00 CAMPUS ARISTÓTELES CALAZANS SIMÕES (CAMPUS A. C. SIMÕES) IQB - Instituto de Química e Biotecnologia TRABALHOS DE CONCLUSÃO DE CURSO (TCC) - GRADUAÇÃO - IQB Trabalhos de Conclusão de Curso (TCC) - Bacharelado - QUÍMICA - IQB
Use este identificador para citar ou linkar para este item: http://www.repositorio.ufal.br/jspui/handle/123456789/15015
Tipo: Trabalho de Conclusão de Curso
Título: Análise de publicações científicas assistida por aprendizagem de máquina: reforma seca do metano
Título(s) alternativo(s): Analysis of scientific publications assisted by machine learning: dry methane reforming
Autor(es): Marques Filho, Fábio Martins
Primeiro Orientador: Rodriguez, Pedro Pablo Flores
metadata.dc.contributor.advisor-co1: Pryston, Dhara Beatriz de Amorim
metadata.dc.contributor.referee1: Adrian, Aracelis José Pamphile
metadata.dc.contributor.referee2: Silva, Júlio Cosme Santos da
Resumo: O presente trabalho analisa publicações cientificas sobre a reforma seca de metano assistida por aprendizagem de máquina, também analisa a linguagem Python como ferramenta para fins científicos. Através da busca avançada em acervos científicos, a catalogação e organização dos resultados, o desenvolvimento de uma aplicação em Python capaz de extrair dados de artigos em formato PDF e realizar uma análise estatística dos mesmos, e um modelo de linguagem amplo, o GPT-3.5, que além de extrair, foi capaz de analisar estes dados que também foram analisados através da regressão linear múltipla. A análise dos resultados encontrados caracteriza a reforma seca de metano como uma área de intensa produção cientifica e a aplicação de ferramentas de programação nesta, como uma área a ser explorada. A aplicação em Python foi capaz de realizar a função programada, demonstrando que é uma ferramenta que pode ser útil para a produção cientifica.
Abstract: The present work analyzes scientific publications on dry methane reforming assisted by machine learning, it also analyzes the Python language as a tool for scientific purposes. Through advanced search in scientific collections, cataloging and analyzing the results, developing a Python application capable of extracting data from articles in PDF format and performing a statistical analysis of them, and a large language model, GPT-3.5, which, in addition to extracting, was able to analyze these data, which were also analyzed using multiple linear regression. The analysis of the results found, characterizes the methane dry reform as an area of intense scientific production and the application of programming tools in this, as an area to be explored. The Python application was able to perform the programmed function, demonstrating that it is a tool that can be useful for scientific production.
Palavras-chave: Reforma seca
Metano
Python (Linguagem de programação de computador)
Modelos de linguagem amplos
Regressão linear múltipla
Methane
Python
Large Language Models
Multiple Linear Regression
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::QUIMICA
Idioma: por
País: Brasil
Editor: Universidade Federal de Alagoas
Sigla da Instituição: UFAL
metadata.dc.publisher.department: Curso de Química- Bacharelado
Citação: MARQUES FILHO, Fábio Martins. Análise de publicações científicas assistida por aprendizagem de máquina: reforma seca do metano. 2024. 84 f. Trabalho de Conclusão de Curso (Bacharelado em Química) - Instituto de Química e Biotecnologia, Curso de Química, Universidade Federal de Alagoas, Maceió, 2024.
Tipo de Acesso: Acesso Aberto
URI: http://www.repositorio.ufal.br/jspui/handle/123456789/15015
Data do documento: 22-jan-2024
Aparece nas coleções:Trabalhos de Conclusão de Curso (TCC) - Bacharelado - QUÍMICA - IQB

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Análise de publicações científicas assistida por aprendizagem de máquina_reforma seca do metano.pdfAnálise de publicações científicas assistida por aprendizagem de máquina: reforma seca do metano1.34 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.