Desenvolvimento de novos métodos baseados em computação natural para problemas envolvendo big data

Resumo: Nos últimos anos, o volume de dados produzidos e armazenados em formato digital tem crescido vertiginosamente. Dá-se o nome de big data o campo de estudo que lida com grandes volumes de informações, de alto valor agregado, grande variedade e com alta velocidade de coleta, processamento e disponibilidade. Atualmente, big data está presente em diversas áreas, como comércio, negócios, serviços, administração pública, pesquisa científica. Existem muitos desafios a serem vencidos na área de big data, devido principalmente ao grande volume de dados envolvidos e o esforço computacional necessário para coletá-los, tratá-los, processá-los, armazená-los e disponibilizá-los em tempo real. Nesse aspecto, a computação natural, com seus diferentes métodos se apresenta como promissores para permitir a criação de metodologias híbridas para solução de problemas envolvendo big data. O presente projeto tem como objetivo desenvolver novas metodologias híbridas para resolução de problemas de classificação de dados e predição de séries temporais envolvendo big data utilizando técnicas fuzzy para o tratamento de dados de usuários. Para aprimorar as informações geradas, um sistema multi-agente utilizará algoritmos evolutivos para inferir novas regras e otimizar os seus resultados, e redes neurais com diferentes algoritmos de aprendizado para aprender sobre os usuários e suas preferências.

Data de início: 01/03/2014
Prazo (meses): 53

Participantes:

Papel	Nome
Aluno Doutorado	CARLOS ALEXANDRE SIQUEIRA DA SILVA
Coordenador	RENATO ANTÔNIO KROHLING