
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado
Centro: Tecnológico
Departamento: Informática e Estatística/INE
Dimensão Institucional: Pesquisa
Dimensão ODS: Econômica
Tipo do Documento: Projeto de Pesquisa
Título: MANTRA: MÉTODOS DE APRENDIZADO DE MÁQUINA PARA TRAJETÓRIAS MULTIASPECTO (EDITAL PQ CNPQ - R$ 52.800,00 - UPGRADE PARA BOLSA PQ 1D)
Coordenador
- VANIA BOGORNY
Participante
- TARLIS TORTELLI PORTELA
- VANIA BOGORNY (D)
- YURI SANTA ROSA NASSAR DOS SANTOS
Conteúdo
Nunca antes na história da humanidade se coleto...nunca antes na história da humanidade se coletou tantos dados sobre mobilidade de indivíduos como na atualidade. com a pandemia da covid-19, o monitoramento de contatos entre pessoas tem sido uma das melhores maneiras de rastrear a dispersão do vírus e isolar os possíveis contaminados. dados de mobilidade são caracterizados pelos rastros deixados por um objeto no espaço ao longo do tempo. estes rastros podem ser tanto digitais quanto físicos. os rastros digitais são coletados através da sequência de acesso a sites na internet, sequências de uso de cartão de crédito, sequência de acessos ou posts em mídias sociais. os rastros físicos são coletados através da sequência de acessos a redes wi-fi, relógios inteligentes, sensores, gps instalado em smartphones, carros, ônibus, etc. o rastro de indivíduos é também conhecido na literatura como trajetórias de objetos móveis. o volume deste tipo de dado está aumentando exponencialmente nos últimos anos devido a facilidade de coleta, rastreamento e armazenamento. a integração destes com outras fontes de dados permite entender e enriquecer o movimento do indivíduo, gerando ainda maiores volumes de dados complexos e heterogêneos, tendo como consequência diversos desafios de pesquisa para processar e analisar estes dados. as mais diversas aplicações estão fazendo uso de dados de movi-mento como planejamento urbano, cidades inteligentes, segurança pública, transporte urbano, segurança digital, etc. o objetivo deste projeto visa a criação e otimização de novos métodos de aprendizado de máquina. os novos métodos serão avaliados também em dados complexos de outros domínios como séries temporais e dados biológicos, não sendo limitados ao domínio de trajetórias de pessoas..
Índice de Shannon: 2.88555
Índice de Gini: 0.768262
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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
2,85% | 1,70% | 3,40% | 3,50% | 2,71% | 2,00% | 2,16% | 2,68% | 23,86% | 2,33% | 40,64% | 2,57% | 1,75% | 1,58% | 2,43% | 3,85% |
ODS Predominates


2,85%

1,70%

3,40%

3,50%

2,71%

2,00%

2,16%

2,68%

23,86%

2,33%

40,64%

2,57%

1,75%

1,58%

2,43%

3,85%