Métodos de aprendizagem automática: um estudo baseado na avaliação e previsão de clientes bancários

Data Mining surge, hoje em dia, como uma ferramenta importante e crucial para o sucesso de um negócio. O considerável volume de dados que atualmente se encontra disponível, por si só, não traz valor acrescentado. No entanto, as ferramentas de Data Mining, capazes de transformar dados e mais dados em conhecimento, vêm colmatar esta lacuna, constituindo, assim, um trunfo que ninguém quer perder. O presente trabalho foca-se na utilização das técnicas de Data Mining no âmbito da atividade bancária, mais concretamente na sua atividade de telemarketing. Neste trabalho são aplicados catorze algoritmos a uma base de dados proveniente do call center de um banco português, resultante de uma campanha para a angariação de clientes para depósitos a prazo com taxas de juro favoráveis. Os catorze algoritmos aplicados no caso prático deste projeto podem ser agrupados em sete grupos: Árvores de Decisão, Redes Neuronais, Support Vector Machine, Voted Perceptron, métodos Ensemble, aprendizagem Bayesiana e Regressões. De forma a beneficiar, ainda mais, do que a área de Data Mining tem para oferecer, este trabalho incide ainda sobre o redimensionamento da base de dados em questão, através da aplicação de duas estratégias de seleção de atributos: Best First e Genetic Search. Um dos objetivos deste trabalho prende-se com a comparação dos resultados obtidos com os resultados presentes no estudo dos autores Sérgio Moro, Raul Laureano e Paulo Cortez (Sérgio Moro, Laureano, & Cortez, 2011). Adicionalmente, pretende-se identificar as variáveis mais relevantes aquando da identificação do potencial cliente deste produto financeiro. Como principais conclusões, depreende-se que os resultados obtidos são comparáveis com os resultados publicados pelos autores mencionados, sendo os mesmos de qualidade e consistentes. O algoritmo Bagging é o que apresenta melhores resultados e a variável referente à duração da chamada telefónica é a que mais influencia o sucesso de campanhas similares.

Contribution to drug discovery and development for tauopathies using yeast as a model

This work aimed to contribute to drug discovery and development (DDD) for tauopathies, while expanding our knowledge on this group of neurodegenerative disorders, including Alzheimer’s disease (AD). Using yeast, a recognized model for neurodegeneration studies, useful models were produced for the study of tau interaction with beta-amyloid (Aβ), both AD hallmark proteins. The characterization of these models suggests that these proteins co-localize and that Aβ1-42, which is toxic to yeast, is involved in tau40 phosphorylation (Ser396/404) via the GSK-3β yeast orthologue, whereas tau seems to facilitate Aβ1-42 oligomerization. The mapping of tau’s interactome in yeast, achieved with a tau toxicity enhancer screen using the yeast deletion collection, provided a novel framework, composed of 31 genes, to identify new mechanisms associated with tau pathology, as well as to identify new drug targets or biomarkers. This genomic screen also allowed to select the yeast strain mir1Δ-tau40 for development of a new GPSD2TM drug discovery screening system. A library of unique 138 marine bacteria extracts, obtained from the Mid-Atlantic Ridge hydrothermal vents, was screened with mir1Δ-tau40. Three extracts were identified as suppressors of tau toxicity and constitute good starting points for DDD programs. mir1Δ strain was sensitive to tau toxicity, relating tau pathology with mitochondrial function. SLC25A3, the human homologue of MIR1, codes for the mitochondrial phosphate carrier protein (PiC). Resorting to iRNA, SLC25A3 expression was silenced in human neuroglioma cells, as a first step towards the engineering of a neural model for replicating the results obtained in yeast. This model is essential to understand the mechanisms of tau toxicity at the mitochondrial level and to validate PiC as a relevant drug target. The set of DDD tools here presented will foster the development of innovative and efficacious therapies, urgently needed to cope with tau-related disorders of high human and social-economic impact.