Vitor Fabrile Guastala

Formação complementar

Idiomas

Projetos de pesquisa

• 2019 - 2020

  Aprendizado profundo aplicado na classificação e detecção de dados complexos, Descrição: Com a criação e popularização das redes sociais, o termo engajamento tornou-se importante para as grandes marcas. Esse termo refere-se a uma maneira de entender como o público interage com as marcas, a partir de curtidas, comentários, compartilhamentos, dentre outras métricas utilizadas para avaliar a ligação entre público e marcas nas redes sociais. Além disso, o volume de dados gerado por todo planeta vem crescendo de maneira exponencial, e, tendo em mente que os meios mais contribuintes para a geração desses dados são as redes sociais, cerca de 80% desses dados são não-estruturados, ou seja, não possuem uma estrutura pré-definida, ou estão em diferentes formatos, como é o exemplo das imagens. Assim, o conceito de Big Data surgiu com a necessidade de interpretar e analisar esse grande conjunto de dados, e unido a técnicas de recomendações oriundas do deep learning, ou, aprendizado profundo, empresas são capazes de fazer com que informações cheguem aos seus clientes sem que ele necessite buscar por essas informações. Dessa maneira, por serem mais atrativas do que textos convencionais, as imagens são importantes na influência das escolhas dos usuários sobre as recomendações, logo, analisá-las traz benefícios no engajamento. Sabendo disso, o objetivo dessa pesquisa foi desenvolver, utilizando técnicas de deep learning, uma rede neural convolucional (convolutional neural network, CNN) capaz de aprender e classificar imagens julgadas interessantes e desinteressantes para a rede social Instagram em um determinado nicho.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Doutorado: (1) . , Integrantes: Vitor Fabrile Guastala - Integrante / Pedro Henrique Bugatti - Coordenador.

• 2018 - 2019

  Análise de sentimentos por meio do algoritmo KNN para predição da oscilação da bolsa de valores., Descrição: Cerca de 90% dos dados de todo o planeta foram gerados nos últimos dois anos, e esse volume de dados vem crescendo exponencialmente. Além disso, 80% desses dados são não-estruturados, ou seja, não possuem uma estrutura pré-definida, ou estão em diferentes formatos. Com a necessidade de interpretar e analisar esse grande conjunto de dados, surge o conceito de Big Data, unido à análise de sentimento. Um projeto de Big Data pode ser aplicado em diversos domínios de aplicação, como o mercado de ações. Ser capaz de analisar as ações das empresas de forma apropriada, determina o sucesso dos melhores investidores. Por isso, esta pesquisa analisou tweets em português brasileiro, referentes às empresas listadas na bolsa de valores brasileira, a Brasil, Bolsa, Balcão (B3), com o objetivo de realizar a análise de sentimento, aplicando um método de aprendizado de máquina supervisionado, o algoritmo K-Nearest Neighbours (K-NN), com o intuito de classificar tweets automaticamente. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) / Doutorado: (1) . , Integrantes: Vitor Fabrile Guastala - Integrante / Giovani Volnei Meinerz - Coordenador / João Guilherme Squinelato de Melo - Integrante / Thaysla Fernanda Gomez da Cruz - Integrante.