Trabalho de Conclusão de Curso | Graduação
URI permanente desta comunidadehttps://repositorio.insper.edu.br/handle/11224/3244
Navegar
7 resultados
Resultados da Pesquisa
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 RodriguesThis 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.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 VeliniEste 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.Trabalho de Conclusão de Curso Otimização de portfólio usando sinais de trading gerados via Machine Learning(2024) Gurgel, Mariana MartinsEsse trabalho tem como objetivo analisar o desempenho de portfólios otimizados a partir da metodologia desenvolvida em Brandt, Santa-Clara e Valnakov (2009) associada a sinais de trading gerados via modelos de Machine Learning. A metodologia em questão permite que os pesos de cada ativo no portfólio sejam definidos como uma função de suas características, enquanto os sinais servem para associar essa informação a uma predição de quais ativos vão performar melhor ou pior que a mediana do mercado, melhorando a seleção dos ativos que estarão no portfólio otimizado. A análise foi conduzida por meio de ações do mercado brasileiro, enquanto as características escolhidas foram seus múltiplos financeiros e os modelos utilizados na geração dos sinais foram o Elastic Net, Random Forest, XGBoost, Support Vector Classifier (SVC), k-NN e Naive Bayes.Trabalho de Conclusão de Curso Risco de crédito utilizando indicadores financeiros e machine learning para empresas Brasileiras listadas na B3(2024) Jou, Jia Shan SuzinA análise de crédito é um tema crucial no setor financeiro, especialmente considerando os desafios na concessão de crédito a indivíduos e empresas, que frequentemente se deparam com a falta de indicadores confiáveis para avaliar o perfil do tomador de crédito. Este artigo visa analisar o risco de default de empresas listadas na B3, focando principalmente na análise de balanços financeiros em formato tanto de cross section quanto painel. Para enriquecer esta análise, serão empregadas ferramentas de machine learning, regressão logística e um algoritmo de Árvore de decisão. O objetivo é identificar padrões nas demonstrações financeiras que possam conferir um poder preditivo ao modelo, auxiliando significativamente na tomada de decisão dos credores. Além disso, a regressão logística será aplicada para equilibrar os grupos de controle e tratamento, minimizando assim o viés de seleção e garantindo a robustez dos resultados.- Financial Data Synthesis and Analysis in Open Finance(2023) Souza, Ana Carolina Leal Garcia de; Rodrigues, Bruno Freitas do Nascimento; Cho, Nicolas Byung Kwan; Rocha, Thiago Hampl de PierriO projeto em questão tem como objetivo desenvolver uma análise comportamental de clientes bancários em um ambiente de Open Finance simulado. Desta forma, o projeto busca compreender sobre a possibilidade de extrair métricas em relação aos clientes, como score de crédito, considerando os dados compartilhados entre instituições financeiras. Levando em conta a indisponibilidade de dados bancários reais, vê-se a necessidade de aplicação de técnicas de geração de dados para uma etapa inicial do projeto, seguida da definição das métricas relevantes e posterior análise envolvendo tanto uma abordagem estatística clássica quanto a utilização de aprendizado de máquina, a exemplo de um modelo de processamento de linguagem natural para dados textuais contidos em extratos bancários. Ao final, espera-se a criação de um dashboard com os insights julgados como relevantes, integrado em um pipeline em Docker, como um produto final.
Trabalho de Conclusão de Curso Detecção de Bugs em Modelos de Machine Learning(2022) Santos, Giovanni Cardoso Pertence dos; Andrade, João Pedro Gianfaldoni de; Silva, William Augusto Reis daModelos de Machine Learning em produção muitas vezes apresentam comportamentos inesperados, que não foram detectados durante as etapas de treino, teste e validação, ao serem expostos a dados do mundo real. Esses comportamentos inesperados, ou “bugs” do modelo, ocorrem por diferentes motivos, como o não cumprimento de regras de negócio, dados de treino rotulados incorretamente e generalizações errôneas do próprio modelo. Este projeto tem como objetivo desenvolver uma biblioteca de Machine Learning explainability, open source, na linguagem de programação Python, que seja capaz de realizar diagnósticos e produzir relatórios que identifiquem esses bugs e comportamentos inesperados, permitindo assim que o cliente IFOOD, ou qualquer outro usuário da biblioteca, os corrija. Essa biblioteca poderá ser utilizada em modelos de classificação binária, na forma de “caixa-preta”, que foram treinados com dados tabulares.Trabalho de Conclusão de Curso MLOps - Transformando Teoria em Prática(2021) Olga, Arthur Quintella de Mello; Monteiro, Gabriel Lopes; Leite, Guilherme Peres; Lima, Vinicius Gomes deEste projeto tem como objetivo desenvolver um guia de implementação de MLOps. O termo MLOps refere-se ao conjunto de práticas e ferramentas para colaboração e comunicação entre cientistas de dados e profissionais de operações, além da automatização da transferência de modelos de aprendizado de máquina do ambiente de desenvolvimento para o de produção. Adicionalmente, tem-se por objetivo a construção de um pipeline funcional end-to-end como prova de conceito, em suporte ao guia de implementação. O guia tem em foco profissionais já familiares com conceitos de machine learning e operações e é composto por um tutorial prático que passa por todo o ciclo de desenvolvimento e deployment de modelos utilizando práticas de MLOps para aumentar sua automação, qualidade e reprodutibilidade. O ferramental utilizado no tutorial é baseado em produtos de machine learning da IBM combinado com outras ferramentas que possam contribuir com a execução de projetos de clientes que procuram melhorar seu ciclo de desenvolvimento através da aplicação da metodologia de MLOps.