Este trabalho apresenta um estudo exploratório sobre a aplicação do modelo ARIMA diretamente no banco de dados Vertica para previsão da velocidade do vento. Utilizou-se um conjunto de dados do projeto EOSOLAR, com medições de perfis verticais de vento na região costeira do Maranhão. A avaliação considerou as métricas RMSE (Root Mean Squared Error) e MAE (Mean Absolute Error) sobre 105 modelos treinados. O estudo investigou se a abordagem in-database do ARIMA no Vertica poderia oferecer modelagem eficiente para a previsão da velocidade do vento. Os resultados mostraram que modelos com baixa complexidade alcançaram bom desempenho preditivo.
Este artigo propõe uma abordagem inovadora para otimização de portfólios de ativos de alta volatilidade, integrando previsão de retorno com CNN+BiLSTM ao Modelo do Índice de Sharpe (MIS). O objetivo é adaptar o MIS às particularidades do mercado de ativos de alta volatilidade, marcado por alta volatilidade, distribuições não normais e forte correlação entre ativos. A metodologia utiliza um modelo que estima o retorno médio e a variância futura dos ativos, fornecendo entradas mais precisas ao MIS e originando o Modelo do Índice de Sharpe com Previsão (MIScP). Os resultados mostram que o MIScP supera o MIS, com ganho acumulado médio de 68,88%, contra -19,76% com o MIS em 75 dias.
O sistema educacional brasileiro enfrenta desafios estruturais e socioeconômicos, refletidos no acesso desigual à educação e nos baixos índices de desempenho acadêmico, especialmente em regiões vulneráveis. A análise de indicadores educacionais auxilia na identificação de mudanças estruturais no ensino, avaliação da efetividade de políticas implementadas e monitoramento da evolução da qualidade educacional. Este trabalho visa identificar fatores relacionados às desigualdades educacionais no Brasil e compreender a evolução das desigualdades ao longo dos anos, oferecendo informações úteis para a formulação de políticas públicas mais eficazes e a alocação estratégica de recursos. Utilizou-se clusterização de indicadores educacionais e de desempenho escolar, a partir de dados de diversos indicadores educacionais dos anos de 2015, 2019 e 2021 fornecidos pelo INEP. Foi possível identificar grupos de municípios com perfis mais semelhantes e indicadores que melhor discriminam tais grupos. Além disso, uma análise de evolução de clusters permitiu uma avaliação temporal da qualidade do ensino.
Este artigo apresenta uma solução baseada em computação em nuvem para a transcrição, armazenamento estruturado e análise de áudios provenientes da operação de sistemas elétricos. A ferramenta desenvolvida utiliza o Elasticsearch para armazenamento e indexação eficiente dos dados transcritos, e integra-se a pipelines de ciência de dados para rotulagem semiautomática, avaliação de operadores e visualização via Business Intelligence (BI). A arquitetura proposta é agnóstica ao provedor de nuvem e foi validada em ambientes AWS, GCP e Azure. Experimentos demonstram uma redução média de 83,3% no tempo de busca por eventos operacionais, evidenciando o potencial da solução para auditoria, eficiência informacional e confiabilidade do setor elétrico.
This paper examines GPT-2 based data augmentation to improve sentiment classification of Portuguese mobile app reviews, employing the BERTimbau model. A pipeline is proposed, integrating synthetic data generation with semantic analysis, UMAP for dimensionality reduction, and HDBSCAN for clustering and validation. Results show validated and balanced synthetic augmentation boosts model performance in sparse or imbalanced data scenarios.
