Detecção de padrões de desempenho académico no ensino superior

O paradigma de avaliação do ensino superior foi alterado em 2005 para ter em conta, para além do número de entradas, o número de alunos diplomados. Esta alteração pressiona as instituições académicas a melhorar o desempenho dos alunos. Um fenómeno perceptível ao analisar esse desempenho é que a performance registada não é nem uniforme nem constante ao longo da estadia do aluno no curso. Estas variações não estão a ser consideradas no esforço de melhorar o desempenho académico e surge motivação para detectar os diferentes perfis de desempenho e utilizar esse conhecimento para melhorar a o desempenho das instituições académicas. Este documento descreve o trabalho realizado no sentido de propor uma metodologia para detectar padrões de desempenho académico, num curso do ensino superior. Como ferramenta de análise são usadas técnicas de data mining, mais precisamente algoritmos de agrupamento. O caso de estudo para este trabalho é a população estudantil da licenciatura em Eng. Informática da FCT-UNL. Propõe-se dois modelos para o aluno, que servem de base para a análise. Um modelo analisa os alunos tendo em conta a sua performance num ano lectivo e o segundo analisa os alunos tendo em conta o seu percurso académico pelo curso, desde que entrou até se diplomar, transferir ou desistir. Esta análise é realizada recorrendo aos algoritmos de agrupamento: algoritmo aglomerativo hierárquico, k-means, SOM e SNN, entre outros.

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.

From user browsing behaviour to user demographics

A Internet conta hoje com mais de 3 mil milhões de utilizadores e esse valor não para de aumentar. Desta forma, proporcionar uma experiência online agradável aos seus utilizadores é cada vez mais importante para as empresas. De modo a tirar partido dos benefícios deste crescimento, as empresas devem ser capazes de identificar os seus clientes-alvo dentro do total de utilizadores; e, subsequentemente, personalizar a sua experiência online. Existem diversas formas de estudar o comportamento online dos utilizadores; no entanto, estas não são ideais e existe uma ampla margem para melhoria. A inovação nesta área pode comportar um grande potencial comercial e até ser disruptiva. Com isto em mente, proponho-me a estudar a possível criacão de um sistema de aprendizagem automática (machine learning) que permita prever informa ações demográficas dos utilizadores estritamente com base no seu comportamento online. Tal sistema poderia constituir uma alternativa às atuais opções, que são mais invasivas; mitigando assim preocupações ao nível da proteção de dados pessoais. No primeiro capítulo (Introdução) explico a motivação para o estudo do comportamento dos utilizadores online por parte de empresas, e descrevo as opções disponíveis atualmente. Apresento também a minha proposta e o contexto em que assenta. O capítulo termina com a identicação de limitações que possam existir a priori. O segundo capítulo (Machine Learning) fornece uma introdução sobre machine learning, com o estudo dos algoritmos que vão ser utilizados e explicando como analisar os resultados. O terceiro capítulo (Implementação) explica a implementação do sistema proposto e descreve o sistema que desenvolvi no decorrer deste estudo, e como integra-lo em sistemas já existentes. No quarto capítulo (Análise e manipulação dos dados), mostro os dados compilados e explico como os recolhi e manipulei para testar a hipótese. No quinto capítulo (Análise de dados e discussão) vemos como e que os dados recolhidos foram usados pelos vários algoritmos para descobrir como se correlacionam com dados dos utilizadores e analiso e discuto os resultados observados. Por fim, o sexto e último capítulo apresenta as conclusões. Dependendo dos resultados, mostro como a hipótese poderia ser melhor testada, ou então discuto os próximos passos para tornar o sistema realidade.

Consideraciones prácticas para la utilización de técnicas de estimación de estado en sistemas de potencia.

Tesis (Maestría en Ciencias en Ingeniería Eléctrica con Especialidad en Potencia) UANL

Control de seguimiento de trayectorias en sistemas no lineales con incertidumbre, aplicación a robots manipuladores Luis Alberto Rodríguez García

Tesis (Maestría en Ciencias en Ingeniería Eléctrica, con especialidad en Control). U. A. N. L.

Controlador neuronal difuso análisis de estabilidad [por] Víctor Vega Domínguez

Tesis (Maestría en Ciencias en Ingeniería Eléctrica, con especialidad en Control). U. A. N. L.

Desarrollo e implementación de un algoritmo genético que resuelve el problema de programación de tareas en dos máquinas por Víctor Hugo Ordaz Gaitán

Tesis (Maestría en Ciencias de la Administración con Especialidad en Sistemas) U.A.N.L.

Diseño de un control para sistemas con flujos magnéticos

Tesis (Maestro en Ciencas de la Ingeniería Eléctrica con Especialidad en Control) - Universidad Autónoma de Nuevo León, 2000

Clasificación de fallas y oscilaciones en un sistema eléctrico utilizando el algoritmo de percepción difuso

Tesis ( Maestro en Ciencias de la Administración con Especialidad en Sistemas) U.A.N.L.

Detección e identificación de errores topológicos mediante una técnica de estimación de estado generalizado

Tesis ( Maestro en Ciencias de la Ingeniería Eléctrica con Especialidad en Potencia) U.A.N.L.

Estimación de estado con mediciones fasoriales sincronizadas

Tesis (Maestro en Ciencias de la Ingeniería Eléctrica con Especialidad en Potencia) U.A.N.L.

Modelos de optimización entera mixta no lineal en sistemas de transporte de gas natural

Tesis ( Maestro en Ciencias de la Ingeniería de Sistemas) U.A.N.L.

Nuevo algoritmo de protección de distancia basado en el reconocimiento de patrones de onda viajera

Tesis (Maestro en Ciencias de la Ingeniería Eléctrica con Especialidad en Potencia) U.A.N.L.

Diseño de un control Backstepping para un motor de pasos

Tesis (Maestro en Ciencias de la Ingeniería con Especialidad en Control Automático) U.A.N.L.

Control de robots con flexibilidad en el eslabón

Tesis (Doctor en Ingeniería Eléctrica) UANL, 1999.