estudo e a aplicação de métodos de aprendizado de máquina para análise de dados provenientes de sistemas de engenharia. inicialmente são previstas três frentes distintas de pesquisa, a saber: (i) a análise e previsão de demanda de passageiros em sistemas de transporte público urbano; (ii) a análise e previsão de geração de energia por sistemas fotovoltaicos e; (iii) a análise e previsão de demanda de consumo de água em cidades turísticas litorâneas. além das frentes descritas acima, novas linhas de investigação podem vir a ser incorporadas às investigações no decorrer do projeto.
Pós-processamento: Índice de Shannon: 3.68075
ODS 1 | ODS 2 | ODS 3 | ODS 4 | ODS 5 | ODS 6 | ODS 7 | ODS 8 | ODS 9 | ODS 10 | ODS 11 | ODS 12 | ODS 13 | ODS 14 | ODS 15 | ODS 16 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
3,79% | 3,50% | 3,37% | 6,14% | 3,00% | 6,39% | 7,93% | 3,70% | 20,35% | 2,89% | 15,11% | 6,07% | 3,07% | 2,89% | 4,21% | 7,58% |
ODS Predominates


3,79%

3,50%

3,37%

6,14%

3,00%

6,39%

7,93%

3,70%

20,35%

2,89%

15,11%

6,07%

3,07%

2,89%

4,21%

7,58%