Navegando por Assunto "Big data"

Agora exibindo 1 - 5 de 5

Análise de sentimentos em publicações do Stackoverflow
(2019-08-22) Santos, Luiz Felipe dos; Trindade, Cleyton Carvalho da; http://lattes.cnpq.br/6298429503812388
A utilização de redes sociais, fóruns e diversos meios de comunicação, vem crescendo ex-ponencialmente, refletindo diretamente na quantidade de dados gerados na internet, uma grande parcela dos dados gerados, estão abertos e podem ser acessados e processados. Com isso, as possibilidades geradas com os dados abertos, tem atraído vários pesquisadores e empresas, com o intuito de extrair informações preciosas sobre seus clientes. As informações extraídas a partir dessa massa de dados, podem mudar a estratégia de diversas empresas e pessoas. Nos fóruns sobre computação, é possível visualizar o mesmo padrão, várias pessoas interagindo e gerando diversas informações sobre a tecnologia da informação e seus derivados. A pesquisa passará por todo o ciclo da análise de sentimentos, captação dos dados na plataforma do StackOverflow, tratamento dos dados, processamento de linguagem natural, treinamento dos algoritmos e a classificação. Com o intuito de mostrar as etapas de processamento e classificação dos dados, comparar as abordagens de classificação e extrair informações sobre a base de dados analisada. Após a aplicação do ciclo da análise de sentimentos, foi possível comparar os resultados de cada classificador e extrair informações sobre a base de dados analisada, sobre a performance dos classificadores em base de dados não estruturadas e a dificuldade de trabalhar com base de dados na língua portuguesa.
Análise do comportamento através dos dados coletados na internet
(2021-04-07) Lima, Priscilla Amarante de; Diniz, Juliana Regueira Basto; http://lattes.cnpq.br/0175193064988810; http://lattes.cnpq.br/7284770857817456
Este trabalho apresenta uma análise sobre o comportamento humano através dos dados coletados na internet. Serão apresentadas as Big Techs e o estudo de caso da Cambridge Analytica. Os registros digitais de comportamento podem ser acessados, através das curtidas no Facebook e serem usadas para prever de forma automática e precisa um intervalo de atributos pessoais altamente confidenciais, incluindo: orientação sexual, etnia, pontos de vista religiosos e políticos, traços de personalidade, inteligência, felicidade, uso de substâncias viciantes, separação dos pais, idade e sexo. A análise apresentada é baseada em um conjunto de dados de mais de 58.000 voluntários que forneceram curtidas no Facebook, perfis demográficos detalhados e os resultados de vários testes psicométricos. O modelo proposto usa redução de dimensionalidade para processar os dados de curtidas, que são então inseridos em regressão linear para prever perfis psicodemográficos individuais de curtidas. O modelo classifica corretamente entre homens homossexuais e heterossexuais em 88% dos casos, afro-americanos e Americanos caucasianos em 95% dos casos, e entre democratas e Republicanos em 85% dos casos. Para o traço de personalidade "Abertura", a precisão da previsão está próxima da precisão teste-reteste de um padrão teste de personalidade. São apresentados exemplos de associações entre atributos e curtidas e discutidas as implicações para a personalização online e privacidade.
Características do uso de Big Data e análise de dados na tomada de decisão de empresas do agronegócio listadas na Bolsa de Valores
(2024-10-04) Lima, Jônatas Silva de; Oliveira, Brigitte Renata Bezerra de; http://lattes.cnpq.br/4363373068676222
O estudo caracteriza o uso de Big Data na tomada de decisões nas 3 (três) maiores empresas do agronegócio brasileiro listadas na Bolsa de Valores (B3), considerando valor de mercado, e os eventuais desdobramentos desse uso sobre o seu desempenho operacional. Conforme a literatura especializada, a aplicação de grandes volumes de dados e de tecnologias relacionadas contribuem para a eficiência e competitividade das organizações. A partir de coleta de dados secundários, foi empregada a análise dedutiva dos relatórios institucionais das empresas JBS, BRF e São Martinho. A codificação de termos relacionados a Big Data permitiu a identificação de padrões entre o seu uso, a análise dos dados, a tomada de decisão e o desempenho alcançado nessas empresas. Os resultados mostram que, embora o termo Big Data tenha sido explicitamente mencionado apenas pela BRF em seu relatório, a prática de coleta e análise de dados é amplamente utilizada para otimizar operações e alavancar a sustentabilidade econômica. Defende-se, portanto, que o uso de dados desempenha um papel estratégico crucial no agronegócio, podendo conduzir à eficiência e à tomada de decisões estratégicas, mesmo quando o conceito de Big Data não é formalmente adotado.
Métodos de previsão de consumo de energia elétrica residencial em grande volume de dados
(2019) Carvalho, Daniel José de; Medeiros, Victor Wanderley Costa de; Gonçalves, Glauco Estácio; http://lattes.cnpq.br/6157118581200722; http://lattes.cnpq.br/7159595141911505; http://lattes.cnpq.br/6867315638833821
A energia elétrica é uma das principais fontes de energia utilizadas pela humanidade.A crescente preocupação com a preservação do meio-ambiente estimulou a busca por fontes de energia renováveis capazes de reduzir os impactos à natureza. O crescimento populacional e o uso cada vez mais comum de dispositivos eletrônicos, na quase totalidade das atividades cotidianas, demandam o uso mais eficiente da energia elétrica. Diante destes desafios é essencial a realização de um planejamento para dimensionar a estrutura de geração e transmissão de energia elétrica. Uma das ferramentas capazes de auxiliar neste dimensionamento é a previsão de demanda. Outrogrande desafio nesta área está na realização destas previsões em cenários de grandes dados (Big Data).Este trabalho tem como objetivo principal avaliar o desempenho de dois métodos deprevisão, ARIMA e Holt-Winters, utilizando séries temporais aplicados a um grandevolume de dados. A base de dados utilizada foi fornecida no evento DEBS 2014 GrandChallenge, a qual contém dados de consumo de energia elétrica, de um grande nú-mero de residências, durante o período de um mês. Para a aplicação dos métodos de previsão, foram utilizadas bibliotecas na linguagem R. Para processar os dados,utilizou-se o frameworkApache Spark em conjunto com a linguagem R, para parale-lizar o processamento da leitura dos dados e a filtragem dos parâmetros desejados.Os dados tratados foram convertidos em séries temporais com valores de consumo horários, durante todo o mês compreendido pela base de dados original. Foram executadas previsões para a região das residências como um todo e para cada residência individualmente. Os resultados mostraram uma vantagem do ARIMA frente ao Holt-Winters no cenário utilizado, utilizando a métrica RMSE como base comparativa de desempenho. Contudo, baseado em experimentos similares encontrados na literatura,resguardando as devidas proporções, ambos os valores de RMSE estão dentro de uma faixa aceitável.
Sistema de monitoramento IoT de energia conectado à internet via ESP32
(2023-09-19) Silva, Sóstenes Melo Vitoriano da; Alves, Denis Keuton; http://lattes.cnpq.br/7109075850257262; http://lattes.cnpq.br/0583643383865002
Em consequência do desenvolvimento tecnológico observado nas últimas décadas, têm sido cada vez mais comum a utilização de dispositivos inteligentes no dia a dia. O conceito de computação pervasiva ou ubíqua explica esse fenômeno ao propor integrar o mundo virtual ao mundo físico, tornando a tecnologia indissociável e imperceptível ao desenvolvimento de atividades cotidianas das pessoas. Alinhado, surge o conceito de IoT (do inglês, Internet of Things), impulsionando uma onda de upgrade de dispositivos comuns e que são empregados no dia a dia. Utilizando da capacidade computacional, os dispositivos passam a produzir uma quantidade massiva de dados, criando um ambiente favorável para aplicação das técnicas big data durante o processo de armazenamento e análise dos dados. Imerso nesse contexto, o presente trabalho tem como objetivo desenvolver um sistema de monitoramento baseado em IoT e que utiliza a comunicação MQTT (do inglês, Message Queuing Telemetry Transport) para estabelecer a supervisão remota de qualquer dispositivo de medição conectado ao broker, armazenando amostras da medição de grandezas elétricas no banco de dados Realtime Database do Firebase para permitir o acesso instantâneo aos dados por meio de uma página web de monitoramento remoto. Os resultados demonstraram a eficácia da combinação do protocolo MQTT, do dispositivo ESP32 e do banco de dados do Firebase mediante análise do tempo de processamento e eficiência no armazenamento das informações.