https://revistas.unifenas.br/index.php/RE3C/issue/feed RE3C - Revista Eletrônica Científica de Ciência da Computação 2022-01-18T17:02:01-03:00 Flávia Aparecida de Oliveira Santos flavia.santos@unifenas.br Open Journal Systems <p>A revista RE3C, ISSN 2236-3890, é um periódico eletrônico, mantido pelo curso de Bacharelado em Ciência da Computação da Universidade José do Rosário Vellano - UNIFENAS, com o objetivo de divulgar os trabalhos de relevância científica e tecnológica produzidos por alunos de graduação e pós-graduação em Ciência da Computação tanto da UNIFENAS como de outras instituições.</p><p>O acesso é gratuito e exclusivamente eletrônico, não havendo versão impressa. A revista tem periodicidade anual, sendo as edições publicadas no mês de novembro.</p> https://revistas.unifenas.br/index.php/RE3C/article/view/630 O USO DE MACHINE LEARNING NA INDÚSTRIA VINÍCOLA 2021-12-15T19:53:47-03:00 Lucas Pereira da Cruz lucaas-cruuz@live.com Leonardo Caixeta Garroni foxlinebr@gmail.com <p><span style="font-weight: 400;">A partir de uma base de dados contendo duas variantes de vinhos, sendo eles, tinto e branco, baseado em suas características físico-químicas. Foi utilizado uma técnica na área de Inteligência Artificial&nbsp; chamada Machine Learning. E dentro dessa técnica, foi explorado o modelo de Classificação, que tem o objetivo de fazer previsões, no nosso caso, da qualidade do vinho, contando com doze atributos. Para executar, foi usado o software Weka 3.8.5 que gerou um resultado para que fosse comparado com uma classificação previamente feita por especialistas.</span></p> 2022-09-22T00:00:00-03:00 Copyright (c) 2021 RE3C - Revista Eletrônica Científica de Ciência da Computação https://revistas.unifenas.br/index.php/RE3C/article/view/631 Artigo para análise de dados relacionados ao Covid-19 associados ao Machine Learning 2021-12-15T19:49:55-03:00 Ramires Oliveira Lourenço ramires.lourenco@aluno.unifenas.br Samuel Pereira Gonçalves samuel.gonçalves@aluno.unifenas.br <p>O objetivo deste trabalho é realizar um estudo comparativo dos resultados apresentados por diferentes algoritmos de Machine Learning, aplicados em uma base de dados com informações sobre a COVID-19. Neste estudo, são demonstrados os diferentes tipos de comportamentos dos algoritmos utilizados, além de seus respectivos índices de acertos e erros. Para execução dos experimentos, foi utilizado o Weka, que dispõe de diferentes algoritmos para a aplicação dos comparativos. Os algoritmos utilizados nos experimentos são: Lazy Kstar, Naive Bayes Multinomial Text, J48 Tree, Random Tree e Random Forest Tree.</p> 2022-09-22T00:00:00-03:00 Copyright (c) 2021 RE3C - Revista Eletrônica Científica de Ciência da Computação