Summer School 2021 – IoT for Heatlhy Smart Cities

 

O ISTAR, uma unidade de investigação do ISCTE, conjuntamente com o Laboratório Internet of Everything, organiza uma nova edição da Escola de Verão intensiva, em duas semanas, sobre Tecnologias Internet of Things (IoT) e as suas aplicações,  com especial foco em aplicações na área da saúde.

+ info:  https://istar.iscte-iul.pt/summerschool2021/ 

 

Pretende-se que os participantes tomem um primeiro contacto com paradigmas de computação emergentes, tecnologias, serviços e modelos de negócio associados com IoT.  O objetivo desta escola é fornecer a todos os interessados conhecimento teórico-prático e experimental sobre tecnologias-chave de IoT e metodologias de design, em co-criação e centradas no utilizador, na área das Smart Cities e Saúde.

 

A Escola de Verão apresenta uma visão geral das tendências futuras e da investigação em curso nesta área em franco crescimento:

• Estudo dos princípios, problemas de investigação e aplicações de dispositivos, software e IoT;
• Aquisição de experiência com tecnologias IoT e sistemas operativos;
• Compreensão, através de experiência prática, de como executar projetos centrados no utilizador com base em Design Thinking;
• Capacitação dos alunos para acompanharem a evolução das tecnologias, ferramentas e técnicas nesta área do conhecimento de forma autónoma.

 

A Escola de Verão realiza-se de 6 a 17 de Setembro, no Iscte, e consiste em 10 horas aulas teóricas, 19 horas e meia de sessões práticas laboratoriais e 5 horas e meia de sessões de seminário incluindo os seguintes tópicos:

• Introdução à IoT;

• Design thinking;

• Segurança;

• Tiny Machine Learning e aplicações;

• Aplicações e desafios em saúde e crowdsourcing;

• Sessão com apresentações de três empresas em Portugal que desenvolvem e aplicam técnicas de IoT.

 

Será proposto aos participantes que desenvolvam projetos práticos, com supervisão e posteriormente avaliados, no laboratório ISTAR Internet of Everything, adquirindo conhecimentos base em:

• Estruturas de IoT (por exemplo, Arduino, comunicações e sensores LORA)

• Ferramentas de ciência de dados (Python, introdução à análise de dados)

• Metodologias de Design Thinking.

 

Duração: 10 dias | 6 ECTS

 

Pré-Inscrições abertas:  Manifesta o teu interesse em participar aqui:  https://forms.office.com/pages/responsepage.aspx?id=YOgwYsW_lUCmvBBHIa3W5qX3JiiyZRBCsWIM63R8PKpUQ1dFUDgxSzJENDNKS0laNjVDQjRaUlg5Ny4u 

 

+ info:  https://istar.iscte-iul.pt/summerschool2021/ 

 

Questões?  pre-award.istar@iscte-iul.pt 

 

 

 

Conhecer os clientes para melhor vender: Caso de estudo de uma empresa de transfer de turistas a operar na região do Algarve

 Cláudio Manuel Neves Rocha 

 

Mestrado em Sistemas Integrados de Apoio à Decisão

 

Outubro, 2020

------------------------------------

Tese em MSIAD, classificada com 18 valores

------------------------------------

Resumo

O presente trabalho apresenta o caso prático de uma empresa de transporte de passageiros, a operar no setor do turismo internacional, na região do Algarve. Propõe-se a utilização de técnicas de Extração de Informação e "Text Mining" para encontrar padrões nos dados que permitam conhecer os clientes e ainda estudar o impacto do marketing digital na procura dos serviços da empresa. Foram utilizadas técnicas de "Text Mining" para extrair padrões dos comentários dos clientes de forma a condensar em tópicos e sumarizar o que estes pensam sobre o serviço. Recorreu-se ao histórico de transações, tendo sido aplicado algoritmos de aprendizagem não supervisionada para descobrir padrões nos dados que configuram segmentos de clientes. Os padrões revelados poderão ser utilizados em diferentes processos de tomada de decisão como por exemplo na criação de campanhas de marketing direcionadas para a criação de produtos específicos para cada segmento. Na produção de previsões de impacto do marketing digital foi utilizada uma combinação entre modelos de regressão múltipla e técnicas de análise de séries temporais, de forma a compreender os fatores que explicam a procura dos serviços da empresa e consequentemente a receita da empresa. Investigaram-se técnicas mais recentes de Aprendizagem Automática de forma a estabelecer uma comparação entre os métodos estatísticos tradicionais de análise de series temporais e os algoritmos de Aprendizagem Automática. Os resultados de previsão de procura de serviços foram satisfatórios, tendo sido identificado a sazonalidade como o fator que mais afeta a procura dos serviços.

Palavras-Chave: Sistemas de Apoio à Decisão; Extração de Informação; Aprendizagem
Automática; Marketing Digital; Procura Turística; Transfers; Segmentação Clientes

Ler mais aqui.

  

Candidatar a MSIAD aqui.