Detalhes bibliográficos
Ano de defesa: |
2022 |
Autor(a) principal: |
Fukuda, Mauricio Makoto |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
http://hdl.handle.net/11449/236129
|
Resumo: |
A utilização de algoritmos de aprendizado de máquina tem apresentado um aumento expressivo ao longo dos últimos anos devido à redução dos custos e ao aumento da capacidade de processamento dos computadores. O estudo do aprendizado de máquina é importante devido ao potencial dessa tecnologia, demonstrado por diversas aplicações, desde o controle de qualidade na manufatura de bens de consumo, até o diagnóstico de doenças. Essas aplicações promovem benefícios tais como a redução de custos operacionais e o aumento da precisão de diagnósticos. Neste contexto, o aprofundamento da discussão sobre os métodos para gestão de projetos específicos para o aprendizado de máquina se mostra relevante e se justifica devido à escassez de estudos sobre esse tema na literatura e pelo potencial de resposta às críticas relativas à utilização adaptada de métodos antigos, como o CRISP-DM, que não foi originalmente desenvolvido para projetos de aprendizado de máquina. Esta pesquisa teve como objetivo desenvolver um método para gestão de projetos de aprendizado de máquina denominado SMILE, acrônimo de Structured Machine Learning Employment, que combina elementos de métodos tradicionais, ágeis e híbridos, para gestão de projetos. Esse método busca abordar os desafios específicos da gestão de projetos de aprendizado de máquina, identificados por meio de revisão da literatura e entrevistas com gestores de projetos, analistas e cientistas de dados que desenvolvem produtos e serviços utilizando o aprendizado de máquina. A proposta do método SMILE foi desenvolvida utilizando-se o Design Science como método de pesquisa e foi apresentada neste trabalho em formato de procedimento com o detalhamento de cada uma de suas etapas, incluindo a ideação, decisão de investimento, coleta de dados, desenvolvimento e implantação, de forma a facilitar o entendimento sobre sua aplicação. O método SMILE foi apresentado para especialistas que avaliaram a sua aplicabilidade. Tais especialistas foram os mesmos entrevistados na etapa da pesquisa de levantamento dos desafios específicos para os projetos de aprendizado de máquina. Eles avaliaram o método de maneira positiva, o que demonstra que o método proposto tem potencial para superar os desafios e lacunas existentes em projetos dessa natureza. |