Trabalho Final de Mestrado
| Ano Lectivo: | 2019/2020 |
|---|---|
| Aluno: | JOÃO PEDRO GIL CUSTÓDIO (51142) |
| Mestrado: | Métodos Quantitativos para a Decisão Económica e Empresarial |
| Tipo: | Estágio |
| Título do Trabalho Final de Mestrado: | Previsão do Sucesso de Leads - Uma Abordagem em Machine Learning |
| Sub Título: | |
| Comentário: | - |
| Instituição: | Quidgest - Consultores de Gestão, SA |
| Homologação: | Dia 30/11/2020 às 20:14 por NUNO JOÃO DE OLIVEIRA VALÉRIO |
Resumo
Este Trabalho Final de Mestrado advém de um estágio realizado na empresa Quidgest S.A., em parceria com o Instituto Superior de Economia e Gestão (ISEG), no âmbito do mestrado de Métodos Quantitativos para a Decisão Económica e Empresarial (MQDEE). Este trabalho resulta da necessidade em aumentar o sucesso de vendas, através da previsão do sucesso de leads, recorrendo a técnicas e algoritmos de Machine Learning. Neste domínio, foi realizada uma prévia análise e compreensão do cenário empresarial, para que a utilização dos algoritmos pudesse oferecer uma adequada compatibilidade com os padrões de negócio da empresa. Previamente, foram aplicadas técnicas de tratamento, aumento e limpeza de dados, nomeadamente: SMOTE; ADASYN e TOMEK. Relativamente aos algoritmos de Machine Learning, foram utilizados algoritmos assentes no âmbito da aprendizagem supervisionada, nomeadamente: Support Vector Machines; Random Forest; Neural Networks; Adaboost e C5.0.
As etapas deste trabalho foram alinhadas com a metodologia CRISP-DM, que é uma das mais conhecidas abordagens no que toca à logística de processos para a construção de sistemas computacionais. Os softwares utilizados foram: software R (com recurso ao R Studio); Microsoft SQL Server e o GENIO, que é o software próprio da Quidgest S.A.
(Português)
This Master's Final Work results from an internship performed at Quidgest S.A., in a partnership with Instituto Superior de Economia e Gestão (ISEG), within the scope of the Master of Quantitative Methods for Economic and Business Decision (MQDEE). The purpose of this work is to increase the company?s sales success, by predicting the success of leads, using Machine Learning techniques and algorithms. In this domain, a previous analysis of the business scenario was studied and analyzed, to allow that the usage of the algorithms could be suitable with the company?s standard business processes. Then, techniques for processing, increasing and cleaning the data were applied, such as: SMOTE; ADASYN and TOMEK, and then, algorithms within the scope of supervised learning were used, such as: Support Vector Machines; Random Forest; Neural Networks; Adaboost and C5.0.
The sequential steps of this work were aligned with the CRISP-DM methodology, which is one of the most used tools in terms of logistics for building computer systems. The used softwares were: R software (using R Studio); Microsoft SQL Server and GENIO, which is the owned and created software by Quidgest S.A.
(Inglês)
Palavras-chave
Adaboost; ADASYN; Aprendizagem Supervisionada; C5.0; CRISP-DM; GENIO; Leads; Machine Learning; Neural Networks; Software R; Random Forest; SMOTE; SQL; Support Vector Machines; TOMEK. (Português)
Adaboost; ADASYN; C5.0; CRISP-DM; GENIO; Leads; Machine Learning; Neural Networks; Random Forest; R Software; SMOTE; SQL; Supervised Learning; Support Vector Machines; TOMEK. (Inglês)
Resumo Alargado
Resumo_TFM_l51142_Joao_Pedro_Gil_Custodio_2020.pdf (182KB)Trabalho Final de Mestrado
TFM_l51142_Joao_Pedro_Gil_Custodio_2020.pdf (1,9MB)Data da Prova Pública
| Data da Prova Pública: | 13-01-2021 14:00 |
|---|