Banca de QUALIFICAÇÃO: MAXIMILIANO ARAÚJO DA SILVA LOPES

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : MAXIMILIANO ARAÚJO DA SILVA LOPES
DATA : 17/06/2016
HORA: 09:00
LOCAL: Auditório do Núcleo de Pesquisas e Inovação em Tecnologia da Informação
TÍTULO:

Redução de Dimensionalidade de Big Data Com Base na Information Theoretic Learning

 

PALAVRAS-CHAVES:

Redução da Dimensionalidade, Information Theoretic Learning, Big Data, Cidades Inteligentes.

PÁGINAS: 50
RESUMO:

Atualmente as diversas áreas de trabalho envolvendo a tecnologia da informação estão gerando volume de dados sem precedentes através de suas aplicações e com cenários indicando um crescimento ainda maior. Em cidades inteligentes um dos focos de aplicação deste trabalho, os sistemas de dados contribuem de maneira substancial para o acréscimo deste volume de dados. Estes sistemas envolvem diferentes subsistemas direcionados para auxiliar a gestão pública, para a moradia e convivência da população de centros urbanos. Controle de tráfego, coleta de lixo, transporte público, segurança e saúde são exemplos de áreas onde sistemas são desenvolvidos para o fim das cidades inteligentes. Cada sistema, isoladamente, já gera uma quantidade de dados grande o suficiente para dificultar o processo de tomada de decisão, quando estão integrados (que é a ideia inicial das cidades inteligentes) fica praticamente impossível de interpretá-los e gerar resultados para a solução dos problemas do dia a dia. Esse grande conjunto de dados, conhecido como Big Data, possui uma grande diversidade de tipos e torna bastante difícil de serem processados usando abordagens de processamento tradicionais, daí a redução da dimensionalidade dos dados se torna quase que imprescindível para o processo de tomada de decisão. O objetivo da Redução da Dimensionalidade é preservar ao máximo a informação contida na alta dimensão na sua representação em baixa dimensão, em outras palavras, a ideia é reduzir o número de atributos de uma alta dimensão para uma baixa dimensão, de preferência com duas ou três dimensões (dimensões que se tornam visuais para o ser humano), preservando ao máximo a informação e o conhecimento contido nos dados. Na bibliografia consultada existem diversas técnicas para a redução da dimensionalidade, o diferencial deste trabalho está na utilização de técnicas de Information Theoretic Learning (ITL), ou Aprendizado de Teoria da Informação, na execução desta redução, melhorando assim, o desempenho conseguido por outras técnicas.

MEMBROS DA BANCA:
Presidente - 347628 - ADRIAO DUARTE DORIA NETO
Interno - 2579664 - ALLAN DE MEDEIROS MARTINS
Externo ao Programa - 1669545 - DANIEL SABINO AMORIM DE ARAUJO
Externo à Instituição - ALUISIO IGOR RÊGO FONTES - IFRN