Banca de TCC – Samuel Freitas Oliveira

Atualmente o volume de dados gerado por dia cresce de forma muito rápida e empresas procuram formas de como explorar estes dados, de modo que, possam entender os anseios de seus clientes. Com isso se faz necessário uma abordagem que possibilite a exploração desses dados de forma rápida e eficaz para isso é utilizada aprendizado de máquina uma técnica da inteligência artificial (IA). Sabendo da importância dos dados este trabalho em parceira com a startup Donamaid que é uma empresa incubada na Universidade Federal de Pelotas(UFPel), que tem como objetivo fazer a conexão entre diaristas e clientes que necessitam contratar os serviços de limpeza oferecidos pela empresa. Este trabalho propõe-se a coletar os dados da empresa Donamaid, referentes a demanda de serviço e relaciona-los com os dados climatológicos da Empresa Brasileira de Pesquisa Agropecuária (Embrapa). A partir dos dados coletados pretende-se responder se é possível prever a demanda dos agendamentos de serviços de limpeza e que fatores contribuem para prever a demanda dos pedidos agendados e como o clima influencia a demanda dos agendamentos. Para prever a demanda é usada 4 algoritmos de aprendizado de máquina Random Forest(RF), XGBoost, Multilayer Perceptron e Long Short Term Memory(LSTM). Entre os algoritmos testados obtivemos os melhores resultados com o modelo MLP, onde concluímos que o fator climatológico não interfere na demanda de agendamento de serviço da Donamaid.