Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/45942
Tipo: TCC
Título: Aprendizagem de máquina para apoio à predição de vendas para empresas do ramo de locação de equipamentos para eventos
Autor(es): Carvalho, Ítalo Boss Lima
Moreira, Leonardo Oliveira
Palavras-chave: Máquina;Predição de vendas;Aprendizagem de máquina
Data do documento: 2018
Citação: CARVALHO, Ítalo Boss Lima; MOREIRA, Leonardo Oliveira. Aprendizagem de máquina para apoio à predição de vendas para empresas do ramo de locação de equipamentos para eventos. Artigo apresentado ao Curso de Sistemas e Mídias Digitais da Universidade Federal do Ceará, em 2018, como requisito para obtenção do título de bacharel em Sistemas e Mídias Digitais.
Resumo: O crescimento do numero de eventos têm favorecido o setor de prestação de serviços e estratégias que possam aumentar a eficiência de empresas do ramo podem garantir seu equilíbrio. Sendo assim, o uso de técnicas de Aprendizagem de Maquina pode auxiliar as empresas em tomadas de decisão. Para isso, o presente trabalho, utilizando a metodologia de Mineração de Dados, se propõe a desenvolver uma ferramenta, implementada na linguagem Java e utilizando a ferramenta WEKA, que auxilie na predição de vendas para empresas de locação de equipamentos para eventos.
Abstract: The growth in the number of events have favored the service sector and strategies that can increase the efficiency of companies in the industry can guarantee their balance. Thus, the use of Machine Learning techniques can help companies in decision making. For this, the present work, using the methodology of Data Mining, proposes to develop a tool, implemented in the language Java and using the tool WEKA, that helps in the prediction of sales to companies of equipment rental for events
URI: http://www.repositorio.ufc.br/handle/riufc/45942
Aparece nas coleções:SISTEMAS E MÍDIAS DIGITAIS - Artigos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2018_art_iblcarvalho.pdf292,33 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.