Navegando por Palavras-chave "Machine learning techniques"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Assessment of Renewable Energy Resources with Remote Sensing
    (MDPI, 2021) Martins, Fernando Ramos [UNIFESP]; http://lattes.cnpq.br/9012359647335296; Martins, Fernando Ramos [UNIFESP]
    The development of renewable energy sources plays a fundamental role in the transition towards a low carbon economy. Considering that renewable energy resources have an intrinsic relationship with meteorological conditions and climate patterns, methodologies based on the remote sensing of the atmosphere are fundamental sources of information to support the energy sector in planning and operation procedures. This Special Issue is intended to provide a highly recognized international forum to present recent advances in remote sensing to data acquisition required by the energy sector. After a review, a total of eleven papers were accepted for publication. The contributions focus on solar, wind, and geothermal energy resource. This editorial presents a brief overview of each contribution.
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Uso de machine learning para entendimento das relações de consumo no modelo de negócio (Saas Enabled Marketplace) do OLIST
    (Universidade Federal de São Paulo, 2022-07-23) Leite, Gabriela Amaral de Alencar [UNIFESP]; Pinochet, Luis Hernan Contreras [UNIFESP]; Pardim, Vanessa Itacaramby [UNINOVE]; http://lattes.cnpq.br/7878743288013868; http://lattes.cnpq.br/2869923054936837; http://lattes.cnpq.br/2360263272998854
    Com o crescente acesso a internet pela população brasileira, houve um expressivo crescimento da área do comércio eletrônico, com a expectativa de alavancar as vendas de empreendedores, que são um importante pilar da economia do país. Porém, há ainda uma dificuldade de inserção ou de alcance para empreendedores de menor porte, no que a startup brasileira Olist assume o papel de intermediar o lojista e os grandes marketplaces aumentando o alcance e automatizando processos. As técnicas de Machine Learning têm um importante papel atual na interpretação de padrões em um grande volume de dados, assim como no auxílio a solução de problemas complexos, entretanto, ainda há uma lacuna na adoção dos métodos para a tomada de decisão nas empresas. Portanto, o presente estudo tem como objetivo identificar os fatores que impactam no score dado pelo consumidor após a realização da compra via Olist Store, em algum marketplace, por meio da análise de dados e aplicação do modelo de Machine Learning para prever a nota baseada em CSAT. Como resultado, verificou-se que a variável expected_diff, que representa a diferença de dias entre a data que estava prevista para a chegada do produto e a data que realmente chegou, é a de maior relevância para todas as categorias, sendo mais importante ainda em beleza/saúde e brinquedos. Por fim, concluiu-se que é de suma importância que empresas que desejam obter vantagem competitiva no ramo do comércio eletrônico invistam em uma boa logística. O estudo teve como principal limitação a base do estudo, pois a que estava disponível não era a mais atual, não sendo assim possível de retratar as conjunturas pós pandemia da COVID-19.