Privacidade num mundo com crescente datamining

• Main Author: Bastos Fonseca, Gercia Rosa
• Publication Date: 2022
• Format: Master thesis
• Language: por
• Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Download full: http://hdl.handle.net/10400.26/41208
• topic: Fairlearn; Privacidade; Classificação; Regressão; Python; Azure; Machine Learning

A rápida evolução do tráfego de dados nas redes sociais, que pode ser utilizado em estudos de análise de sentimento sobre determinados produtos, marcas, serviços etc. Além disso, os campos da computação em nuvem foram uma das áreas mais interessantes em estudos de pesquisa. Neste trabalho, recorremos à análise de dados de um dos principais provedores de serviços em nuvem: o Microsoft Azure, para analisar a equidade e a privacidade de um processo de recrutamento online. Para o fazer, um conjunto de dados foi extraído de uma base de dados open source, os quais consistem em dados pessoais disponibilizados num inquérito. Nós estudamos e analisámos a forma de tornar o processo mais justo, em detrimento da raça ou sexo. A esse respeito, muitas organizações tendem a aplicar a política da diversidade aos seus recursos humanos de forma eficaz para tentar obter um impacto positivo. Os resultados são analisados e explicados, em detalhe, em termos de classificações de polaridade para demonstrar o impacto da análise de equidade e para apoiar as decisões das organizações. Podemos observar nos resultados da classificação de regressão linear que a categoria race é melhor para o Microsoft Azure com o uso de uma API, em comparação com a regressão simples, a percentagem de sex é maior para a regressão simples em comparação com o Fairlearn.