Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/31498| Título: | Imputação de valores faltantes em série histórica no cenário automotivo |
| Título(s) alternativo(s): | Imputation of missing values in historical series in the automotive scenario |
| Autor(es): | Pena, Leonardo Henrique Oliveira |
| Orientador(es): | Souza, Francisco Carlos Monteiro |
| Palavras-chave: | Análise de séries temporais Aprendizado do computador Algorítmos computacionais Time-series analysis Machine learning Computer algorithms |
| Data do documento: | 22-Jun-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Dois Vizinhos |
| Citação: | PENA, Leonardo Henrique Oliveira. Imputação de valores faltantes em série histórica no cenário automotivo. 2022. Monografia (Especialização em Ciência de Dados) - Universidade Tecnológica Federal do Paraná, Dois Vizinhos, 2022. |
| Resumo: | Modelos de machine learning ajudam a criar soluções há anos, nas mais diversas áreas do conhecimento. Seja na criação de uma predição de venda, ou na classificação de uma imagem. Em series temporais especificamente, conseguimos predizer o valor de um produto nos próximos meses, e com isso antecipar qualquer ação para ser mais assertiva. Porém, um dos problemas que mais frequentes encontrados é a falta de dados, isto é, quando temos uma base de dados com pouca informação ou com buracos seu histórico. Devido a isso, alguns modelos não funcionam bem e perdem valor pela falta de dados. Esse trabalho traz a proposta de solucionar o problema de dados faltantes em uma base de dados com informações de veículos. Por meio de algoritmos de machine learning é feito o preenchimento dos dados ausentes, com base nos poucos dados preenchidos. |
| Abstract: | Machine learning models have been helping to create solutions for years, in many different areas of knowledge. Whether in the creation of a sales prediction, or the classification of an image. In time series specifically, we can predict the value of a product in the coming months, and thus anticipate any action to be more accurate. However, one of the most frequent problems encountered is the lack of data, that is, when we have a database with little information or with holes in its history. Due to this, some models do not work well and lose value due to lack of data. This work brings the proposal to solve the problem of missing data in a database with vehicle information. Through machine learning algorithms the missing data is filled in, based on the few filled in data. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/31498 |
| Aparece nas coleções: | DV - Ciência de Dados |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| valoresfaltantescenarioautomotivo.pdf | 510,87 kB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
