Graduações em Engenharias e Ciência da Computação

URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3249

Navegar

Filtros

20242

Configurações

Palavra-chave: search.filters.subject.Machine LearningÁrea do Conhecimento: search.filters.subjectcnpq.CIENCIA DA COMPUTACAO

Resultados da Pesquisa

Agora exibindo 1 - 2 de 2
  • N/D
    Trabalho de Conclusão de Curso
    Estimating Room Temperature Arrival Time
    (2024) Moura, Adney Costa; Drummond, Felipe Martins da Costa; Lopes, Lorran Caetano Machado; Alessi, Tomas Rodrigues
    This project aims to develop a predictive model to estimate the temperature decay in a room equipped with air conditioning, using data collected by the Klima device, developed by Boldr, and integrating it into the company’s client environment for visualization. Klima is a device that integrates temperature and humidity sensors, allowing for both the control of air conditioning units and the transmission of data to the cloud, where it is stored and accessed through the company’s application. Based on this historical data, which includes variables such as the air conditioner’s operating mode and the temperature evolution over time, the project seeks to build a model capable of predicting the temperature decay curve of the environment, adapting to the specific behavior of each room. Besides developing the predictive model, the project also aims to integrate these predictions into Boldr’s application, making them accessible to customers, and to update the device’s firmware so that the predictions can also be displayed on a physical screen.
  • N/D
    Trabalho de Conclusão de Curso
    Desempenho de carteira long-short de moedas estrangeiras com base em técnicas de machine learning
    (2024) Wever, Alexandre; Melo, André Barboza Braga de; Borba, Gustavo Paciléo; Sanches, Lucca Barufatti Velini
    Este projeto tem como objetivo desenvolver uma plataforma para otimizar decisões de compra e venda de moedas estrangeiras, utilizando técnicas de machine learning. A estratégia aplicada é a long-short, que mantém simultaneamente posições compradas (long) em moedas com expectativa de valorização e vendidas (short) em moedas com expectativa de desvalorização. O problema abordado é a dificuldade em prever movimentos no mercado cambial devido à volatilidade e à complexidade dos fatores externos que o influenciam, o que limita a eficácia de estratégias tradicionais. O uso de machine learning busca aumentar a precisão dessas previsões e identificar oportunidades de investimento que complementem análises convencionais. A metodologia inclui a coleta e análise de dados financeiros diários de pares de moedas indexadas ao dólar, seguida de um processo de ranqueamento para identificar quais moedas devem ser compradas e quais devem ser vendidas. Este trabalho parte dos modelos preditivos já desenvolvidos pela empresa parceira, aprimorando-os com a incorporação de novos sinais financeiros e ajustes na metodologia de ranqueamento, para aumentar a precisão das previsões.