Machine Learning como ferramenta gerencial para predição de indicadores e detecção de anomalias

• Ano de defesa: 2020
• Autor(a) principal: Borges, Mirele Marques
• Orientador(a): Muller, Claudio Jose
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Aprendizado de máquina; Medicina
• Palavras-chave em Inglês: Machine learning; Prediction; Anomaly detection; Literature review; Algorithm
• Link de acesso: http://hdl.handle.net/10183/218603

A presente dissertação tem o objetivo de identificar as técnicas de Machine Learning utilizadas nas áreas de Engenharia e Medicina e proporcionar um conhecimento da aplicação de modelos de Machine Learning e métodos de detecção de anomalias para problemas gerenciais, pois muitas vezes veem-se estas técnicas sendo incorporadas a problemas complexos e de larga escala, sem muitos exemplos dentro dos ambientes gerenciais. O trabalho está dividido em dois artigos: o primeiro artigo é uma revisão de literatura focada em apresentar os algoritmos de Machine Learning, os tipos de problemas aos quais são aplicados e métodos de validação utilizados nas áreas de Engenharia e Medicina. O segundo artigo apresenta o processo de criação de um modelo de Machine Learning capaz de predizer um indicador gerencial bem como propor uma métrica para detecção de anomalias. Todos os artigos utilizaram ferramentas open source, como o software estatístico R. As contribuições dos artigos foram: (1) Identificação dos algoritmos mais utilizados nas áreas de Engenharias e Medicinas, os métodos de validação mais utilizados e as contribuições dos autores sobre desempenho dos algoritmos; (2) Demonstração do processo de criação de um modelo de Machine Learning (coleta e preparação dos dados, seleção das variáveis, escolha do algoritmo, seleção dos hiperparâmetros, treino do modelo e avaliação dos resultados), além do método de detecção de anomalia através da análise da distribuição da diferença entre predito e observado.