Navegando por Assunto "Data Science"

Agora exibindo 1 - 3 de 3

Acesso aberto (Open Access)
Ciência de Dados Aplicada em Dados Públicos: Estudos de Caso Acerca da Previdência Social Brasileira.
(Universidade Federal do Pará, 2020-04-17) FELIX JÚNIOR, Francisco Eguinaldo de Albuquerque; SILVA, Marcelino Silva da; http://lattes.cnpq.br/7080513172499497
A Ciência de Dados trata-se de uma área interdisciplinar relacionada a análise de dados, a qual objetiva a extração de conhecimento e possíveis tomadas de decisão acerca de problemáticas especificas. Nesse contexto, os dados abertos governamentais, que muitas vezes necessitam de pré-tratamentos e métodos computacionais para processamento acerca dos seus conjuntos de dados, apresentam-se como potenciais fontes de informações a serem exploradas na ótica de Ciência de Dados, possibilitando o desenvolvimento de estratégias cada vez mais eficientes e otimizadas em gestão pública. Diante disso, e aliado as recentes discussões relacionadas a reforma na previdência social brasileira, essa dissertação apresenta dois estudos de caso referentes a análises no sistema previdenciário nacional. O primeiro estudo utilizou os microdados referentes aos censos demográficos de 2000 e 2010, disponibilizados pelo IBGE, propondo avaliar a participação que as aposentadorias e pensões possuem na desigualdade de renda da população nos anos avaliados acerca dos estados e municípios brasileiros. Os resultados mostram que, embora os benefícios analisados contribuam para a concentração de renda no Brasil, a parcela correspondente até um salário mínimo contribui para a desconcentração da renda, e aquela acima de um salário contribui para a concentração, sendo um padrão repetitivo em todo o território nacional. Por outro lado, o segundo estudo propôs uma avaliação dos impactos que a reforma da previdência, proposta pela PEC 06/2019, causaria acerca das concessões dos benefícios de aposentadoria entre o período de 1995 a 2016. Observou-se que a PEC 06/2019 dificultaria o acesso aos benefícios, na qual, aproximadamente 83,28% das aposentadorias não haveriam sido concedidas se a mesma já estivesse em vigor desde 1995.
Acesso aberto (Open Access)
Ciência de dados e aprendizado de máquina aplicados ao estudo de variáveis epidemiológica hanseníase na Amazônia
(Universidade Federal do Pará, 2024-12-18) FALCÃO, Igor Wenner Silva; CARDOSO, Diego Lisboa; http://lattes.cnpq.br/0507944343674734; SERUFFO, Marcos César da Rocha; http://lattes.cnpq.br/3794198610723464
A hanseníase é um problema de saúde pública significativo que afeta, em grande parte, populações de baixo nível sócioeconômico. Embora a Organização Mundial da Saúde (OMS) estabeleça diretrizes para diagnóstico, prevenção e tratamento, a detecção da doença enfrenta limitacões, frequentemente resultando em diagnósticos tardios ou imprecisos e levando a complicações neurológicas graves e casos multirresistentes. Portanto, o diagnóstico precoce é essencial para reduzir a carga dessa doença. O aprendizado de máquina vem sendo largamente utilizado em diversas áreas da ciência e da indústria, mas especialmente na saúde, área em que desempenha um papel essencial na análise e tratamento de grandes volumes de dados. Neste sentido, esta tese investiga a aplicação de um modelo baseado em Ciência de Dados e Aprendizado de Máquina para atuar na especificação do perfil clínico de possíveis casos da hanseníase na Região Amazônica e, com isso, poder-se agir preventivamente no diagnóstico precoce e tratamento de pacientes em acompanhamento médico. O trabalho leva em consideracão dados clínicos de pacientes provenientes de um conjunto de dados não públicos, coletados entre 2015 e 2020 na região Norte do Brasil. Logo, esta tese propõe um modelo de aprendizado para identificar grupos clinicamente afetados pela doença usando técnicas de Agrupamento e Random Forest. Nos resultados obtidos, o modelo proposto demonstrou eficiência ao avaliar a probabilidade de indivíduos estarem doentes, alcançando uma precisão de 90,39% na avaliação de performance e identificando uma probabilidade de 83,46% de um indivíduo estar doente, considerando um conjunto de variáveis epidemiológicas e não genéricas. Essa abordagem oferece uma visão promissora para o futuro da saúde, permitindo a formulação de estratégias eficazes para a identificação precoce de possíveis casos.
Acesso aberto (Open Access)
Data science aplicado a dados abertos do Governo Federal: estudos de caso sobre a economia dos municípios brasileiros.
(Universidade Federal do Pará, 2020-03-13) SANTOS, Sandio Maciel dos; SILVA, Marcelino Silva da; http://lattes.cnpq.br/7080513172499497
O processo de análise de dados nos últimos anos obteve bastante destaque no cenário brasileiro a partir da concessão da Lei 12.527/2011, a qual garante o acesso à informação pública, permitindo uma melhor transparência dos gastos públicos pela sociedade. Aliado à isso, inúmeras discussões surgiram em torno da utilização dos microdados governamentais brasileiros, entre elas destacamos as discussões sobre a reforma da previdência social e as análises voltados a saúde fiscal dos municípios brasileiros através de abordagens previdenciárias. Assim, este trabalho foca na utilização da Data Science, especificamente no processo de KDD para analisar microdados dos municípios brasileiros. Assim, neste trabalho são feitas duas abordagens diferentes nos a primeira realiza uma análise estatística descritiva e sem inferências, para compreender a saúde fiscal dos municípios brasileiros entre 2010 a 2017, por meio das transferências do RGPS. A segunda abordagem de análise fiscal via o modelo STVAR através das seguintes variáveis: despesa, receita e PIB do município de São Paulo. Os resultados da análise I apontam que municípios que possuem populações superior 100 habitantes não exibem défice mediante a diferença entre arrecadações municipais e transferências do RGPS. Na análise II os resultados encontrados mostram que ciclo econômico analisado ao sofrer choque exógeno (ou, impulso externo) pode gera alteração nos estados de recessão e expansão como duração média de 12 meses.