dc.contributor.advisor | Assunção, Joaquim Vinicius Carvalho | |
dc.creator | Sordi, Thiago | |
dc.date.accessioned | 2024-01-11T14:28:00Z | |
dc.date.available | 2024-01-11T14:28:00Z | |
dc.date.issued | 2023-12-21 | |
dc.date.submitted | 2023-12-21 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/31117 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2023. | por |
dc.description.abstract | The COVID-19 pandemic posed a serie of unprecedented challenges to global public health, with Brazil being one of the severely affected countries. Various studies have been conducted to compare different temporal contexts of COVID-19. This work carries out a similar exploration, delving into the temporal dynamics of COVID-19 in Brazil, and seeking potential patterns among specific states by comparing them based on certain characteristics. For this purpose, a dataset containing notifications of disease cases in each Brazilian state during the years 2020 and 2021 was used, and distance metrics such as Dynamic Time Warping (DTW) and Euclidean Distance were employed to analyze time series data. Furthermore, tools like PySpark and Pandas were utilized for data manipulation and preparation, thus facilitating subsequent analysis. Methods such as feature importance were applied to identify and select characteristics in the notifications that impacted clinical evolutions, and Hierarchical Clustering was used to relate the time series based on their similarities. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Engenharia de dados | por |
dc.subject | Mineração de dados | por |
dc.subject | Séries temporais | por |
dc.subject | COVID-19 | eng |
dc.subject | Data engineer | eng |
dc.subject | Data science | eng |
dc.subject | Data Mining | eng |
dc.subject | Time Series | eng |
dc.title | Mineração de dados temporais da covid-19 no Brasil: busca de similaridades nas características dos estados brasileiros através do agrupamento hierárquico | por |
dc.title.alternative | Temporal data mining of covid-19 in Brazil: search for similarities in the characteristics of brazilian states through hierarchical clustering | eng |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.degree.graduation | Ciência da Computação. | por |
dc.description.resumo | A pandemia da COVID-19 apresentou uma série de desafios sem precedentes para a saúde pública global, e o Brasil foi um dos países severamente afetados. Diversos trabalhos foram feitos para comparar diferentes contextos temporais da COVID-19. Neste trabalho foi realizado algo similar, explorando a dinâmica temporal da COVID-19 no Brasil, buscando possíveis padrões entre estados específicos, comparando-os em determinadas características. Para isso utilizou-se um conjunto de dados que compreende notificações de casos da doença em cada estado brasileiro durante os anos de 2020 e 2021, e exploraram-se métricas de distância como Dynamic Time Warping (DTW) e distância Euclidiana para analisar séries temporais de dados. Além disso, as ferramentas PySpark e Pandas foram utilizadas para manipulação e preparação de dados, facilitando a análise subsequente. Foram empregados métodos como importância de recursos, para identificar e selecionar as características nas notificações que impactavam nas evoluções clínicas, e o Agrupamento Hierárquico para relacionar as séries temporais em suas similaridades. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |