Please use this identifier to cite or link to this item: https://ric.cps.sp.gov.br/handle/123456789/7723
Title: Estudo de aplicação de machine learning para a previsão da cotação da soja
Authors: HENKE, Gabriel Nunes
ANDRADE, Gustavo Rodrigues de
Advisor: FAVAN, João Ricardo
type of document: Artigo científico
Keywords: Soja
Issue Date: 29-Jun-2021
Publisher: 259
Citation: HENKE, Gabriel Nunes; ANDRADE, Gustavo Rodrigues de. Estudo de aplicação de machine learning para a previsão da cotação da soja. Título: subtítulo, 2021. Trabalho de conclusão de curso (Curso Superior de Tecnologia em Big Data no Agronegócio) - Faculdade de Tecnologia FATEC Shunji Nishimura (Pompéia), Pompéia, 2021
Abstract: Com a importância do contexto da soja no mundo, os interessados deste mercado precisam de diversos pontos de vista estratégicos para melhorar a sua abordagem operacional. A análise preditiva tem se destacado neste ponto por agregar valor nas tomadas de decisão, favorecendo os participantes desse mercado. A partir da ciência de dados, é possível trabalhar em visões estratégicas futuras a fim de prever valores em séries temporais a partir de dados históricos. Esse trabalho tem como objetivo analisar o desempenho dos algoritmos capazes de estimar a cotação da soja do dia seguinte, e a partir do melhor algoritmo, implementá-lo em uma solução web, tornando ela acessível para todos os interessados em realizar esse tipo de operação. O modelo Linear Regression foi o que se destacou pelo seu desempenho, atingindo um valor próximo de 0.99 para o score de modelagem em séries temporais. Na implementação web, os resultados obtidos nesta pesquisa dizem que a maioria das pessoas entrevistadas se sentiram “satisfeitas” ou “muito satisfeitas”, sendo relatado pelas mesmas, que elas conseguiram realizar uma previsão em menos de 2 minutos. A presente pesquisa recomenda o uso da ferramenta desenvolvida apenas para auxílio de ganho de informação, e não como fator único para tomada de decisão.
URI: http://ric.cps.sp.gov.br/handle/123456789/7723
Appears in Collections:Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
bigdata_2021_1_gabrielnuneshenke_estudodeaplicacaodemachine.pdf
  Restricted Access
701.69 kBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.