Skip navigation
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 DCValorIdioma
dc.contributor.advisorPRUDÊNCIO, Ricardo Bastos Cavalcante-
dc.contributor.authorARRUDA, Patrícia Arcelo de Arruda-
dc.date.accessioned2024-10-31T21:54:34Z-
dc.date.available2024-10-31T21:54:34Z-
dc.date.issued2024-10-08-
dc.date.submitted2024-10-31-
dc.identifier.citationARRUDA, 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.urihttps://repositorio.ufpe.br/handle/123456789/58394-
dc.description.abstractPromover 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.extent59 p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectInteligência Artificial Explicável (XAI)pt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectModelos de classificaçãopt_BR
dc.subjectCausa e gravidade de acidentes de trânsitopt_BR
dc.subjectRodovias federais de Pernambucopt_BR
dc.subjectFatores de influênciapt_BR
dc.titleDesenvolvimento de modelos explicáveis de Inteligência Artificial para classificação de sinistros de trânsito em rodovias federais de Pernambucopt_BR
dc.typebachelorThesispt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2984888073123287pt_BR
dc.description.abstractxPromoting 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 Computaçãopt_BR
dc.degree.graduation::CIn-Curso de Ciência da Computaçãopt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
Aparece nas coleções:(TCC) - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC Patrícia Arcelo de Arruda.pdf4,76 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons