Using data mining with time series data in short-term stocks prediction

Data Mining (DM) methods are being increasingly used in prediction with time series data, in addition to traditional statistical approaches. This paper presents a literature review of the use of DM with time series data, focusing on short- time stocks prediction. This is an area that has been attracting a great deal of attention from researchers in the field. The main contribution of this paper is to provide an outline of the use of DM with time series data, using mainly examples related with short-term stocks prediction. This is important to a better understanding of the field. Some of the main trends and open issues will also be introduced.

On the analysis of data emerging in non-linear and complex systemscomparison of two X-Ray prony spectra

New arguments proving that successive (repeated) measurements have a memory and actually remember each other are presented. The recognition of this peculiarity can change essentially the existing paradigm associated with conventional observation in behavior of different complex systems and lead towards the application of an intermediate model (IM). This IM can provide a very accurate fit of the measured data in terms of the Prony's decomposition. This decomposition, in turn, contains a small set of the fitting parameters relatively to the number of initial data points and allows comparing the measured data in cases where the “best fit” model based on some specific physical principles is absent. As an example, we consider two X-ray diffractometers (defined in paper as A- (“cheap”) and B- (“expensive”) that are used after their proper calibration for the measuring of the same substance (corundum a-Al2O3). The amplitude-frequency response (AFR) obtained in the frame of the Prony's decomposition can be used for comparison of the spectra recorded from (A) and (B) - X-ray diffractometers (XRDs) for calibration and other practical purposes. We prove also that the Fourier decomposition can be adapted to “ideal” experiment without memory while the Prony's decomposition corresponds to real measurement and can be fitted in the frame of the IM in this case. New statistical parameters describing the properties of experimental equipment (irrespective to their internal “filling”) are found. The suggested approach is rather general and can be used for calibration and comparison of different complex dynamical systems in practical purposes.

PIASA: A power and interference aware resource management strategy for heterogeneous workloads in cloud data centers

Cloud data centers have been progressively adopted in different scenarios, as reflected in the execution of heterogeneous applications with diverse workloads and diverse quality of service (QoS) requirements. Virtual machine (VM) technology eases resource management in physical servers and helps cloud providers achieve goals such as optimization of energy consumption. However, the performance of an application running inside a VM is not guaranteed due to the interference among co-hosted workloads sharing the same physical resources. Moreover, the different types of co-hosted applications with diverse QoS requirements as well as the dynamic behavior of the cloud makes efficient provisioning of resources even more difficult and a challenging problem in cloud data centers. In this paper, we address the problem of resource allocation within a data center that runs different types of application workloads, particularly CPU- and network-intensive applications. To address these challenges, we propose an interference- and power-aware management mechanism that combines a performance deviation estimator and a scheduling algorithm to guide the resource allocation in virtualized environments. We conduct simulations by injecting synthetic workloads whose characteristics follow the last version of the Google Cloud tracelogs. The results indicate that our performance-enforcing strategy is able to fulfill contracted SLAs of real-world environments while reducing energy costs by as much as 21%.

Há Vida no Bairro! Um Projeto de Educação e Intervenção Social

O presente Relatório reflete um Projeto de Educação e Intervenção Social realizado no Empreendimento Social Padre Américo, intitulado de “Há Vida no Bairro!” que teve inicio em outubro de 2014 e, à data de escrita deste relatório, ainda se encontra em desenvolvimento. O Projeto seguiu a Metodologia de Investigação Ação Participativa tendo sido desenvolvido com os moradores do Empreendimento Social, com a finalidade de melhorar a qualidade de vida dos residentes. Partiu-se de uma análise do contexto, do bairro e dos seus moradores e, percebeu-se que existiam quatro grandes problemas: sentimentos de isolamento e de exclusão/discriminação; conflitos relacionais entre os moradores; monotonia no quotidiano das pessoas e baixos recursos económicos. Assim foram definidos dois objetivos gerais: combater os sentimentos de exclusão social dos sujeitos e promover dinâmicas relacionais satisfatórias, entre os moradores, de forma a desenvolver uma maior coesão e espírito de comunidade. Neste sentido foram definidas três ações: “Entre dedal e agulha: atelier de costura”; “O Bairro a mexer” e “Os jovens e o Bairro”. Verificou-se que os moradores do Empreendimento desenvolveram e ampliaram as suas redes de vizinhança; ocuparam o seu tempo de uma forma satisfatória; desenvolveram estratégias de resolução de conflitos; desenvolveram competências pessoais, sociais e profissionais e desenvolveram o sentimento de pertença ao bairro.

O impacto do capital intelectual na performance

Para as organizações sobreviverem num novo ambiente competitivo, tiveram que deixar de procurar obter vantagens competitivas nos seus recursos tangíveis para as procurarem nos ativos intangíveis. Assim, várias investigações comprovam a necessidade de se dar a devida importância ao conceito de Capital Intelectual como fonte de criação de vantagens competitivas para as organizações. Esta importância aplica-se a vários níveis de análise entre os quais o setor público. Esta investigação visa analisar a importância relativa de cada dimensão do capital intelectual de uma Instituição de Ensino, bem como o impacto do mesmo na performance (percecionada pelos seus stakeholders). Nesta dissertação adotamos o método de Estudo de Caso, utilizando uma abordagem mista – quantitativa e qualitativa. Utilizámos variadas técnicas na recolha de dados, tais como: entrevista, registo de áudio e questionários. Relativamente à análise de dados, efetuamos uma análise de conteúdo, análise de documentos e análise estatística. Ao nível de resultados, a análise qualitativa sugere que as três dimensões do Capital Intelectual (Capital Humano, Capital Estrutural e Capital Relacional) devem possuir a mesma importância relativa para avaliar o capital intelectual de uma Instituição de Ensino. Os resultados quantitativos sugerem que o capital intelectual tem impacto na performance, o que está em linha com a literatura sobre o tema. Finalmente, considerámos que esta tese contribui para uma sensibilização relativamente à importância do capital intelectual para melhorar a gestão e performance em contextos educacionais.