ESTG - Mestrado em Ciência de Dados
Permanent URI for this collection
Browse
Browsing ESTG - Mestrado em Ciência de Dados by advisor "Bernardino, Anabela Moreira"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Gestão Inteligente de Despesas de CasaPublication . Silva, Mickael Vieira da; Bernardino, Eugénia Moreira; Bernardino, Anabela MoreiraO presente relatório é parte integrante do projeto realizado no âmbito da Unidade Curricular (UC) Dissertação/Projeto/Estágio do Mestrado em Ciência de Dados, lecionado na Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Leiria. O objetivo deste relatório é descrever todo o trabalho desenvolvido ao longo do projeto. O projeto visa oferecer uma solução a um problema real através de técnicas utilizadas em Business Intelligence – uma das grandes áreas da Ciência de Dados que tem muito ênfase neste Mestrado. O objetivo deste projeto é responder a várias perguntas que geralmente ficam sem resposta aquando a elaboração de orçamentos familiares, como por exemplo: “quanto dinheiro gastamos nas compras dos supermercados?”, “em que categorias de produto se despendeu mais dinheiro?”, ou “qual é a loja mais cara para os produtos comprados com mais frequência?”. O projeto iniciou-se com a construção de uma Base de Dados (BD) SQL de raiz, o que incluiu a elaboração do dicionário de dados, do modelo conceptual (diagrama de entidade e relacionamento) e do modelo lógico. Esta BD foi de seguida preenchida com dados que foram extraídos a partir de faturas eletrónicas emitidas por várias lojas da cadeia de supermercados Continente, faturas essas datadas de 2019 a 2024. Foi necessário criar vários algoritmos com a linguagem de programação Python para conseguir recolher as faturas que se encontravam num servidor de e-mail, extrair dessas faturas os dados relevantes e introduzir os mesmos na BD, isto tudo de forma automática. Outras faturas referentes a outras lojas foram introduzidas manualmente através de queries SQL. A partir da BD já preenchida, foi feito um estudo para a elaboração de um Data Warehouse (DW) igualmente de raiz, incluindo a conceção do modelo dimensional, criação das tabelas e automatização do processo ETL (Extract, Transform and Load). Por fim, foram elaborados vários dashboards. Os gráficos e as tabelas desses dashboards são gerados diretamente a partir dos dados que foram carregados no DW, o que permite analisar sob diversas formas as despesas obtidas com base nas faturas disponíveis.
- Levantamento, tratamento e seleção de dados para apoio à tomada de decisão - Schmidt Light Metal – Fundição Injetada, LdaPublication . Ferreira, Carlos Pereira; Bernardino, Anabela Moreira; Bernardino, Eugénia MoreiraO presente relatório descreve o trabalho desenvolvido no âmbito da unidade curricular de Estágio do Mestrado em Ciência de Dados, da Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Leiria. O principal objetivo deste relatório é descrever todo o trabalho desenvolvido ao longo do estágio curricular de 1080h (mil e oitenta horas). Este estágio foi realizado na empresa Schmidt Light Metal – Fundição Injetada, Lda., uma empresa multinacional, situada no parque industrial de Oliveira de Azeméis. Esta empresa dedica-se à fundição, produzindo peças em alumínio leve para o setor automóvel. Neste relatório farei uma descrição empresa, bem como das tecnologias e ferramentas utilizadas, a metodologia seguida, o trabalho desenvolvido e as respetivas conclusões. Este estágio tinha como objetivo inicial o desenvolvimento de ferramentas de apoio à tomada de decisão (na produção), através da recolha, tratamento e seleção dos dados recolhidos pelos vários equipamentos e departamentos da empresa, desde os dados sensoriais de uma célula de injeção ao headcount feito pelo departamento de Pessoas & Cultura. Durante este estágio foi desenvolvido e treinado um modelo de Machine Learning para facilitar a tomada de decisão no que respeita ao planeamento de produção, tendo, também, sido realizado bastante trabalho voltado para a “Análise de Dados”, através do lançamento de inquéritos internos, recolha de dados, tratamento e apresentação gráfica dos resultados obtidos a partir destes, sendo que este último trabalho foi realizado em cooperação com o departamento de Pessoas & Cultura. O desenvolvimento do modelo de Machine Learning para apoio à tomada de decisão no processo de produção foi extremamente desafiante, uma vez que não existiam bases de informática ou código pré-mestrado e dada a complexidade do processo em si. A correção de falhas existentes que foram aparecendo e o constante “limar de arestas” também garantiu a satisfação de todos os stakeholders. Posto isto e como resultado deste estágio, foram adquiridas novas experiências, colocadas em prática novas técnicas e desenvolvidas inúmeras competências ao nível profissional, através dos vários projetos elaborados em ambiente empresarial.