PPGI
PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA
INSTITUTO DE COMPUTAÇÃO
Telefone/Ramal:
82 99632-4920
E-mail:
rian@ic.ufal.br
https://sigaa.sig.ufal.br/ppgi
Banca de QUALIFICAÇÃO: JOSE RUBENS DA SILVA BRITO
Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.DISCENTE : JOSE RUBENS DA SILVA BRITO
DATA : 27/07/2023
HORA: 11:00
LOCAL: Sala 206, Bloco 12
TÍTULO:
Em direção a um Sistema de Apoio à Decisão orientado por dados:
Uma abordagem de aprendizado de máquina para identificar a
tendência de jogadores da NCAA para a NBA
PALAVRAS-CHAVES:
Aprendizado de Máquina,
Inteligência Artificial,
Sistema de Apoio à Decisão
PÁGINAS: 30
RESUMO:
Este trabalho propõe explorar por meio de técnicas de aprendizado de máquina os dados his-
tóricos de conjuntos de dados do basquete masculino da NCAA com o objetivo de fornecer
informações relevantes para um sistema de suporte a decisão, que auxilia o olheiro no julga-
mento ao investir em um novo jogador. No entanto, esses conjuntos de dados podem conter
características redundantes, ruidosas e irrelevantes que podem ter uma influência negativa na
atividade preditiva. Em particular, será abordada a questão de selecionar dados que quando
combinados geram um conjunto de atributos do jogador, os quais influenciam de forma direta
ou indireta para a contratação de um jogador por uma equipe da NBA, em função da confi-
guração do time na temporada atual. Nesse contexto, este trabalho propõe uma abordagem
de mineração de dados introduzindo um método de seleção de características para identificar
atributos relevantes e classificar os recursos para auxiliar as partes interessadas nos processos
de tomada de decisão. Para isso, considerando um equilíbrio entre interpretabilidade e preci-
são preditiva, foi empregado métodos de classificação caixa branca, como Árvores de Decisão
e Regressão Logística, mas considerando o método deSupport Vector Machinecomo um mo-
delo de caixa preta, como referência. Além disso, a fim de melhorar sua precisão preditiva e
promover a redução de características, exploramos esses métodos combinados com algoritmos
genéticos. Os resultados foram comparados e os modelos com os melhores resultados foram
destacados, indicando um melhor resultado em favor da combinação de algoritmo genético
com Regressão Logística e C4.5, com melhor desempenho preditivo e redução relevante de
características, e indicação de quais características foram mais informativas.
tóricos de conjuntos de dados do basquete masculino da NCAA com o objetivo de fornecer
informações relevantes para um sistema de suporte a decisão, que auxilia o olheiro no julga-
mento ao investir em um novo jogador. No entanto, esses conjuntos de dados podem conter
características redundantes, ruidosas e irrelevantes que podem ter uma influência negativa na
atividade preditiva. Em particular, será abordada a questão de selecionar dados que quando
combinados geram um conjunto de atributos do jogador, os quais influenciam de forma direta
ou indireta para a contratação de um jogador por uma equipe da NBA, em função da confi-
guração do time na temporada atual. Nesse contexto, este trabalho propõe uma abordagem
de mineração de dados introduzindo um método de seleção de características para identificar
atributos relevantes e classificar os recursos para auxiliar as partes interessadas nos processos
de tomada de decisão. Para isso, considerando um equilíbrio entre interpretabilidade e preci-
são preditiva, foi empregado métodos de classificação caixa branca, como Árvores de Decisão
e Regressão Logística, mas considerando o método deSupport Vector Machinecomo um mo-
delo de caixa preta, como referência. Além disso, a fim de melhorar sua precisão preditiva e
promover a redução de características, exploramos esses métodos combinados com algoritmos
genéticos. Os resultados foram comparados e os modelos com os melhores resultados foram
destacados, indicando um melhor resultado em favor da combinação de algoritmo genético
com Regressão Logística e C4.5, com melhor desempenho preditivo e redução relevante de
características, e indicação de quais características foram mais informativas.
MEMBROS DA BANCA:
Interno(a) - 1121007 - EVANDRO DE BARROS COSTA
Interno(a) - 1766576 - THALES MIRANDA DE ALMEIDA VIEIRA
Externo(a) à Instituição - ANGELO PERKUSICH - UFCG
Externo(a) à Instituição - JOSEANA MACEDO FECHINE - UFCG
Notícia cadastrada em: 18/10/2023 06:58
SIGAA | NTI - Núcleo de Tecnologia da Informação - (82) 3214-1015 | Copyright © 2006-2024 - UFAL - sig-app-4.srv4inst1
03/05/2024 10:53