Logo do repositório

Percorrer por data de Publicação, começado por "2025-11-24"

Filtrar resultados por ano ou mês
A mostrar 1 - 2 de 2
  • SmartChoice: plataforma online de recomendação de produtos baseada em inteligência artificial
    Publication . Mendes, Joana Margarida Xavier; Freitas, Carmen Marisela Fernandes de; Franco, Carmen Marisela Fernandes de
    O presente projeto integra-se no Mestrado em Gestão e tem como principal objetivo o desenvolvimento do plano de negócio inovador da plataforma digital SmartChoice. A SmartChoice será uma aplicação web de recomendações de produtos tecnológicos, baseada em inteligência artificial e marketing de afiliados, tendo como público-alvo consumidores digitais habituados a realizar compras online, que enfrentam dificuldades em lidar com o excesso de opções e a falta de clareza da informação disponível. A plataforma estará organizada em duas modalidades de interação: (i) um filtro manual com critérios objetivos, como preço ou funcionalidades, e (ii) um assistente inteligente, que interpreta pedidos em linguagem natural e sugere equipamentos de forma personalizada e transparente. Na constituição da empresa SmartChoice, Unipessoal, Lda., prevê-se um investimento inicial de 40 000 €, assegurado integralmente por capitais próprios. O projeto terá um horizonte temporal de cinco anos, com início em 2026, considerado o ano zero para o desenvolvimento do MVP, registo da marca e lançamento da plataforma em Portugal e Espanha. Os resultados da análise de viabilidade, realizados na ótica do investimento (100% capitais próprios), demonstram o potencial do projeto, apresentando um Valor Atual Líquido (VAL) de 344 724 € no cenário com valor residual e de 18 855 337 € no cenário de perpetuidade, uma Taxa Interna de Rentabilidade (TIR) entre 346,16% e 478,12%, e um Payback de apenas 1,38 anos. Estes indicadores confirmam a atratividade financeira do investimento e a robustez do modelo de negócio, reforçando a pertinência da SmartChoice como solução inovadora no setor do comércio eletrónico.
    2025-11-24Dissertação de mestrado Acesso aberto Ver mais
  • Comparison of computer vision and deep learning techniques for identifying marine mammal individuals
    Publication . Millan Batista, Andres Alejandro; Radeta, Marko; Mendonça, Fábio
    This thesis addresses the difficulties of the process for identifying individual marine mammals, as well as their automation and considerations when working on this specific task. Although it has been established and evolving for more than 40 years, this process is traditionally performed using photo identification, a process that is time-consuming and relies on domain expertise for accurate annotation. This approach poses substantial hurdles, particularly since deep learning methods, which provide a promising alternative, require a large volume of annotated images to achieve high model accuracy. However, such data can be cumbersome to acquire for elusive individuals. To ad dress these limitations and solve the identification of marine mammal individuals, this dissertation develops and benchmarks diverse algorithms and pipelines to automate and facilitate their classi f ication. The first employs computer vision and data science techniques to process images without relying on manual annotation. The second leverages deep learning models that incorporate anno tated data for training, as well as image identification and object classification, with the intention of speeding up this process. Validation of these pipelines is performed by comparing the predic tions against ground-truth annotations, providing a measure of model performance. Additional tests assess the efficiency of pipelines in identifying previously unseen individuals, evaluating both the accuracy and time required to recognize them. These methodologies are thus a link between manual and automated identification, providing scalable solutions for marine mammal research and conservation efforts. Every step achieved in this process allows the researchers to reduce the working time when it comes to the whole process, allowing them to focus on more specific tasks, such as classifying individuals directly, rather than having to focus on every step of the image pro cessing. It can also be eventually adapted to become a platform that would allow the entirety of the process to be automated, leaving the scientist with a process that would be as simple as placing an image through the program and receiving a highly likely result, making their work exponentially easier over the course of hundreds of images.
    2025-11-24Dissertação de mestrado Acesso embargado Ver mais