(2022-06-02T03:00:00Z) Cavalcante, Anderson Rodrigues; Medeiros, Victor Wanderley Costa de; http://lattes.cnpq.br/7159595141911505; http://lattes.cnpq.br/0155290293799371
Valores anômalos são uns dos problemas presentes na era do Big Data. São necessárias técnicas robustas para a manipulação de informações corretas e incorretas que a cada instante são geradas. O uso de algoritmos de aprendizado de máquina não supervisionados dá a confiança de um bom desempenho nos resultados finais. Esta pesquisa utilizará dados meteorológicos de temperatura e umidade relativa do ar vindos do Instituto Nacional de Meteorologia, de Petrolina, com o DBSCAN (Density Based Spatial Clustering of Application with Noise) e o IF (Isolation Forest) implementados para detectar anomalias presentes nos dados, visto que anomalias meteorológicas podem aparecer por meio de defeitos, má configuração dos sensores e até mesmo efeitos climáticos extremos.
