Banco de dados e processamento dos modelos em ambiente R e em Python

• Processo: 23/16463-1
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de janeiro de 2024
• Data de Término da vigência: 29 de fevereiro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Acordo de Cooperação: SEBRAE-SP
• Pesquisador responsável: Rennan Andres Paloschi
• Beneficiário: Leandro Carvalho da Rocha
• CNAE: Tratamento de dados, provedores de serviços de aplicação e serviços de hospedagem na internet
• Vinculado ao auxílio: 21/11860-7 - Picsel: uma nova plataforma para proteger os produtores rurais contra intempéries climáticas via seguro agrícola: da cotação do seguro até a gestão dos sinistros, AP.PIPE
• Assunto(s): Bases de dados Ciência de dados Aprendizagem profunda Sistemas de informação
• Palavra(s)-Chave do Pesquisador: Base de Dados | Ciência de dados | Deep Learning | Sistemas de Informação | Sistemas de informação

Resumo

Desenvolvimento de metodologia para identificação de cultivos agrícolas e identificação de datas de plantio e colheita a partir dos dados de sensoriamento remoto a algoritmos de ciência de dados. Modelagem para a estimação das produtividades utilizando o sistema DSSAT e modelos de machine learning. Importante ressaltar que na Fase II do PIPE elevar-se-á o grau de complexidade e precisão dos resultados ao utilizar não somente as informações de clima, solo e genética, mas também a integração de dados provenientes de sensores orbitais, para obter séries de produtividades em uma escala de 250x250 m2. Cálculo do "rating" para cada propriedade, em cinco categorias distintas de risco. Cálculo da taxa de prêmio pura para cada propriedade, em cinco categorias distintas de risco.