Machine learning e data science na indústria: aplicações e desafios

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLuche, José Roberto Dale [UNESP]-
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.creatorSugahara, José Afonso Santos-
Data de aceite: dc.date.accessioned2022-08-04T21:53:11Z-
Data de disponibilização: dc.date.available2022-08-04T21:53:11Z-
Data de envio: dc.date.issued2022-03-08-
Data de envio: dc.date.issued2022-03-08-
Data de envio: dc.date.issued2020-12-15-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/217075-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/217075-
Descrição: dc.descriptionCom o aumento da capacidade computacional, é possível que, agora, em ambientes industriais, sejam usadas novas ferramentas, visando à melhoria de desempenho global das indústrias. Neste projeto, foi realizada uma revisão sistemática de artigos que envolvem as ferramentas de Machine Learning e Data Science aplicadas na indústria. O artigo estabelece relações entre os termos citados no contexto industrial, apresenta exemplos práticos de uso das ferramentas citadas e potenciais desafios a serem abordados na sua implantação. Este estudo provê uma análise 5W1H (o quê, porque, onde, quando, quem e como) com os artigos mais citados, relacionando os termos Machine Learning e Data Science com a indústria. O trabalho demonstra que há uma escassez de trabalhos brasileiros que abordam os temas citados no contexto industrial, assim como um baixo número de trabalhos aplicados relacionando os temas.-
Descrição: dc.descriptionWith the improvement of computer processing power, it is now possible the use of new tools with the objective of improving the efficiency of industries. In this project, it has been done a systematic review of articles that uses the tools Machine Learning and Data Science in the industrial sector. This article makes connections between these two terms, presents practical examples and potential challenges when applying them. This study presents a 5W1H (what, why, where, when, who and how) with the most cited articles. These paper shows the lack of studies from Brazil and the low number of applied studies.-
Descrição: dc.descriptionNão recebi financiamento-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Estadual Paulista (Unesp)-
Direitos: dc.rightsAcesso aberto-
Palavras-chave: dc.subjectMachine Learning-
Palavras-chave: dc.subjectBig Data-
Palavras-chave: dc.subjectData Science-
Palavras-chave: dc.subjectAprendizado de Máquina-
Palavras-chave: dc.subjectIndústria 4.0-
Palavras-chave: dc.subjectDados ligados-
Palavras-chave: dc.subjectArmazenamento de dados-
Palavras-chave: dc.subjectSistema de informação gerencial-
Título: dc.titleMachine learning e data science na indústria: aplicações e desafios-
Título: dc.titleMachine learning and data science in the industry: applications and challenges-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.