dc.contributor.author | Godinho, Rodrigo Lemos | |
dc.date.accessioned | 2023-09-05T18:31:10Z | |
dc.date.available | 2023-09-05T18:31:10Z | |
dc.date.issued | 2023-08-29 | |
dc.identifier.citation | GODINHO, Rodrigo Lemos. Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18516. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/18516 | |
dc.description.abstract | Family farming is characterized as any form of land cultivation managed by a family, employing its own members as the main labor force. Most agricultural establishments in Brazil fit this definition, however, the area occupied by these farmers and the available resources are much smaller compared with that of large agricultural companies. With limited area and resources, it is extremely important that small farmers are able to optimize their production to ensure the sustainability of their business. The objective of this work is to study and compare the performance of different machine learning techniques in the task of predicting time series of horticultural products prices for short term periods, in order to help small farmers to negotiate a fair price for their merchandise. From the results obtained by the induced models, it was possible to conclude that the Random Forests, Support Vector Regression and Long Short-Term Memory techniques have a similar performance in the task of predicting prices of fruits and vegetables. In addition, the models have the potential to be used as tools capable of assisting producers when selling their merchandise. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-ShareAlike 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-sa/3.0/br/ | * |
dc.subject | Aprendizado de máquina | por |
dc.subject | Séries temporais | por |
dc.subject | Análise preditiva | por |
dc.subject | Hortifrutícolas | por |
dc.subject | Machine learning | eng |
dc.subject | Time series | eng |
dc.subject | Forecasting | eng |
dc.subject | Horticultural | eng |
dc.title | Análise comparativa entre técnicas de aprendizado de máquina aplicadas para a predição de preços de produtos hortifrutícolas | por |
dc.title.alternative | Comparative analysis between machine learning techniques applied to predict prices of horticultural products | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Valejo, Alan Demétrius Baria | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/9546164790189830 | por |
dc.description.resumo | A agricultura familiar é caracterizada como toda forma de cultivo de terra administrada por uma família, empregando como principal mão de obra seus próprios membros. A maior parte dos estabelecimentos agrícolas do Brasil se enquadram nessa definição, contudo, a área ocupada por esses agricultores e os recursos disponíveis são muito inferiores em comparação aos grandes produtores. Com área e recursos diminutos, é de suma importância que os pequenos agricultores sejam capazes de otimizar sua produção para garantir a sustentabilidade do seu negócio. O objetivo deste trabalho é estudar e comparar o desempenho de diferentes técnicas de Aprendizado de Máquina na tarefa de predição de séries temporais do preço de produtos hortifrutícolas para períodos de curto prazo, a fim de auxiliar os pequenos agricultores na negociação de um preço justo para sua mercadoria. A partir dos resultados obtidos pelos modelos induzidos, foi possível concluir que as técnicas de Florestas Aleatórias, Regressão por Vetores Suporte e Redes de Memória Longa de Curto Prazo têm um desempenho parecido na tarefa de predição de preços de produtos hortifrutícolas. Além disso, os modelos apresentam potencial para serem utilizados como ferramentas capazes de auxiliar o produtor no momento de venda dos seus produtos. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/9097860814221584 | por |
dc.publisher.course | Engenharia de Computação - EC | por |