Detalhes bibliográficos
| Ano de defesa: |
2015 |
| Autor(a) principal: |
Pita, Robespierre Dantas da Rocha |
| Orientador(a): |
Barreto, Marcos Ennes |
| Banca de defesa: |
Boratto, Murilo do Carmo,
Santos, Carlos Antonio de Souza Teles,
Rios, Ricardo Araujo |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Instituto de Matemática. Departamento de Ciência da Computação
|
| Programa de Pós-Graduação: |
Mestrado Multiinstitucional em Ciência da Computação
|
| Departamento: |
Não Informado pela instituição
|
| País: |
brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
http://repositorio.ufba.br/ri/handle/ri/19308
|
Resumo: |
A aplicação de técnicas de correlação probabilística em registros de saúde ou socioeconômicos de uma população tem sido uma prática comum entre epidemiologistas como base para suas pesquisa não-experimentais. Entretanto, o crescimento do volume dos dados comum ao cenário imposto pelo Big Data provocou uma carˆencia por ferramentas computacionais capazes de lidar com esses imensos reposit´orios. Neste trabalho é descrita uma solução implementada no framework de processamento em cluster Spark para a correlação probabilística de registros de grandes bases de dados do Sistema Público de Saúde brasileiro. Este trabalho está vinculado a um projeto que visa analisar a relação entre o Programam Bolsa Família e a incidência de doen¸cas associadas á pobreza, tais como hanseníase e tuberculose. Os resultados obtidos demonstram que esta implementação provê qualidade competitiva em relação a outras ferramentas e abordagens existentes, comprovada pela superioridade das métricas de tempo de execução. |
