Uso de Técnicas de Data Science na Previsão de Febre Amarela Utilizando o Twitter

Ref: 978-85-473-4132-9

Esta obra tem como objetivo descrever um modelo que identifica e analisa os focos de febre amarela no Brasil por meio da mídia social Twitter. No livro, a febre amarela é abordada num contexto histório e epidemiológico, até os anos mais recentes dessa epidemia. Utilizamos a mídia social Twitter para rastrear mensagens dos usuários do Twitter em tempo real, onde essas mensagens relatam sintomas da doença ou existe alguma relação com a epidemia pesquisada. 


Calcule o frete

Opções de entrega:

Versão impressa
R$ 46,00 R$ 32,20 30% off
ADICIONAR 
AO carrinho

Versão digital
R$ 46,00 R$ 20,00 57% off

Nossos eBooks estão no formato ePub, o mais aceito nos variados aparelhos nos quais se podem ler livros digitais: eReaders, Smartphones, iPads, iPhones e PCs (este último por meio do Adobe Digital Editions). Os livros podem ser comprados via download nas seguintes livrarias online:

- Amazon (formato Mobi disponível para Kindle)

- Google Play Livros

- Apple Books

- Cultura/Kobo

ISBN: 978-85-473-4132-9


ISBN Digital: 978-85-473-4133-6


Edição:


Ano da edição: 2019


Data de publicação: 22/01/2020


Número de páginas: 81


Encadernação: Brochura


Peso: 300 gramas


Largura: 14.8 cm


Comprimento: 21 cm


Altura: 2 cm


1. Vladimir Costa de Alencar .

Esta obra tem como objetivo descrever um modelo que identifica e analisa os focos de febre amarela no Brasil por meio da mídia social Twitter. No livro, a febre amarela é abordada num contexto histório e epidemiológico, até os anos mais recentes dessa epidemia. Utilizamos a mídia social Twitter para rastrear mensagens dos usuários do Twitter em tempo real, onde essas mensagens relatam sintomas da doença ou existe alguma relação com a epidemia pesquisada. O modelo criado teve como base o algoritmo bayesiano (teorema de Bayes), que é um ótimo classificador de texto. Os tweets foram classificados em 4 grupos, e depois selecionados somente aqueles que têm relação com a epidemia. Foi utilizado um Sistema Gerenciador de Banco de Dados Não-Relacional, o MongoDB, para o armazenamento dos dados coletados. Finalmente, foram identificadas, com sucesso e em tempo real, as localizações e número de ocorrências onde possuem o surto da epidemia por município e por estado. Os resultados do projeto foram validados com os dados oficiais da Secretaria de Vigilância Sanitária, apresentando um alta correlação.