Use este identificador para citar ou linkar para este item:
https://repositorio.ufpb.br/jspui/handle/123456789/15999
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Oliveira, Luiz Henrique Rodrigues de | - |
dc.date.accessioned | 2019-10-08T14:13:09Z | - |
dc.date.available | 2018-11-13 | - |
dc.date.available | 2019-10-08T14:13:09Z | - |
dc.date.issued | 2018-11-06 | - |
dc.identifier.uri | https://repositorio.ufpb.br/jspui/handle/123456789/15999 | - |
dc.description.abstract | This document presents ways of applying Machine Learning models and Data Science techniques within the public area of municipal and state spending, being more speciffi c in the area of bids. Due to the subjectivity of de ning values for the bids and choosing winners and losers for them, it was necessary to de ne a more impartial method and with logical guidelines for the selection of these parameters. In order to achieve this goal, we used regression and classi cation algorithms, such as the Support Vector Machine algorithms, K Closest Neighbors for Classi cation and Linear Regression and Support Vector Regression for Regression. This project shows that with the algorithms mentioned above it was possible to achieve success rates between 60 % and 80 %. | pt_BR |
dc.description.provenance | Submitted by Rogerio Marques (rogerioferreiramarques1@gmail.com) on 2019-10-08T14:13:09Z No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) LHRO131218.pdf: 2297038 bytes, checksum: 4a3f6445b0d2317a8643c1caa6cd6bbc (MD5) | en |
dc.description.provenance | Made available in DSpace on 2019-10-08T14:13:09Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: c4c98de35c20c53220c07884f4def27c (MD5) LHRO131218.pdf: 2297038 bytes, checksum: 4a3f6445b0d2317a8643c1caa6cd6bbc (MD5) Previous issue date: 2018-11-06 | en |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal da Paraíba | pt_BR |
dc.rights | Acesso aberto | pt_BR |
dc.rights | Attribution-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/br/ | * |
dc.subject | Aprendizado de máquina | pt_BR |
dc.subject | Ciência de dados | pt_BR |
dc.subject | Licitações | pt_BR |
dc.subject | Despesas públicas | pt_BR |
dc.subject | Aprendizado de máquina | pt_BR |
dc.title | Previsão dos ganhadores e perdedores e do valor de licitações Municipais e do Estado da Paraíba: utilizando aprendizagem de máquina | pt_BR |
dc.type | TCC | pt_BR |
dc.contributor.advisor1 | Rêgo, Thaís Gaudencio do | - |
dc.description.resumo | Esse documento apresenta formas de aplicar modelos de Aprendizado de Máquina e técnicas de Ciência de dados dentro da área publica de gastos municipais e estaduais, sendo mais especifi co na área de licitações. Devido a subjetividade de se de finir valores para as licitações e como se escolhem vencedores e perdedores para as mesmas, foi necessário defi nir um método mais imparcial e com diretrizes logicas para a seleção desses parâmetros. Para poder atingir tal objetivo, foram utilizados algoritmos de regressão e classifi cação, como os algoritmos de Máquina de vetor de suporte (Support Vector Machine - SVM), K Vizinhos mais próximos (K Nearest Neighbors) para classi ficação e Regressão Linear e Regressão de Vetor de Suporte (Support Vector Regression - SVR) para regressão. Esse projeto mostra que com os algoritmos acima citados foi possível atingir taxas de acertos entre 60% e 80%. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Sistemas de Computação | pt_BR |
dc.publisher.initials | UFPB | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS | pt_BR |
Aparece nas coleções: | TCC - Engenharia de Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
LHRO131218.pdf | 2,24 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma
Licença Creative Commons