Browsing by Author "Oliveira, Joana Raquel Carias de"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Data Mining na procura de nova informação: Market Basket Analysis aplicado a um dataset públicoPublication . Oliveira, Joana Raquel Carias de; Barbosa, VictorHoje em dia, a população encontra-se sobrecarregada com dados, quando todas as atividades realizadas pelas organizações e pessoas, no seu dia-a-dia, geram dados. Contudo, o facto de termos acesso a um enorme volume de dados não significa que tenhamos acesso a muita informação ou conhecimento. É, portanto, importante trabalhar os dados por forma a gerar informação relevante para a tomada de decisão, pois num mundo globalizado e extremamente competitivo, um minuto pode ser fulcral para fechar um negócio e, para tal, é necessário ter acesso à informação atual, correta e sumarizada. Face ao volume de dados existente e a necessidade de criar vantagens competitivas para as empresas sobreviverem nos seus mercados importa analisar os dados por forma a identificar informação que poderia estar oculta ou padrões nos comportamentos dos consumidores. É aqui que entra o data mining, cujo principal objetivo é analisar os dados e encontrar anomalias, padrões ou novas informações que auxiliem na tomada de decisão. O setor do retalho é um dos setores que mais valor monetário gera mundialmente e um dos setores onde a concorrência é mais feroz, pelo que quanto mais conhecimento e informações as empresas tiverem ao seu dispor maior será a probabilidade de conseguirem adquirir vantagens competitivas. Nesta procura de informação temos como exemplo as regras de associação, uma técnica de data mining cujo objetivo é encontrar itens que ocorrem frequentemente e em conjunto nos cestos de compras dos clientes. Um dos algoritmos concebidos para a geração de regras de associação é o algoritmo Apriori em que a sua génese foi baseada na análise de compras efetuadas num supermercado. Ao aplicar algoritmos para obter regras de associação ao setor do retalho é comum indicar- se que se usou uma técnica de market basket analysis. Este trabalho tem como principais objetivos a análise exploratória de um dataset público com um grande conjunto de compras (Instacart) e a geração de regras de associação recorrendo à utilização do algoritmo Apriori. Consoante os resultados obtidos serão sugeridas ideias para implementar novas estratégia de marketing. Este trabalho iniciou-se com a revisão da literatura, investigando os conceitos de data mining, regras de associação e market basket analysis. Como bússola orientadora para a aplicação de técnicas de data mining seguiu-se a metodologia CRISP. Para a análise exploratória dos dados foi utilizado o software Power BI e para a transformação dos dados e aplicação do algoritmo Apriori e consequentemente a geração das regras de associação recorreu-se à linguagem Python.
- Exploração de modelos preditivos para sistemas de controlo de acessoPublication . Oliveira, Joana Raquel Carias de; Mendes, Ana de Jesus; Barbosa, VítorA Agenda NEXUS, sob a liderança da Administração dos Portos de Sines e do Algarve (APS), é um projeto destinado a impulsionar a transformação digital e sustentável no setor dos transportes e logística. Esta mudança abordará áreas como a aplicação da Inteligência Artificial nas atividades portuárias e nos processos de transporte e logística. O controlo de acessos será uma das áreas abordadas e desempenha um papel fundamental na segurança de dados e instalações, permitindo que apenas pessoas autorizadas tenham acesso a recursos críticos. O controlo de acessos desempenha um papel fundamental na manutenção da segurança, integridade e eficiência das operações portuárias. Os modelos preditivos podem desempenhar um papel crucial no controlo de acessos nas áreas portuárias, melhorando a eficiência e a segurança das operações. Estes modelos podem ajudar em diversas áreas, como por exemplo: através da identificação de padrões anómalos, analisando dados históricos de acesso, como horários, locais e tipos de acesso. Podem também efetuar previsões de Fluxos de Tráfego, com base em dados históricos e em informações em tempo real. Isso ajuda na gestão do fluxo de veículos e pessoas, evitando congestionamentos e melhorando a eficiência das operações. Este trabalho tem como principais objetivos o estudo a avaliação de diversos modelos preditivos para um conjunto de dados fornecido pela APS, por forma a se conseguir prever o número de pedidos de acessos às instalações e conseguir ajustar o número de servidores necessários para garantir o correto funcionamento do sistema. Começou-se por efetuar uma revisão da literatura, investigando conceitos como controlo de acessos, modelos preditivos, machine learning e casos de estudo onde já tinham sido efetuados projetos similares. Como guia para a aplicação dos algoritmos de machine learning seguiu-se a metodologia CRISP. Por fim, na aplicação dos algoritmos utilizou-se o Jupyter Notebook para programar em Python. Após configuração, aplicação e avaliação de diversos algoritmos, conseguiu-se chegar a uma versão final de algoritmo que permite efetuar previsões do número de acessos por hora, o que permitirá à entidade gestora dos servidores realizar um planeamento da alocação de servidores, proporcionando a oportunidade de reduzir custos.