artigos
Convibra Conference - IOT MACHINE LEARNING
IOT MACHINE LEARNING

DOCUMENTAÇÃO

Tema: Administração da Informação

Acessos neste artigo: 19


Certificado de publicação:
Certificado de Adriana Maria Miguel Peixe

COMPARTILHE ESTE TRABALHO

AUTORIA

Adriana Berno , Adriana Maria Miguel Peixe , Jorge Balsan , Jose Simão De Paula Pinto

ABSTRACT
O conceito da Internet das Coisas (IoT), foi evidenciado por estudiosos de todo o mundo como um grande avanço na década passada e infere-se que muitos mais avanços estão por vir no presente e futuro próximo. O estudo teve como objetivo explanar qual a importância da Iot Machine Learning na atualidade e futuro próximo e distante. Como metodologia utilizou-se no estudo em  questão, natureza descritiva e exploratório quanto aos procedimentos, a qual
caracteriza-se como uma pesquisa documental, bibliográfica e estudo de caso. E quanto ao problema de pesquisa, qualitativa. A IOT exige que os dados representem serviços melhores para os usuários ou aprimorem o desempenho da estrutura de Internet ofT hings a realizar isso de maneira inteligente. Dessa maneira, os sistemas devem poder acessar dados brutos de diferentes recursos por meio da rede e analisar essas informações para extrair conhecimento.
E levando em conta os sucessos recentes no machine learning em vários domínios, infere-se que não se precisa de novos algoritmos, mas muitos dados de exemplo e poder computacional suficiente para executar os algoritmos. Em uma infraestrutura de IoT, bilhões de dispositivos eletrônicos estão conectados à Internet e esses dispositivos são equipado com sensores que observam ou monitoram vários aspectos da vida humana no mundo real para apoiar mais 
serviços onipresentes e inteligentes. Um ecossistema de IoT moderno envolve a rede entre dispositivos físicos e componentes cibernéticos, bem como as interações sociais deles.

Para participar do debate deste artigo, .


COMENTÁRIOS
Foto do Usuário Gilberto Perez 09-02-2021 12:50:35

Nome correto do Cap. 3 é Procedimentos Metodológicos. Metodologia é o estudo dos métodos. Não ficou claro: como os dados foram coletados/analisados? Sempre que usar o mesmo livro, citar apenas a versão mais recente Yin (2001, 2010). Os resultados poderiam ser melhor explorados.

Foto do Usuário Luciano Zamperetti Wolski 09-02-2021 12:50:35

Texto bom, falta só padronizar a escrita, principalmente, de IoT, ML e DL. Poderiam detalhar os procedimentos de coleta de dados. Por curiosidade, qual a diferença entre IoT e Computação ubíqua (Ubiquitous Computing)?

Foto do Usuário Mario Assis Almeida Dos Santos 09-02-2021 12:50:35

Acheu o tema interessante e bem contemporâneo, no entanto, a metoidologia não está adequda e o referencial teórico muito diluído e dispero (talvez fosse melhor focar e 3 ou 4 assuntos apenas, ampliando a discussão dos mesmos0. Não houve uma discussão adequada dos achados, de forma que o artigo pouco pode contribuir para o tema.

Foto do Usuário José Augusto De Lima Prestes 09-02-2021 12:50:35

Tema muitíssimo interessante. Parabéns pela escolha e pela pesquisa realizada. Com o fito de contribuir, respeitosamente me permito fazer as seguintes sugestões e comentários: (a) em primeiro lugar, creio que o título poderia ser revisado para indicar melhor o que se pretende abordar. A expressão “IoT Machine Learning” não me parece ser tão usual, salvo em casos específicos de aplicação da tecnologia a um segmento específico (v. g. https://www.amazon.com/Machine-Learning-Applications-Telecom-Agriculture/dp/1484255488); (b) acredito que a ordem das definições poderia ser modificada, de modo a introduzir e explicar os termos conforme a sua aplicação no problema amoldado - começando, por exemplo, com IoT e seguindo por Inteligência Artificial e Machine Learning, deixando Deep Learning, que é uma forma de aprendizagem baseada nos conceitos anteriores, para o final; (c) o item 2.6 me parece se encaixar na mesma sugestão, posto que está a falar de requisitos para a criação de sistemas “by and large”, mas também poderia ser revisado para abordar uma das principais questões inerentes a Machine Learning, qual seja, bases de dados - o que pode ser fator determinante em uma análise sobre cenários e possibilidades de avaliação em um IoT e quanto à decisão por aprendizagem supervisionada ou não supervisionada; (d) ao tratar das ferramentas, penso que seria interessante abordar outras linguagens de programação mais direcionadas, como R, Java (por conta da imensa quantidade de bibliotecas) e Javascript (especificamente por conta do uso disseminado do TensorFlow.js); (e) por fim, confesso que tive algumas dúvidas quanto ao porquê da menção ao campo da bioinformática, posto que não aparece antes, e àquilo que seria o estudo de caso - não tendo ficado claro, para mim, qual foi exatamente o “case” abordado no trabalho. Com o intuito de promover a continuidade do debate, faço a seguinte pergunta: partindo da abordagem de Dos Santos e Albuquerque (2019), citada no subitem 2.11, quais seriam alguns dos problemas enfrentados na aplicação de Machine Learning em IoT para a realização de anamneses ou avaliações de saúde à distância?