Projects

camargoN1

Camargo Avaliação N1 - Complemento

College
Files
README

Camargo Avaliação N1 - Complemento

  • Alunos: Maruan Biasi El Achkar e Ricardo Falcão Schlieper
  • Tema: Aquário Marinho

Tipos de Análise de Dados:

  • Descritiva: Diz o que aconteceu. Ex: Temperatura média do aquário abaixou.
  • Diagnóstica: Diz por que aconteceu. Ex: Temperatura média abaixou porque o aquecedor desligou.
  • Preditiva: Prevê o que vai acontecer. Ex: A temperatura média vai seguir baixa amanhã.
  • Prescritiva: Diz o que deve ser feito. Ex: Recomenda ligar o aquecedor para evitar que a temperatura média siga baixa amanhã.

Domínio: Monitoramento de aquário marinho com corais e peixes

  • Requerimento: Predição.
  • Objetivo: Prever problemas e mudanças de parâmetros no aquário antes que aconteçam.
  • Exemplos de predição: Temperatura da água, salinidade, nível da água, amônia e nitrato.
  • Dados coletados por sensores: Temperatura ambiente, temperatura da água, humidade ambiente, nível da água, nível de amônia e nível de nitrato. (Poderá sofrer alterações até a N3)
  • Extra: Poderá ser criado um mini sistema de classificação para indicar o nível de atenção que o aquário precisa em determinado momento.

Banco de Dados escolhidos: MongoDB (noSQL)

  • Motivo da escolha: Familiaridade do grupo com o MongoDB. Flexibilidade nos dados e escalabilidade apropriada para o tamanho do nosso projeto. Além disso, por se tratar de apenas um aquário, não será necessário modelar entidades relacionais complexas.
  • Exemplo:
{
  "timestamp": "2026-04-17T13:00:00",
  "temperatura": 26.8,
  "ph": 8.2,
  "salinidade": 1.025,
  "amonia": 0.1
}

Arquitetura escolhida: Data Lakehouse

  • Motivo da escolha: Escolhido pois permite armazenar tanto os dados brutos dos censores como os dados pré processados para o modelo preditivo em um mesmo ambiente, simplificando o projeto.
  • Fluxo da arquitetura: Sensores coletam dados -> Dados brutos são enviados para a Lakehouse -> Dados são tratados -> Modelo de predição usa os dados tratados -> Resultados ficam no mesmo sistema.

Enunciado:

Esta avaliação pode ser desenvolvida em dupla, com apresentação e discussão de resultados in loco. O objetivo nesta avaliação é discutir alguns conceitos, exemplificar a utilização do modelo de banco de dados NoSQL (livre escolha), visando a possibilidade de uso como repositório de apoio ao pipeline de Análise Preditiva (AP). Quanto ao modelo relacional, este pode ser considerado em conjunto com o NoSQL. Para tanto, têm-se as atividades:

  • a) Conceitue e apresente exemplos dos tipos de análise de dados (0,5).

  • b) Apresente um domínio de problema em que é requerido à AP (classificação ou predição); esse domínio será utilizado na N3 (1,0).

  • c) Justificar a escolha do(s) modelo(s) NoSQL/Relacional como possível(eis) repositório(s) de dados para o domínio de problema (item b) (0,5).

  • d) Escolher e justificar o ambiente que abrigará dados brutos e/ou pré-processados para alimentar os modelos de AP (esses modelos serão construídos na N3), opções de ambientes: Data Warehouse, Data Lake ou Data Lakehouse (1,0)