IPG - Gabrielle Dos Santos Alves - Metodologia
IPG - Gabrielle Dos Santos Alves - Metodologia
IPG - Gabrielle Dos Santos Alves - Metodologia
Rio de Janeiro
2024
Gabrielle dos Santos Alves
Projeto de Graduação
apresentado, como requisito
parcial para obtenção do Grau de
Engenheiro, à Faculdade de
Engenharia da Universidade do
Estado do Rio de Janeiro. Área de
concentração Produção.
Rio de Janeiro
2024
LISTA DE ABREVIATURAS E DE SIGLAS
IA Inteligência Artificial
INTRODUÇÃO ....................................................................................................... 5
Contexto e Relevância da Pesquisa ................................................................... 5
Objetivos ............................................................................................................... 6
Delimitações da Pesquisa ................................................................................... 6
Estrutura do Trabalho .........................................................................................14
1. REVISÃO DA LITERATURA ...................................................................15
1.1 MACHINE LEARNING ....................................................................................15
2. PROCEDIMENTOS METODOLÓGICOS .................................................21
2.1 OBJETIVO DA PESQUISA.............................................................................21
2.2 ETAPAS DA PESQUISA ................................................................................21
REFERÊNCIAS.....................................................................................................24
INTRODUÇÃO
Objetivos
Delimitações da Pesquisa
Estrutura do Trabalho
1.1.1.1 Classificação
1.1.1.2 Regressão
“Uma árvore de decisão representa uma função que toma como entrada
um vetor de valores de atributos e retorna uma “decisão” — um valor de saída
único.” (RUSSEL e NORVIG, 2014). Assim, a árvore de decisão é amplamente
utilizada dentro de modelos de aprendizagem supervisionados, tanto dentro
classificações como regressões. Ela funciona como um fluxograma,
esquematizando os possíveis resultados de uma série de escolhas e facilitando
a tomada de decisão.
1.1.2.2 Sumarização
1.1.2.3 Associação
Dada, E. G., Bassi, J. S., Chiroma, H., Abdulhamid, S. M., Adetunmbi, A. O., &
Ajibuwa, O. E.. Machine learning for email spam filtering: review, approaches and
open research problems. Heliyon, 5(6), 2019.
Feigin, V. L. et al. World Stroke Organization (WSO): Global Stroke Fact Sheet 2022.
International Journal of Stroke 2022, Vol. 17(1) 18–29.
Fleck, L., Tavares, M. H. F., EYNG, E., HELMANN, A. C., Andrade, M. A. M. Redes
Neurais Artificiais: Princípios Básicos. Revista Eletrônica Científica Inovação e
Tecnologia da Universidade Tecnológica Federal do Paraná, v. 1, n. 13, p. 47-57,
jan./jun. 2016.