Técnicas de machine learning aplicadas no processo de certificação de granjas avícolas
Resumo
Nos últimos anos a área de Inteligência Artificial (IA) tem demonstrado muitos avanços, principalmente com o uso de machine learning e redes neurais, gerando grandes oportunidades de pesquisa. Boa parte da ampliação da área de IA deve-se
ao aumento na utilização das técnicas de machine learning, as quais têm como objetivo treinar computadores para que sejam capazes de fazer previsões e tomar decisões a partir de um conjunto de dados. Este estudo tem como propósito encontrar
padrões e aplicar técnicas de machine learning utilizando uma base de dados da Plataforma de Defesa Sanitária Animal do Rio Grande do Sul (PDSA-RS) com a finalidade de automatizar operações e/ou auxiliar usuários a tomarem decisões mais
precisas e inteligentes no processo de certificação de aves do sistema. O tipo de aprendizado utilizado é o supervisionado com foco em classificação, onde o algoritmo é treinado através de um conjunto de dados e tenta prever qual é a classe de uma
nova instância. Já os algoritmos estudados e utilizados são (a) Support Vector Machine (SVM) o qual é excelente para classificação binária e linear, mas também com a possibilidade de classificação multiclasse com o uso do kernel trick. (b) Knearest neighbors (KNN) que tem o funcionamento simples e uma ótima performance para a classificação multiclasse. (c) Decision Tree, sendo simples de entender como o modelo gerado funciona, porque, basicamente ele cria uma árvore de decisões baseada em regras que são aprendidas pelo algoritmo na etapa de treino, facilitando o entendimento humano sob o funcionamento do modelo e (d) Redes Neurais que são um tipo de algoritmo mais robusto, com uma capacidade de aprendizado muito grande. A aplicação destas técnicas foi feita utilizando a linguagem de programação Python em conjunto com as bibliotecas Scikit-learn e TensorFlow em um conjunto de dados no formato CSV, extraídos de um banco de dados da PDSA-RS. A acurácia dos algoritmos tradicionais chegou no máximo de 79.88% com o KNN, já com redes neurais obteve-se o resultado de 94%.
Coleções
Os arquivos de licença a seguir estão associados a este item: