Aprendizado incremental com interação para classificação de personas

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGomes Junior, Luiz Celso-
Autor(es): dc.contributorGomes Junior, Luiz Celso-
Autor(es): dc.contributorRosa, Marcelo de Oliveira-
Autor(es): dc.contributorBerardi, Rita Cristina Galarraga-
Autor(es): dc.creatorMoraes, Vinicius da Silva-
Data de aceite: dc.date.accessioned2022-08-04T20:19:54Z-
Data de disponibilização: dc.date.available2022-08-04T20:19:54Z-
Data de envio: dc.date.issued2022-04-14-
Data de envio: dc.date.issued2022-04-14-
Data de envio: dc.date.issued2021-07-14-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/28050-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/706838-
Descrição: dc.descriptionThe use of personas to identify audiences help in decision making and service delivery. The company analyzed in this monograph conducted an internal research to determine their personas within employee profles and developed a survey system to classify them. The purpose of this classifcation is to improve the distribution of hardware to employees, ofering ideal options for each profle. With the progressive growth of employee mapping, the survey rule system may become obsolete and, therefore, the objective of this monograph is to analyze and propose an incremental model for classifying the company’s employees, bringing the possibility of replacing the survey system in the future. The tecnhnique used to develop the model was the incremental learning method for data streams, where the use of Adaptive Random Forests (ARF) and Support Vector Machines (SVM) classifers was presented. In addition, the proposed model is adapted to receive feedback on the result presented by the system administrator, causing the feedback to be incorporated into the learning process.-
Descrição: dc.descriptionA utilização de personas para identifcação de público ajuda na tomada de decisão e oferta de serviços. A empresa analisada nesta monografa realizou uma pesquisa interna para determinar suas personas dentro dos perfs de funcionários e desenvolveu um sistema de questionário para classifcá-los. O objetivo dessa classifcação é de melhorar a distribuição de hardware para funcionários, oferecendo opções ideais para cada perfl. Com o crescimento gradual do mapeamento desses funcionários, o sistema de regras de questionário pode se tornar obsoleto e, devido isso, o objetivo desta monografa é analisar e propor um modelo de aprendizado incremental para classifcação dos funcionários da empresa, trazendo a possibilidade da substituição do sistema de questionário no futuro. A técnica utilizada para o desenvolvimento do modelo proposto foi o aprendizado incremental para fuxo de dados, com o uso dos classifcadores Adaptive Random Forests (ARF) e Support Vector Machines (SVM). Além disso, o modelo proposto possui adaptação para o recebimento de feedback do resultado apresentado do administrador do sistema, fazendo com que o feedback seja incorporado no processo de aprendizagem.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência de Dados e suas Aplicações-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectFluxo de dados (Computadores)-
Palavras-chave: dc.subjectProcessamento eletrônico de dados-
Palavras-chave: dc.subjectAprendizado de máquinas-
Palavras-chave: dc.subjectData flow computing-
Palavras-chave: dc.subjectElectronic data processing-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleAprendizado incremental com interação para classificação de personas-
Título: dc.titleInteractive incremental learning for classifying personas-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.