1. Repositório Institucional da UFMG
  2. Trabalhos Acadêmicos
  3. Dissertações e Teses
  4. Pós-Graduação em Ciência Animal
  5. Dissertações de Mestrado
Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/49381
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Marcos Xavier Silvapt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1407172552612027pt_BR
dc.contributor.advisor-co1Mônica Maria Oliveira Pinho Cerqueirapt_BR
dc.contributor.advisor-co2Frederico Gualberto Ferreira Coelhopt_BR
dc.contributor.referee1Elisa Helena Paz Andradept_BR
dc.contributor.referee2Soraia de Araujo Dinizpt_BR
dc.creatorMariana de Assis Lopes Frankópt_BR
dc.creator.Latteshttp://lattes.cnpq.br/324256012690593pt_BR
dc.date.accessioned2023-02-01T17:18:03Z-
dc.date.available2023-02-01T17:18:03Z-
dc.date.issued2022-11-30-
dc.identifier.urihttp://hdl.handle.net/1843/49381-
dc.description.resumoO leite é uma das commodities mais produzidas e relevantes por ser um produto com alto valor nutricional e baixo custo para o consumidor se comparado a outras fontes de nutrientes. Por este motivo pode ser um importante meio de cultura e de transmissão de doenças se não for cuidadosamente manipulador, estocado, transportado e processado. Objetivou-se avaliar e comparar a performance de três modelos de ML para previsão da CPP do leite cru que chega às plataformas do laticínio. Comparou-se três modelos de ML, o Support Vector Machine (SVM), XGBoosting e redes neurais MultiLayer Perceptron (MLP). Obtivemos um resultado com RMSE de 5,4887410; 4,7333138; 6,0639758 respectivamente e um MAPE de 0,63%; 0,06%; 0,92%, demonstrando que a rede XGBoosting foi a que apresentou menor erro, porém os três modelos são eficientes para prever a CPP do leite e são estatisticamente semelhantes.pt_BR
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentVETER - ESCOLA DE VETERINARIApt_BR
dc.publisher.programPrograma de Pós-Graduação em Ciência Animalpt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/pt/*
dc.subjectleite qualidadept_BR
dc.subjectLeite analisept_BR
dc.titleUso de Machine Learning para previsão de contagem padrão em placas de leite cru refrigerado antes de seu processamento tecnológicopt_BR
dc.typeDissertaçãopt_BR
dc.identifier.orcid0000-0001-8093-0635pt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO MARIANA_rev.29.01.2022.pdfUso de Machine Learning para previsão de contagem padrão em placas de leite cru refrigerado antes de seu processamento tecnológico1.46 MBAdobe PDFView/Open
Show simple item record


This item is licensed under a Creative Commons License Creative Commons