Casos de éxito ST IT Cloud
Educación
Tecnología
Aprendizaje automático / Nube / AWS / SageMaker / AWS DMS / AWS Glue / Athena / AWS QuickSight
Meta
O objetivo desse projeto era a detecção de probabilidade de evasão de alunos, por meio da analise dos diversos dados disponibilizados de alunos, aplicação de treinamento de modelo de machine learning para que no final cada aluno da base possua score de probabilidade de evasão associado ao seu perfil. Os dados utilizados para o desenvolvimento desse projeto foram disponibilizados pela instituição de ensino, como por exemplo: dados financeiros, dados sobre a presença do aluno (horário de entrada e saída) e histórico do aluno na instituição.
![](https://lp.stitcloud.com/wp-content/uploads/2023/05/Group-556-1.webp)
![](https://lp.stitcloud.com/wp-content/uploads/2023/05/Group-559.webp)
Educación
Tecnología
Aprendizaje automático / Nube / AWS / SageMaker / AWS Glue / Step Functions / Neptune
Meta
El objetivo de este proyecto fue el desarrollo de un motor de recomendación de cursos, a través del análisis de datos de la base de datos de estudiantes de la institución educativa, tablas de ciudades, tabla de municipios, tabla IBGE, tabla de área de conocimiento, comparando Área x Curso y tabla de Año de finalización . Después de agregar estos datos, se utilizó Neptune para facilitar la creación y ejecución de aplicaciones con gráficos. Los datos utilizados para el desarrollo de este proyecto fueron proporcionados por la institución educativa, con el apoyo de datos públicos.
Energía
Tecnología
Aprendizaje automático / Nube / AWS / SageMaker / AWS DMS / AWS Glue / Athena / AWS QuickSight
Meta
Desarrolle modelos de Machine Learning para identificar nuevos perfiles de variación de consumo, categorizar a los consumidores, automatizar el análisis de riesgos y ampliar su cartera de productos. Se utilizaron datos públicos de la CCEE (Cámara Comercializadora de Energía Eléctrica) para clasificar el perfil de variación del consumo de los consumidores a través del CNPJ y posteriormente aplicar métricas (proporcionadas por el cliente) para establecer primas, descuentos o aplicar acciones de marketing con estos clientes.
![](https://lp.stitcloud.com/wp-content/uploads/2023/05/Group-558.webp)
![](https://lp.stitcloud.com/wp-content/uploads/2023/05/Group-559.webp)
Seguros y Educación
Tecnología
Aprendizaje automático / Nube / AWS / SageMaker / Textract / Rekognition / Comprender
Meta
Desarrollar modelos de Machine Learning para:
• Tratamiento de imagen – La fase de tratamiento de imagen se encargará de clasificar, digitar, validar la legibilidad del documento, corregir ángulo y perspectiva, mejorar la calidad de la imagen (ajustes de brillo, contraste y resolución), conversión a formato específico (PDF/ A), de forma automática y proporcionar sólo la información requerida por el sistema, junto con la puntuación del documento.
• Manipulación de imágenes: realice todos los procesos de validación de imágenes, OCR y entrenamiento de modelos de Machine Learning.