Propostas Submetidas - sem aluno

DEI - FCTUC
Gerado a 2024-03-28 19:11:13 (Europe/Lisbon).
Voltar

Titulo Estágio

2016_N28 Dados - Padrões, Inferência e Predição

Áreas de especialidade

Engenharia de Software

Sistemas Inteligentes

Local do Estágio

Aveiro

Enquadramento

O mundo da Internet em geral e da Internet das coisas (IoT – Internet of Things) em particular tem crescido nos últimos anos e prevê-se que venha a crescer muito mais nos próximos tempos. A informação disponibilizada pelas pessoas e pelos dispositivos é cada vez maior, mas nem sempre representa valor para quem a consulta ou utiliza. A informação “raw” tem de facto um valor relativo se considerarmos que é muita e normalmente sem valor contextual. Um simples caso de uma temperatura pode representar bem ou mal estar para a pessoa dependendo da humidade, da precipitação, do historial da própria pessoa, do seu gosto, resistência pessoal, etc. Deste modo, para acrescentar valor é importante correlacionar informação, consultar históricos, inferir para depois poder prever ou recomendar o que é mais adequado.

Objetivo

Os dados “raw” são atualmente recolhidos de múltiplas fontes (dispositivos móveis, sensores, gateways, TVbox, redes sociais, etc.); o desafio está em processar e correlacionar toda esta informação de forma a retirar valor.
No âmbito deste projeto iremos identificar, analisar e implementar mecanismos/algoritmos que permitam o processamento, correlação, inferência e predição, em função de cenários concretos de utilização IoT/M2M (e.g. MEO, sensores).
Pretende-se com este projeto identificar, avaliar e implementar mecanismos de identificação de padrões, inferência e predição em tempo quase-real.
Semestre 1
1 - Análise dos dados recolhidos (disponibilizados à priori) e construção de cenários realistas que possam ser usados para validar os resultados finais do projeto.
2 – Seleção e aplicação de ferramentas de data analytics para obtenção de resultados estatísticos e padrões.
Semestre 2
3 – Seleção e afinação de algoritmos de inferência e predição adotando técnicas de machine learning.
4 - Teste e análise de resultados; afinação em função dos resultados obtidos. Elaboração de relatório final

Plano de Trabalhos - Semestre 1

1 - Análise dos dados recolhidos (disponibilizados à priori) e construção de cenários realistas que possam ser usados para validar os resultados finais do projeto.
2 – Seleção e aplicação de ferramentas de data analytics para obtenção de resultados estatísticos e padrões.

Plano de Trabalhos - Semestre 2

3 – Seleção e afinação de algoritmos de inferência e predição adotando técnicas de machine learning.
4 - Teste e análise de resultados; afinação em função dos resultados obtidos. Elaboração de relatório final

Condições

O aluno será acompanhado internamente por uma equipa de I&D;
Durante a 2º Fase será atribuida Bolsa ao aluno

Observações

Referências bibliográficas:
* machine learning
* data analytics
Ferramentas a utilizar :
Ferramentas de data analytics e algoritmos de machine learning
Competências Chave requeridas:
Conhecimentos de algoritmos de inferência, predição e recomendação
Domínio nas áreas de data analytics e machine learning.
Bons conhecimentos de SW (Java, Linux, JBoSS, Tomcat)

Os alunos interessados deverão enviar CV para regina@inova-ria.pt

Orientador

Doutoramento - Francisco Fontes
PCarv@alticelabs.com 📩