Resumo: Em ambientes de aprendizado de máquina em tempo real, a mudança nas relações entre as variáveis pode impactar diretamente o resultados das predições. Esse fenômeno é conhecido como Concept Drift. O trabalho que será apresentado analisou diversas estratégias para lidar com o Concept Drift em classificadores de atraso de voos comerciais do Brasil.

 

Biografia: Cientista de Dados na SHAPE (2021-Presente), Cientista de Dados na Tata Consultancy Services (2019 - 2021), Mestrando em Ciência da Computação pelo Centro Federal de Educação Tecnológica Celso Suckow da Fonseca (CEFET/RJ), Mestre em Ciências do Exercício e do Esporte pela UERJ (2019), Coordenador do Centro de Informação e Apoio Metodológico (2016 - 2017) das categorias de base do Fluminense Football Club. Atualmente sua pesquisa tem foco nos temas de Análise do Concept Drift aplicado a Classificação do Atraso de Voos Comerciais, Predição de Valores de Compra e Recomendação de Ações na Bolsas de Valores, Previsão de Lesões no Futebol e Ciência de Dados Aplicada ao Futebol.