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%.

Gestão de recursos humanos na indústria do turismo em Portugal: tendências futuras do capital humano: um estudo exploratório em unidades hoteleiras no Distrito de Coimbra

No setor do turismo, devido a evolução social e tecnológica, surgiram exigências relativamente ao conhecimento, inovação, informação e qualidade, que resultaram numa maior procura de perfis profissionais adaptados às necessidades a médio prazo (Eurico, 2012). Assim, as unidades hoteleiras têm sentido uma forte necessidade de recrutar e reter pessoas qualificadas e capazes de antecipar múltiplos fatores decisivos na satisfação do cliente. Neste sentido, o presente estudo procura explorar e compreender as tendências futuras ao nível do Capital Humano na indústria do Turismo, mais especificamente no que respeita as unidades hoteleiras, tendo como amostra unidades localizadas no distrito de Coimbra. A análise incidiu nas competências específicas requeridas no setor, qualificações, formação profissional, recrutamento e seleção, sistema de remuneração e recompensa e do sistema de progressão na carreira. Assim, foi escolhido para o presente estudo a metodologia qualitativa, em que os dados foram recolhidos a partir do inquérito por entrevista realizado a sete Diretores e um assistente de direção de oito unidades hoteleiras no Distrito de Coimbra. Para o tratamento dos dados foi aplicada a análise do conteúdo através do processo de preparação das entrevistas transcritas, que, após uma leitura exaustiva, foram transformados em unidades de análise que permitiram a criação de categorias dessas unidades. Após a criação de categorias de análise foi possível realizar a descrição através de uma síntese dos dados fazendo uso de citações diretas dos dados recolhidos. Por fim, foi realizada a interpretação dos dados que traduz-se na relação das categorias das unidades de análise e a fundamentação teórica presente neste estudo (Santos, 2012). Os resultados obtidos a partir deste estudo revelam que os requisitos exigidos para os colaboradores e para determinadas práticas de gestão de recursos humanos nas unidades hoteleiras atualmente e num futuro próximo serão essencialmente os mesmos. Todavia, foi possível estabelecer o perfil ideal dos futuros colaboradores das unidades hoteleiras e tendências de práticas de gestão de recursos humanos como formação e desenvolvimento, recrutamento e seleção, planos de progressão na carreira e sistemas de remuneração e recompensa. Foi igualmente possível verificar que a maioria das unidades hoteleiras analisadas é de pequena e média dimensão não dispõe de um departamento de Recursos Humanos, sendo aplicada pelos gestores de topo.