Estudo de técnicas de Aprendizado de Máquina supervisionado para resolução de problemas
Mikael Johnatan Azevedo
Amanda Gondim de Oliveira
João Pedro Pereira Frutuoso
Angélica Félix de Castro
Paulo Gabriel Gadelha Queiroz
Palavras-chave: Array, Array, Array, Array, Array
Resumo
O aprendizado de máquina (AM) é um campo da inteligência artificial voltado para o desenvolvimento de algoritmos capazes de aprender a partir de dados e realizar previsões e classificações. Essa abordagem é amplamente aplicada em áreas como negócios, saúde e tecnologia para facilitar decisões mais precisas e rápidas. O presente projeto visa estudar e implementar métodos de AM para solucionar problemas reais, desenvolvendo modelos preditivos que identificam padrões e insights que podem otimizar processos e aumentar a eficiência em diversos contextos. Este estudo foca no uso de AM na saúde pública, culminando em um artigo que explora a previsão de surtos de dengue. Utilizando dados meteorológicos e epidemiológicos de Mossoró, RN, foram construídos e testados modelos como Random Forest e Redes Neurais Convolucionais (CNN). Os modelos demonstraram boa precisão na previsão de surtos de dengue, com potencial de aplicação em outros contextos de doenças transmitidas por vetores. A metodologia, que incluiu coleta, limpeza e modelagem de dados, mostrou-se eficaz na criação de soluções preditivas aplicáveis que favorecem a saúde pública e a conservação de recursos. Os resultados reforçam a relevância do aprendizado de máquina na melhoria dos processos decisórios e na inovação tecnológica, oferecendo suporte substancial para a gestão de saúde pública. Além disso, este projeto ressalta o valor das técnicas de AM na identificação de padrões e previsões em áreas sensíveis como a saúde, gerando impacto social positivo.