Classificação e Agrupamento de Dados Utilizando Conceitos dos Algoritmos k-NN e k-means

Autores

  • M. Massao-Hanaoka
  • C. E. Rubio-Mercedes

Resumo

A área de aprendizado de máquina (ML - Machine Learning), é uma sub-área da inteligência artificial (IA) que encontra as mais diversas aplicações na era digital [1–3]. Técnicas baseadas em ML tem sido aplicadas com sucesso nas mais diversas áreas com a finalidade de analisar dados e elaborar previsões. Alguns exemplos são: visão computacional, engenharias, finanças, entretenimento, biologia computacional e medicina [2, 3]. O ML possibilita ao computador aprender com os dados - com pouca ou nenhuma intervenção humana. Há a crescente necessidade de extrair informações relevantes de grandes conjuntos de dados, algo impossível sem o auxílio de ferramentas computacionais. Neste trabalho são utilizadas ferramentas computacionais, nomeadamente, a linguagem de programação python em conjunto com as principais bibliotecas de análise de dados disponíveis gratuitamente. Espera-se obter resultados consistentes com a literatura, realizando estudos e implementações dos algoritmos propostos de maneira eficiente. Serão produzidos modelos de ML a partir dos dados, resultando em gráficos e estatísticas de grande relevância na prática de análise de dados. [...]

Downloads

Não há dados estatísticos.

Biografia do Autor

M. Massao-Hanaoka

Curso de Engenharia Física, Universidade Estadual de Mato Grosso do Sul, Dourados, MS

C. E. Rubio-Mercedes

Curso de Engenharia Física, Universidade Estadual de Mato Grosso do Sul, Dourados, MS

Referências

J. Alzubi, A. Nayyar e A. Kumar. “Machine Learning from Theory to Algorithms: An Overview”. Em: Journal of Physics Conference Series 1142 (2018), p. 012012. doi: 10.1088/1742-6596/1142/1/012012.

C. M. Bishop. Pattern Recognition and Machine Learning. 1a. ed. Singapore: Springer, 2006. isbn: 0-387-31073-8.

A. C. Müller e S. Guido. Introduction to Machine Learning with Python: A Guide for Data Scientists. 3a. ed. Sebastopol: O’Reilly, 2017. isbn: 978-1-449-36941-5.

Downloads

Publicado

2023-12-18

Edição

Seção

Resumos