Use este identificador para citar ou linkar para este item: https://repository.ufrpe.br/handle/123456789/4202
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorSoares, Rodrigo Gabriel Ferreira-
dc.contributor.authorFrança, Eliana Maria Silva de-
dc.date.accessioned2023-03-23T19:37:14Z-
dc.date.available2023-03-23T19:37:14Z-
dc.date.issued2022-05-27-
dc.identifier.citationFRANÇA, Eliana Maria Silva de. Estudo de técnicas preditivas para o auxílio a gestores na pandemia de COVID-19. 2022. 43 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2022.pt_BR
dc.identifier.urihttps://repository.ufrpe.br/handle/123456789/4202-
dc.descriptionO objetivo principal deste trabalho é propor uma alternativa aos levantamentos estatísticos exploratórios, no suporte à tomada de decisão dos gestores, durante o enfrentamento à pandemia da COVID-19. Para tal, foi-se criada uma metodologia, utilizando aprendizado de máquina para fornecer uma nova ferramenta de predição de mortes causadas por COVID-19, a partir de dados abertos que contenham características sanitárias, demográficas e populacionais. De tal modo que, a partir deste estudo se possa desenvolver um modelo de inteligência artificial capaz de auxiliar no enfrentamento da pandemia de COVID-19. Dos 3 algoritmos de inteligência artificial utilizados (Decision Tree, Support Vector Machine e Multilayer Perceptron), o modelo baseado em Support Vector Machine foi o que apresentou o melhor desempenho, pois é o que possui o menor Erro Absoluto Médio, métrica utilizada para medir a qualidade de modelos de inteligência artificial baseados em regressão.pt_BR
dc.description.abstractThe main objective of this work is to propose an alternative to exploratory statistical surveys, to support the decision-making of managers, during the confrontation of the COVID-19 pandemic. To this end, a methodology was created, using machine learning to provide a new tool for predicting deaths caused by COVID-19, from open data that contain sanitary, demographic and population characteristics. In such a way that, from this study, an artificial intelligence model can be developed capable of helping to face the COVID-19 pandemic. Of the 3 artificial intelligence algorithms used (Decision Tree, Support Vector Machine and Multilayer Perceptron), the model based on Support Vector Machine showed the best performance, because it has the lowest Mean Absolute Error, a metric used to measure the quality of regression-based artificial intelligence models.pt_BR
dc.format.extent43 f.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rightsAtribuição-CompartilhaIgual 4.0 Internacional (CC BY-SA 4.0)pt_BR
dc.rightshttps://creativecommons.org/licenses/by-sa/4.0/deed.pt_BRpt_BR
dc.rightsopenAccesspt_BR
dc.rightsopenAccesspt_BR
dc.subjectPrediçãopt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectCOVID-19, Pandemia dept_BR
dc.subjectAlgoritmos computacionaispt_BR
dc.titleEstudo de técnicas preditivas para o auxílio a gestores na pandemia de COVID-19pt_BR
dc.typebachelorThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/2782168150783950pt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2526739219416964pt_BR
dc.degree.levelGraduacaopt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.localRecifept_BR
dc.degree.grantorUniversidade Federal Rural de Pernambucopt_BR
dc.degree.graduationBacharelado em Sistemas de Informaçãopt_BR
dc.degree.departamentDepartamento de Estatística e Informáticapt_BR
Aparece nas coleções:TCC - Bacharelado em Sistemas da Informação (Sede)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_elianamariasilvadefraca.pdf823,2 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.