ESTGV - DI - Dissertações de mestrado (após aprovadas pelo júri)
URI permanente para esta coleção:
Navegar
Percorrer ESTGV - DI - Dissertações de mestrado (após aprovadas pelo júri) por orientador "Fialho, Joana Rita da Silva"
A mostrar 1 - 2 de 2
Resultados por página
Opções de ordenação
- Análise e Exploração de Dados em Cuidados de SaúdePublication . Gomes, André Filipe Domingos; Lacerda, Ana Cristina Wanzeller Guedes de; Fialho, Joana Rita da SilvaEm diversos setores, há uma grande quantidade de dados recolhidos e armazenados, mas que não são analisados. A área da saúde não é distinta e, pela importância que tem junto da população, esta situação não é desejável. Os dados podem fornecer informações históricas ou tendências que poderão ajudar a melhorar o desempenho das organizações no futuro. Para contornar as dificuldades referidas, a mineração de processos (Process Mining) possibilita a extração de conhecimento a partir de dados gerados e armazenados nos sistemas de informação. Assim, este trabalho pretende mostrar os benefícios da utilização do Process Mining na melhoria de processos de saúde, neste caso aplicada a dados de um serviço de urgências. O trabalho iniciou-se por uma fase de pesquisa e exploração, na qual os algoritmos e ferramentas de Process Mining foram investigados, analisados e comparados. Nesta fase, as ferramentas de Process Mining, PM4Py, ProM e Disco, foram testadas, bem como os algoritmos disponíveis Alpha Miner, Directly-Follows Graphs, Fuzzy Miner, Heuristic Miner e Inductive Miner, em cenários com dados que apresentavam desafios reais. Destes testes resultaram comparações e conclusões que foram apresentadas de forma compreensível e intuitiva. Esta fase foi de extrema importância, pois permitiu obter um conhecimento prático necessário para que a posterior aplicação das técnicas fosse o mais eficiente possível. O caso de estudo final permitiu perceber o real potencial das contribuições que o Process Mining pode dar a uma área de tão relevante interesse geral. Com resultados muito positivos, chegou-se a um modelo que permitiu a análise do real funcionamento de um serviço de urgências. Este modelo foi examinado ao pormenor e, posteriormente, foi verificada a conformidade de acordo com o modelo previsto. Esta comparação possibilitou retirar conclusões em relação à gestão do processo, assim como dos seus recursos. Estas informações são extremamente úteis para que os profissionais de cada unidade possam agir sobre as ineficiências existentes e melhorar um serviço com tanta importância para a população.
- Processamento de Linguagem Natural e Machine Learning na Categorização de NotíciasPublication . Varanda, José Carlos Lopes; Lacerda, Ana Cristina Wanzeller Guedes de; Fialho, Joana Rita da SilvaO crescimento exponencial de conteúdos digitais, especialmente notícias, artigos e publicações nas redes sociais, tem gerado grandes volumes de informação não estruturada, tornando a sua organização e análise progressivamente mais complexas. Neste contexto, o presente trabalho contribui para a simplificação e a otimização da classificação automática de notícias em português, por meio do desenvolvimento e da validação de abordagens de categorização que conciliem o elevado desempenho com a eficiência computacional. Para a recolha e análise de dados, realizou-se uma revisão da literatura, seguida da seleção de algoritmos e ferramentas adequadas, da análise exploratória dos dados e da implementação de vários modelos de classificação. Estas etapas visaram comparar criticamente metodologias tradicionais de Machine Learning e de Mineração de Texto com modelos recentes de Processamento de Linguagem Natural, incluindo arquiteturas baseadas em Transformers, nomeadamente o BERT, avaliando simultaneamente o desempenho e o custo computacional associados. Os resultados obtidos indicam que os modelos mais avançados de Processamento de Linguagem Natural, ao apresentarem uma maior capacidade de compreensão do contexto textual, alcançam um desempenho superior, embora impliquem um maior consumo de recursos computacionais. Em contrapartida, os modelos mais leves, baseados em representações otimizadas do texto, revelam um compromisso mais equilibrado entre a precisão e a eficiência computacional, mostrando-se adequados para cenários com restrições de hardware. O trabalho experimental desenvolvido demonstra, deste modo, a viabilidade da implementação de um modeloe experimental funcional de categorização automática de notícias em língua portuguesa, capaz de processar grandes volumes de texto de forma eficaz, assegurando simultaneamente o controlo da complexidade computacional. Em suma, este estudo evidencia que é possível conciliar o desempenho elevado com a eficiência computacional, oferecendo contributos relevantes para o desenvolvimento de modelos de classificação automática de notícias cada vez mais eficazes.