Mostrar registro simples

dc.creatorNascimento, Michel Henrique da Silva
dc.date.accessioned2022-07-22T18:37:23Z
dc.date.available2022-07-22T18:37:23Z
dc.date.issued2020-12-12
dc.identifier.citationNASCIMENTO, Michel Henrique da Silva. Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados. 2020. 61f. TCC (Curso de Análise e Desenvolvimento de Sistemas) - Departamento Acadêmico de Cursos Superiores, Instituto Federal de Ciência e Tecnologia de Pernambuco, Recife. 2020.pt_BR
dc.identifier.urihttps://repositorio.ifpe.edu.br/xmlui/handle/123456789/649
dc.description.abstractThe significant growth in the number of embedded systems – mainly those in an environment contextualized by the technological paradigm of the Internet of Things (IoT) – has been responsible for a massive generation of data with an intrinsic capabiliity to produce value that was largely unused until the turn of this century, for several reasons, many of them related to the barriers present in the development of microelectronic engineering in force at the time. In turn, nowadays the value can be obtained through the application of analysis techniques, which are possible because of the use of data mining algorithms that are responsible for extracting relevant information in a descriptive, prescriptive or predictive format. In this study, a review of the state of the data analysis processes in IoT systems is presented, explaining the behavior of the most commonly used methods, as well as considerations about the challenges and opportunities that arise in similar systems. Such content is supported by a compilation of recent works that focus on topics close to this research, in addition to the construction of a proof of concept based on the creation of a web system, which is conditioned by the exploration of data from groups of sensors connected to the Internet.pt_BR
dc.format.extent61f.pt_BR
dc.languagept_BRpt_BR
dc.relationAHMED, Ejaz et al. The role of big data analytics in Internet of Things. Computer Networks, Elsevier, v. 129, p. 459–471, dec. 2017. ISSN 13891286. ALAM, Furqan et al. Analysis of Eight Data Mining Algorithms for Smarter Internet of Things (IoT). Procedia - Procedia Computer Science, v. 98, p. 437–442, 2016. BUSTAMANTE, J. Smart Home Statistics. Disponível em: https://ipropertymanagement.com/research/iot-statistics. Acesso em: 13 de jun. de 2019. CHEN, F; DENG, P; WAN, J. Data Mining for the Internet of Things: Literature Review and Challenges. v. 2015, n. i, 2015. DIETRICH, David. Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data (1ª ed.). Wiley Publishing, 2015. EVANS, D. The internet of things: How the next evolution of the internet is changing everything. v. 1, p. 1–11, 01 2011. FACELI, K. (2001). Combinação de métodos de inteligência artificial para fusão de sensores. Dissertação de Mestrado, São Carlos: Instituto de Ciências Matemáticas e da Computação, Universidade de São Paulo, 2001. FORBES. Strong analytics skills 3x more likely to lead to success with internet of things(iot). Disponível em: https://www.forbes.com/sites/louiscolumbus/2016/09/21/strong-analytics-skills-3x more-likely-to-lead-to-success-with-internet-of-things-iot/#d94c09f3563c. Acesso em 10 jun. 2019. GE, Mouzhi; BANGUI, Hind; BUHNOVA, Barbora. Big Data for Internet of Things: A Survey. Future Generation Computer Systems, Elsevier B.V., v. 87, p. 601–614, 2018. ISSN 0167739X. IDC – International Data Corpotation. The Growth in Connected IoT Devices. Disponível em: https://www.idc.com/getdoc.jsp?containerId=prUS45213219. Acesso em: 18 de out. de 2020. IMD. Smart City Index, 2020. Disponível em: https://www.imd.org/smart-city observatory/smart-city-index/. Acesso em: 22 de out. de 2020. ITU – International Telocommunication Union. Overview of the Internet of things. Series Y: Global information infrastructure, internet protocol aspects and nextgeneration networks - Frameworks and functional architecture models, p. 22, 2012. ISSN 0018-8646. JESUS, Tarciso De et al. Internet das Coisas e sua evolução tecnológica para as Cidades Inteligentes, 2016. LIMA, J. R.; CUNHA, D A. Monitoramento de ambientes especiais aliado ao conceito de internet das coisas (iot), 2018. LANGER, G. A. Análise de dados aplicada para consciência situacional de pedestres, 2018. LI, B. et al. Aided Diagnosis and Treatment of Coronavirus Disease 2019 (COVID-19), vol. 3, 2020. MAHDAVINEJAD, M. S. et al. Machine learning for internet of things data analysis: a survey. Digital Communications and Networks, Elsevier, v. 4, n. 3, p. 161–175, aug 2018. ISSN 2352-8648. MARJANI, M. et al. Big IoT data analytics: architecture, opportunities, and open research challenges. Ieeexplore.Ieee.Org, p. 5247–5261, 2017. NAIT, Y. et al. The 7th International Conference on Current and Future Trends of Information and Communication Technologies in Healthcare (ICTH 2017) On the use of IoT and Big Data Technologies for Real-time Monitoring and Data Processing. Procedia Computer Science, v. 113, p. 429–434, 2017. NALLAKARUPPAN, M. K.; KURAMAN, U. S. IoT based Machine Learning Techniques for Climate Predictive Analysis. International Journal of Recent Technology and Engineering (IJRTE) ISSN: 2277-3878, v.7 jan. 2019. PINTO, W.; LIMA, G.; ZANETTI, J. (2015). Estudo de predição e previsão de temperaturas médias diárias da cidade de cariacica, espírito santo, brasil, utilizando a metodologia de séries temporais. Revista Gestão Inovação e Tecnologias. 5. 1881-1895. 10.7198/S2237-0722201500010022. PIVOTO, D. et al. Scientific development of smart farming technologies and their application in Brazil. Information Processing in Agriculture, [s. l.], v. 5, n. 1, p. 21– 32, 2018. QIU, J. et al. A survey of machine learning for big data processing. EURASIP Journal on Advances in Signal Processing, v. 2016, n. 1, p. 67, dec 2016. ISSN 1687-6180. SAMIE, F.; BAUER, L.; HENKEL, J. IoT Technologies for Embedded Computing: A Survey, 2016. 10.1145/2968456.2974004. SCHMITT, V. F. Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens do Facebook, 2013. SCULLY, P. IoT Analytics, 2020. Disponível em: https://iot-analytics.com/top-10-iot applications-in-2020/. Acesso em: 20 de out. de 2020. TSAI, C. W. et al. Data mining for internet of things: A survey. IEEE Communications Surveys and Tutorials, 2014. ISSN 1553877X. URBANSYSTEMS. Ranking Connected Smart Cities, 2020. Disponível em: http://ranking.connectedsmartcities.com.br. Acesso em: 22 de out. de 2020. WITKOWSKI K. Internet of Things, Big Data, Industry 4.0 – Innovative Solutions in Logistics and Supply Chains Management. Procedia Engineering, Elsevier, 2017. ZHOU, Z. et al. Big Data Opportunities and Challenges: Discussions from Data Analytics Perspectives. IEEE Computational Intelligence Magazine, v. 42, n. 7, p. 62–74, 2014. ISSN 00431397.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAnálise de Dadospt_BR
dc.subjectInternet das Coisaspt_BR
dc.subjectMineração de Dadospt_BR
dc.subjectSistemas Embarcadospt_BR
dc.subjectSistema webpt_BR
dc.titleAnálise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcadospt_BR
dc.typeTCCpt_BR
dc.creator.Latteshttp://lattes.cnpq.br/7947417755943697pt_BR
dc.contributor.advisor1Moreira, Anderson Luiz Souza
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2299171400841947pt_BR
dc.contributor.referee1Moreira, Anderson Luiz Souza
dc.contributor.referee2Domingues, Marco Antônio de Oliveira
dc.contributor.referee3Andrade, Hilson Gomes Vilar de
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2299171400841947pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/562998200841946pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/1329499647057192pt_BR
dc.publisher.departmentRecifept_BR
dc.publisher.countryBrasilpt_BR
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpt_BR
dc.description.resumoO crescimento significativo do número de sistemas embarcados – principalmente inseridos em um ambiente contextualizado pelo paradigma tecnológico da Internet das Coisas (IoT) – tem sido responsável por uma geração massiva de dados detentores de uma capacidade intrínseca de produção de valor que foi desaproveitada em certa medida até a virada deste século, tendo como causa diversos motivos, muitos deles relacionados às barreiras presentes no desenvolvimento da engenharia microeletrônica vigente na época. Por sua vez, esse valor atualmente pode ser obtido a partir da aplicação de técnicas de análise, possibilitada em grande parte pela utilização de algoritmos de mineração de dados que são responsáveis por extrair informações relevantes em formato descritivo, prescritivo ou preditivo. Neste estudo, uma revisão do estado dos processos de análise de dados em sistemas IoT é apresentada, explicitando o comportamento dos métodos mais comumente utilizados, assim como são feitas considerações sobre os desafios e oportunidades que surgem em sistemas desse tipo. Tais exposições são alicerçadas por uma compilação de trabalhos recentes que focam em temas próximos ao desta pesquisa, além da construção de uma prova de conceito fundamentada na criação de um sistema web, sendo esse condicionado pela exploração de dados provenientes de grupos de sensores conectados à Internet.pt_BR


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples