Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/58394
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | PRUDÊNCIO, Ricardo Bastos Cavalcante | - |
dc.contributor.author | ARRUDA, Patrícia Arcelo de Arruda | - |
dc.date.accessioned | 2024-10-31T21:54:34Z | - |
dc.date.available | 2024-10-31T21:54:34Z | - |
dc.date.issued | 2024-10-08 | - |
dc.date.submitted | 2024-10-31 | - |
dc.identifier.citation | ARRUDA, Patrícia Arcelo de. Desenvolvimento de modelos explicáveis de Inteligência Artificial para classificação de sinistros de trânsito em rodovias federais de Pernambuco. 2024. Trabalho de Conclusão de Curso (Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/58394 | - |
dc.description.abstract | Promover a explicabilidade de modelos de inteligência artificial pode propiciar novos conhecimentos e a descoberta de padrões e relacionamentos do problema estudado. Com essa motivação, este trabalho busca contribuir para o entendimento dos fatores de influência dos sinistros de trânsito nas rodovias federais de Pernambuco. Mediante técnicas de aprendizado de máquina supervisionado, os acidentes serão classificados conforme a sua causa e conforme sua gravidade, aplicando-se métodos de Inteligência Artificial Explicável (XAI) para compreensão das predições. Pretende-se contribuir possibilitando insights relevantes para políticas preventivas voltadas à redução dos sinistros de trânsito. | pt_BR |
dc.format.extent | 59 p. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Inteligência Artificial Explicável (XAI) | pt_BR |
dc.subject | Aprendizado de máquina | pt_BR |
dc.subject | Modelos de classificação | pt_BR |
dc.subject | Causa e gravidade de acidentes de trânsito | pt_BR |
dc.subject | Rodovias federais de Pernambuco | pt_BR |
dc.subject | Fatores de influência | pt_BR |
dc.title | Desenvolvimento de modelos explicáveis de Inteligência Artificial para classificação de sinistros de trânsito em rodovias federais de Pernambuco | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.degree.level | Graduacao | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/2984888073123287 | pt_BR |
dc.description.abstractx | Promoting the explainability of artificial intelligence models can provide new knowledge and uncover patterns and relationships within the studied problem. With this motivation, this work aims to contribute to the understanding of the influencing factors of traffic accidents on the federal highways of Pernambuco. Through supervised machine learning techniques, accidents will be classified according to their cause and severity, applying eXplainable Artificial Intelligence (XAI) methods to understand the predictions. This contribution intends to provide insights relevant for preventive policies aimed at reducing traffic accidents. | pt_BR |
dc.degree.departament | ::(CIN-DCC) - Departamento de Ciência da Computação | pt_BR |
dc.degree.graduation | ::CIn-Curso de Ciência da Computação | pt_BR |
dc.degree.grantor | Universidade Federal de Pernambuco | pt_BR |
dc.degree.local | Recife | pt_BR |
Aparece nas coleções: | (TCC) - Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC Patrícia Arcelo de Arruda.pdf | 4,76 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons