SlideShare uma empresa Scribd logo
Coisas estranhas que podemos fazer 
com dados coletados em dispositivos 
moveis: bye-bye privacidade! 
Human Activity Recognition 
Fabrcio J. Barth 
fabricio.barth@gmail.com 
Faculdade BandTec e Watson Group IBM 
Novembro de 2014
Exemplos de dispositivos 
e dados que podem ser 
coletados 
2
Celulares 
Exemplos de dispositivos e dados que podem ser coletados | Celulares 3
Coleta informac~oes sobre: 
 Localizac~ao (latitude e longitude); 
 Movimentac~ao (aceler^ometro, giroscopio); 
 Ambiente (audio, proximidade, luminosidade); 
 Social (historico de ligac~oes, contatos). 
Exemplos de dispositivos e dados que podem ser coletados | Celulares 4
Relogios 
Exemplos de dispositivos e dados que podem ser coletados | Relogios 5
Coleta informac~oes sobre: 
 Frequ^encia cardaca; 
 Press~ao arterial. 
Exemplos de dispositivos e dados que podem ser coletados | Relogios 6
Outras aplicac~oes (talvez menos uteis) 
Exemplos de dispositivos e dados que podem ser coletados | Outras aplicac~oes (talvez menos uteis) 7
Monitora atividades fsicas 
Exemplos de dispositivos e dados que podem ser coletados | Monitora atividades fsicas 8
Monitora: 
 Que atividade esta sendo realizada; 
 Qual a durac~ao; 
 Qual a frequ^encia. 
Exemplos de dispositivos e dados que podem ser coletados | Monitora atividades fsicas 9
Disney 
Exemplos de dispositivos e dados que podem ser coletados | Disney 10
Monitora: 
 Quando entrou e saiu do parque; 
 Por onde andou; 
 O que e quando comprou; 
 Em quais parques foi e quando foi. 
Exemplos de dispositivos e dados que podem ser coletados | Disney 11
O que podemos fazer 
com os dados coletados? 
12
Primeiro exemplo de aplicac~ao [2] 
O que podemos fazer com os dados coletados? | Primeiro exemplo de aplicac~ao [2] 13
O objetivo deste exemplo e construir um classi
cador 
capaz de dizer que atividade (sitting, sitting down, 
standing, standing up, walking) uma pessoa esta 
realizando a partir de dados coletados de aceler^ometros 
presentes no corpo desta pessoa. 
O que podemos fazer com os dados coletados? | Primeiro exemplo de aplicac~ao [2] 14
Pipeline do processo para reconhecimento 
de atividades [1] 
O que podemos fazer com os dados coletados? | Pipeline do processo para reconhecimento de atividades [1] 15
Dados coletados e
ltrados 
 Dados coletados a partir de 4 tri-axial aceler^ometros. 
 Foram consideradas janelas de tempo de 1 segundo, 
com overlapping de 150ms. 
 Medidas de roll, pitch e modulo de acelerac~ao foram 
adquiridas. 
 A amostra dentro da janela de tempo foi agrupada e 
atributos foram gerados (i.e., vari^ancia, media). 
 Foram
ltrados 12 atributos
nais - tr^es para cada 
aceler^ometro. 
O que podemos fazer com os dados coletados? | Dados coletados e
ltrados 16
Construc~ao do classi
cador 
 O dataset possui 165.633 exemplos e 19 atributos: 
? user, gender, age, how tall in meters, weight, 
body mass index, x1, y1, z1,   , x4, y4, z4, class 
 O dataset foi dividido em conjunto de treinamento e 
teste, respeitando a proporc~ao dos valores do atributo 
class. 
Refer^encia: http://rpubs.com/fbarth/har01 
O que podemos fazer com os dados coletados? | Construc~ao do classi
cador 17
Alguns resultados da analise descritiva 
O que podemos fazer com os dados coletados? | Alguns resultados da analise descritiva 18
O que podemos fazer com os dados coletados? | Alguns resultados da analise descritiva 19
Algoritmo utilizado para criac~ao do 
modelo: Random Forest 
O que podemos fazer com os dados coletados? | Algoritmo utilizado para criac~ao do modelo: Random Forest 20
Criando o modelo... 
O que podemos fazer com os dados coletados? | Criando o modelo... 21
O que podemos fazer com os dados coletados? | Criando o modelo... 22
O que podemos fazer com os dados coletados? | Criando o modelo... 23
O que podemos fazer com os dados coletados? | Criando o modelo... 24
Outro modelo 
Modelo que utiliza apenas dados do aceler^ometro localizado na 
cintura (Erro estimado: 17.12%) 
O que podemos fazer com os dados coletados? | Outro modelo 25
Validando o modelo completo com o 
conjunto de testes 
O que podemos fazer com os dados coletados? | Validando o modelo completo com o conjunto de testes 26
Resultados do trabalho original [2] 
O que podemos fazer com os dados coletados? | Resultados do trabalho original [2] 27
Dado o mesmo dataset, sera que e 
possvel determinar quem esta realizando 
a atividade? 
http://fbarth.net.br/humanActivityRecognition/scripts/har case01 user.html 
O que podemos fazer com os dados coletados? | Dado o mesmo dataset, sera que e possvel determinar quem esta 
realizando a atividade? 
28
Segundo exemplo de aplicac~ao [1] 
Os experimentos foram realizados com um grupo de 30 
voluntarios entre 19-48 anos. Cada pessoa executou seis 
atividades: 
 Walking: andando 
 Walking Upstairs: andando escada acima 
 Walking Downstairs: andando escada abaixo 
 Sitting: sentado 
 Standing: em pe 
 Laying: deitado 
usando um smartphone (Samsung Galaxy II) na cintura. 
O que podemos fazer com os dados coletados? | Segundo exemplo de aplicac~ao [1] 29
Com base nos sensores do smartphone, acelerom^etro e 
giroscopio, foram capturados a acelerac~ao linear nos tr^es eixos e 
a velocidade angular nos tr^es eixos. 
O que podemos fazer com os dados coletados? | Segundo exemplo de aplicac~ao [1] 30
Adquirindo os dados 
http://rpubs.com/fbarth/har02 
O que podemos fazer com os dados coletados? | Adquirindo os dados 31
Separando os dados 
O que podemos fazer com os dados coletados? | Separando os dados 32
Construindo o modelo 
O que podemos fazer com os dados coletados? | Construindo o modelo 33
Construindo o modelo 
O que podemos fazer com os dados coletados? | Construindo o modelo 34
Validando o modelo 
O que podemos fazer com os dados coletados? | Validando o modelo 35
Comparando com o artigo original [1] 
O que podemos fazer com os dados coletados? | Comparando com o artigo original [1] 36
Kaggle: Accelerometer 
Biometric Competition 
37
Kaggle: Accelerometer Biometric Competition | 38
Kaggle: Accelerometer Biometric Competition | 39

Mais conteúdo relacionado

Destaque

Cameras smythe e raniel
Cameras smythe e ranielCameras smythe e raniel
Cameras smythe e raniel
pipesmythe
 
Ashtavakra Gita - Chapter 3 - Test of the Seeker
Ashtavakra Gita - Chapter 3 - Test of the SeekerAshtavakra Gita - Chapter 3 - Test of the Seeker
Ashtavakra Gita - Chapter 3 - Test of the Seeker
Vinod Kad
 
Recherche d'emploi et réseaux sociaux
Recherche d'emploi et réseaux sociauxRecherche d'emploi et réseaux sociaux
Recherche d'emploi et réseaux sociaux
Webpatron
 
handwriting recognition
handwriting recognitionhandwriting recognition
handwriting recognition
Hemza Infomagicien
 
Depoimentos de clientes da Seeker Tecnologia
Depoimentos de clientes da Seeker TecnologiaDepoimentos de clientes da Seeker Tecnologia
Depoimentos de clientes da Seeker Tecnologia
Seeker Tecnologia
 
Les outils de l’UX pour connaître les utilisateurs - MC Casal - YOODx 2017
 Les outils de l’UX pour connaître les utilisateurs - MC Casal - YOODx 2017 Les outils de l’UX pour connaître les utilisateurs - MC Casal - YOODx 2017
Les outils de l’UX pour connaître les utilisateurs - MC Casal - YOODx 2017
YOODx
 
Synodiance > Recherche Vocale - SEO Campus Paris - 07/04/2016
Synodiance > Recherche Vocale - SEO Campus Paris - 07/04/2016Synodiance > Recherche Vocale - SEO Campus Paris - 07/04/2016
Synodiance > Recherche Vocale - SEO Campus Paris - 07/04/2016
Search Foresight
 
Twitter for Business
Twitter for BusinessTwitter for Business
Twitter for Business
Kathy Hennessy
 
How To Grow Your Way Out Of A Recession
How To Grow Your Way Out Of A RecessionHow To Grow Your Way Out Of A Recession
How To Grow Your Way Out Of A Recession
Site-Seeker, Inc.
 
Working out your Team Role
Working out your Team RoleWorking out your Team Role
Working out your Team Role
Neha Agrawal
 
Introduction to-thucydides
Introduction to-thucydidesIntroduction to-thucydides
Introduction to-thucydides
John Ferguson Smart Limited
 
Understanding Social Media for Business
Understanding Social Media for BusinessUnderstanding Social Media for Business
Understanding Social Media for Business
Site-Seeker, Inc.
 
Séminaire sur le Programme Exemplaire
Séminaire sur le Programme ExemplaireSéminaire sur le Programme Exemplaire
Séminaire sur le Programme Exemplaire
Loïc Hervier
 
Methode de rechercher un emploi via linkedin
Methode de rechercher un emploi via linkedinMethode de rechercher un emploi via linkedin
Methode de rechercher un emploi via linkedin
Ahmed Oualkadi
 
Reconnaissane de visage expression et genre
Reconnaissane de visage expression et genreReconnaissane de visage expression et genre
Reconnaissane de visage expression et genre
Fadhila Najah
 

Destaque (16)

Cameras smythe e raniel
Cameras smythe e ranielCameras smythe e raniel
Cameras smythe e raniel
 
Ashtavakra Gita - Chapter 3 - Test of the Seeker
Ashtavakra Gita - Chapter 3 - Test of the SeekerAshtavakra Gita - Chapter 3 - Test of the Seeker
Ashtavakra Gita - Chapter 3 - Test of the Seeker
 
Recherche d'emploi et réseaux sociaux
Recherche d'emploi et réseaux sociauxRecherche d'emploi et réseaux sociaux
Recherche d'emploi et réseaux sociaux
 
handwriting recognition
handwriting recognitionhandwriting recognition
handwriting recognition
 
Depoimentos de clientes da Seeker Tecnologia
Depoimentos de clientes da Seeker TecnologiaDepoimentos de clientes da Seeker Tecnologia
Depoimentos de clientes da Seeker Tecnologia
 
Les outils de l’UX pour connaître les utilisateurs - MC Casal - YOODx 2017
 Les outils de l’UX pour connaître les utilisateurs - MC Casal - YOODx 2017 Les outils de l’UX pour connaître les utilisateurs - MC Casal - YOODx 2017
Les outils de l’UX pour connaître les utilisateurs - MC Casal - YOODx 2017
 
Synodiance > Recherche Vocale - SEO Campus Paris - 07/04/2016
Synodiance > Recherche Vocale - SEO Campus Paris - 07/04/2016Synodiance > Recherche Vocale - SEO Campus Paris - 07/04/2016
Synodiance > Recherche Vocale - SEO Campus Paris - 07/04/2016
 
Twitter for Business
Twitter for BusinessTwitter for Business
Twitter for Business
 
How To Grow Your Way Out Of A Recession
How To Grow Your Way Out Of A RecessionHow To Grow Your Way Out Of A Recession
How To Grow Your Way Out Of A Recession
 
Working out your Team Role
Working out your Team RoleWorking out your Team Role
Working out your Team Role
 
Introduction to-thucydides
Introduction to-thucydidesIntroduction to-thucydides
Introduction to-thucydides
 
Understanding Social Media for Business
Understanding Social Media for BusinessUnderstanding Social Media for Business
Understanding Social Media for Business
 
Séminaire sur le Programme Exemplaire
Séminaire sur le Programme ExemplaireSéminaire sur le Programme Exemplaire
Séminaire sur le Programme Exemplaire
 
Methode de rechercher un emploi via linkedin
Methode de rechercher un emploi via linkedinMethode de rechercher un emploi via linkedin
Methode de rechercher un emploi via linkedin
 
Linkedin guide premium job seeker
Linkedin guide premium job seekerLinkedin guide premium job seeker
Linkedin guide premium job seeker
 
Reconnaissane de visage expression et genre
Reconnaissane de visage expression et genreReconnaissane de visage expression et genre
Reconnaissane de visage expression et genre
 

Semelhante a Human Activity Recognition

Big data e o dirieto internacional - SILVA JR., Nelmon J.
Big data e o dirieto internacional - SILVA JR., Nelmon J.Big data e o dirieto internacional - SILVA JR., Nelmon J.
Big data e o dirieto internacional - SILVA JR., Nelmon J.
Autônomo
 
Big Data Analytics
Big Data AnalyticsBig Data Analytics
Big Data Analytics
Guilherme Hinkelmann
 
TCC_-_IoT aplicada no monitoramento da saúde de pessoas idosas - detecção de ...
TCC_-_IoT aplicada no monitoramento da saúde de pessoas idosas - detecção de ...TCC_-_IoT aplicada no monitoramento da saúde de pessoas idosas - detecção de ...
TCC_-_IoT aplicada no monitoramento da saúde de pessoas idosas - detecção de ...
GiseliSiqueira1
 
TDP_2013
TDP_2013TDP_2013
TDP_2013
Ícaro Gargione
 
Data Science For Dummies From a Dummy
Data Science For Dummies From a DummyData Science For Dummies From a Dummy
Data Science For Dummies From a Dummy
Eduardo Felipe Ewert Bonet
 
Curadoria de dados de pesquisa
Curadoria de dados de pesquisaCuradoria de dados de pesquisa
Curadoria de dados de pesquisa
Ana Carolina Simionato
 
TDC2016SP - Trilha Data Science
TDC2016SP - Trilha Data ScienceTDC2016SP - Trilha Data Science
TDC2016SP - Trilha Data Science
tdc-globalcode
 
Introdução ao Big Data para Desenvolvedores Python
Introdução ao Big Data para Desenvolvedores PythonIntrodução ao Big Data para Desenvolvedores Python
Introdução ao Big Data para Desenvolvedores Python
Luiz Eduardo Le Masson
 
BIG DATA
BIG DATABIG DATA
[Palestras] machine learning gênesis ao apocalipse
[Palestras] machine learning   gênesis ao apocalipse[Palestras] machine learning   gênesis ao apocalipse
[Palestras] machine learning gênesis ao apocalipse
DevCamp Campinas
 
Documento de Iniciação Científica - Estudo utilizando big data, twitter e gephi
Documento de Iniciação Científica - Estudo utilizando big data, twitter e gephiDocumento de Iniciação Científica - Estudo utilizando big data, twitter e gephi
Documento de Iniciação Científica - Estudo utilizando big data, twitter e gephi
Newton Calegari
 
Detecção preventiva de fracionamento de compras
Detecção preventiva de fracionamento de comprasDetecção preventiva de fracionamento de compras
Detecção preventiva de fracionamento de compras
Rommel Carvalho
 
Painel 03 01 - Rommel Carvalho - detecção preventiva de fracionamento de co...
Painel 03   01 - Rommel Carvalho - detecção preventiva de fracionamento de co...Painel 03   01 - Rommel Carvalho - detecção preventiva de fracionamento de co...
Painel 03 01 - Rommel Carvalho - detecção preventiva de fracionamento de co...
Tribunal de Contas da União - TCU (Oficial)
 
aula_met_tec02.pptx
aula_met_tec02.pptxaula_met_tec02.pptx
aula_met_tec02.pptx
HelvioBrumSilva
 
Apresenta o_do_tcc___felipe_correa(8)
Apresenta  o_do_tcc___felipe_correa(8)Apresenta  o_do_tcc___felipe_correa(8)
Apresenta o_do_tcc___felipe_correa(8)
felipe_cr
 
Monografia TCC Eng Produção - Desenvolvimento de um Aplicativo Móvel para Aná...
Monografia TCC Eng Produção - Desenvolvimento de um Aplicativo Móvel para Aná...Monografia TCC Eng Produção - Desenvolvimento de um Aplicativo Móvel para Aná...
Monografia TCC Eng Produção - Desenvolvimento de um Aplicativo Móvel para Aná...
Philippe Elias
 
Plano de Gestão de Dados de investigação: estruturar, organizar e gerir dados
Plano de Gestão de Dados de investigação: estruturar, organizar e gerir dadosPlano de Gestão de Dados de investigação: estruturar, organizar e gerir dados
Plano de Gestão de Dados de investigação: estruturar, organizar e gerir dados
Biblioteca UBI
 
Partilha de Informação
Partilha de InformaçãoPartilha de Informação
Partilha de Informação
ONE Talks
 
Proposição para um Paradigma de Orientação a Acessibilidade
Proposição para um Paradigma de Orientação a AcessibilidadeProposição para um Paradigma de Orientação a Acessibilidade
Proposição para um Paradigma de Orientação a Acessibilidade
Ystallonne Alves
 
PROPOSIÇÃO PARA UM PARADIGMA DE ORIENTAÇÃO A ACESSIBILIDADE
PROPOSIÇÃO PARA UM PARADIGMA DE ORIENTAÇÃO A ACESSIBILIDADEPROPOSIÇÃO PARA UM PARADIGMA DE ORIENTAÇÃO A ACESSIBILIDADE
PROPOSIÇÃO PARA UM PARADIGMA DE ORIENTAÇÃO A ACESSIBILIDADE
Os Fantasmas !
 

Semelhante a Human Activity Recognition (20)

Big data e o dirieto internacional - SILVA JR., Nelmon J.
Big data e o dirieto internacional - SILVA JR., Nelmon J.Big data e o dirieto internacional - SILVA JR., Nelmon J.
Big data e o dirieto internacional - SILVA JR., Nelmon J.
 
Big Data Analytics
Big Data AnalyticsBig Data Analytics
Big Data Analytics
 
TCC_-_IoT aplicada no monitoramento da saúde de pessoas idosas - detecção de ...
TCC_-_IoT aplicada no monitoramento da saúde de pessoas idosas - detecção de ...TCC_-_IoT aplicada no monitoramento da saúde de pessoas idosas - detecção de ...
TCC_-_IoT aplicada no monitoramento da saúde de pessoas idosas - detecção de ...
 
TDP_2013
TDP_2013TDP_2013
TDP_2013
 
Data Science For Dummies From a Dummy
Data Science For Dummies From a DummyData Science For Dummies From a Dummy
Data Science For Dummies From a Dummy
 
Curadoria de dados de pesquisa
Curadoria de dados de pesquisaCuradoria de dados de pesquisa
Curadoria de dados de pesquisa
 
TDC2016SP - Trilha Data Science
TDC2016SP - Trilha Data ScienceTDC2016SP - Trilha Data Science
TDC2016SP - Trilha Data Science
 
Introdução ao Big Data para Desenvolvedores Python
Introdução ao Big Data para Desenvolvedores PythonIntrodução ao Big Data para Desenvolvedores Python
Introdução ao Big Data para Desenvolvedores Python
 
BIG DATA
BIG DATABIG DATA
BIG DATA
 
[Palestras] machine learning gênesis ao apocalipse
[Palestras] machine learning   gênesis ao apocalipse[Palestras] machine learning   gênesis ao apocalipse
[Palestras] machine learning gênesis ao apocalipse
 
Documento de Iniciação Científica - Estudo utilizando big data, twitter e gephi
Documento de Iniciação Científica - Estudo utilizando big data, twitter e gephiDocumento de Iniciação Científica - Estudo utilizando big data, twitter e gephi
Documento de Iniciação Científica - Estudo utilizando big data, twitter e gephi
 
Detecção preventiva de fracionamento de compras
Detecção preventiva de fracionamento de comprasDetecção preventiva de fracionamento de compras
Detecção preventiva de fracionamento de compras
 
Painel 03 01 - Rommel Carvalho - detecção preventiva de fracionamento de co...
Painel 03   01 - Rommel Carvalho - detecção preventiva de fracionamento de co...Painel 03   01 - Rommel Carvalho - detecção preventiva de fracionamento de co...
Painel 03 01 - Rommel Carvalho - detecção preventiva de fracionamento de co...
 
aula_met_tec02.pptx
aula_met_tec02.pptxaula_met_tec02.pptx
aula_met_tec02.pptx
 
Apresenta o_do_tcc___felipe_correa(8)
Apresenta  o_do_tcc___felipe_correa(8)Apresenta  o_do_tcc___felipe_correa(8)
Apresenta o_do_tcc___felipe_correa(8)
 
Monografia TCC Eng Produção - Desenvolvimento de um Aplicativo Móvel para Aná...
Monografia TCC Eng Produção - Desenvolvimento de um Aplicativo Móvel para Aná...Monografia TCC Eng Produção - Desenvolvimento de um Aplicativo Móvel para Aná...
Monografia TCC Eng Produção - Desenvolvimento de um Aplicativo Móvel para Aná...
 
Plano de Gestão de Dados de investigação: estruturar, organizar e gerir dados
Plano de Gestão de Dados de investigação: estruturar, organizar e gerir dadosPlano de Gestão de Dados de investigação: estruturar, organizar e gerir dados
Plano de Gestão de Dados de investigação: estruturar, organizar e gerir dados
 
Partilha de Informação
Partilha de InformaçãoPartilha de Informação
Partilha de Informação
 
Proposição para um Paradigma de Orientação a Acessibilidade
Proposição para um Paradigma de Orientação a AcessibilidadeProposição para um Paradigma de Orientação a Acessibilidade
Proposição para um Paradigma de Orientação a Acessibilidade
 
PROPOSIÇÃO PARA UM PARADIGMA DE ORIENTAÇÃO A ACESSIBILIDADE
PROPOSIÇÃO PARA UM PARADIGMA DE ORIENTAÇÃO A ACESSIBILIDADEPROPOSIÇÃO PARA UM PARADIGMA DE ORIENTAÇÃO A ACESSIBILIDADE
PROPOSIÇÃO PARA UM PARADIGMA DE ORIENTAÇÃO A ACESSIBILIDADE
 

Mais de Fabrício Barth

Mineração de padrões frequentes - Pós Graduação em Big Data
Mineração de padrões frequentes - Pós Graduação em Big DataMineração de padrões frequentes - Pós Graduação em Big Data
Mineração de padrões frequentes - Pós Graduação em Big Data
Fabrício Barth
 
Redução de dimensionalidade - Pós Graduação em Big Data
Redução de dimensionalidade - Pós Graduação em Big DataRedução de dimensionalidade - Pós Graduação em Big Data
Redução de dimensionalidade - Pós Graduação em Big Data
Fabrício Barth
 
Hierarquia de modelos e Aprendizagem de Máquina - Pós Graduação em Big Data
Hierarquia de modelos e Aprendizagem de Máquina - Pós Graduação em Big DataHierarquia de modelos e Aprendizagem de Máquina - Pós Graduação em Big Data
Hierarquia de modelos e Aprendizagem de Máquina - Pós Graduação em Big Data
Fabrício Barth
 
Contexto de Big Data, Ciência de Dados e KDD - Pós Graduação em Big Data
Contexto de Big Data, Ciência de Dados e KDD - Pós Graduação em Big DataContexto de Big Data, Ciência de Dados e KDD - Pós Graduação em Big Data
Contexto de Big Data, Ciência de Dados e KDD - Pós Graduação em Big Data
Fabrício Barth
 
Pré-processamento [no R] e Análise Exploratória - Curso de Big Data
Pré-processamento [no R] e Análise Exploratória - Curso de Big DataPré-processamento [no R] e Análise Exploratória - Curso de Big Data
Pré-processamento [no R] e Análise Exploratória - Curso de Big Data
Fabrício Barth
 
Algoritmos de Agrupamento - Aprendizado não supervisionado
Algoritmos de Agrupamento - Aprendizado não supervisionadoAlgoritmos de Agrupamento - Aprendizado não supervisionado
Algoritmos de Agrupamento - Aprendizado não supervisionado
Fabrício Barth
 
Oficina: construção de modelos descritivos e preditivos utilizando R
Oficina: construção de modelos descritivos e preditivos utilizando ROficina: construção de modelos descritivos e preditivos utilizando R
Oficina: construção de modelos descritivos e preditivos utilizando R
Fabrício Barth
 
Iniciativas em Big Data no VAGAS.com
Iniciativas em Big Data no VAGAS.comIniciativas em Big Data no VAGAS.com
Iniciativas em Big Data no VAGAS.com
Fabrício Barth
 
Web Data Mining com R
Web Data Mining com RWeb Data Mining com R
Web Data Mining com R
Fabrício Barth
 
Web Data Mining com R: identificação de spam utilizando Random Forest
Web Data Mining com R: identificação de spam utilizando Random ForestWeb Data Mining com R: identificação de spam utilizando Random Forest
Web Data Mining com R: identificação de spam utilizando Random Forest
Fabrício Barth
 
Web Data Mining com R: design de projetos para criação de modelos preditivos
Web Data Mining com R: design de projetos para criação de modelos preditivosWeb Data Mining com R: design de projetos para criação de modelos preditivos
Web Data Mining com R: design de projetos para criação de modelos preditivos
Fabrício Barth
 
Web Data Mining em R: agrupamento de mensagens do twitter
Web Data Mining em R: agrupamento de mensagens do twitterWeb Data Mining em R: agrupamento de mensagens do twitter
Web Data Mining em R: agrupamento de mensagens do twitter
Fabrício Barth
 
Web Data Mining com R: criação de regras de associação a partir da navegação ...
Web Data Mining com R: criação de regras de associação a partir da navegação ...Web Data Mining com R: criação de regras de associação a partir da navegação ...
Web Data Mining com R: criação de regras de associação a partir da navegação ...
Fabrício Barth
 
Web Data Mining com r: aprendizagem de máquina
Web Data Mining com r: aprendizagem de máquinaWeb Data Mining com r: aprendizagem de máquina
Web Data Mining com r: aprendizagem de máquina
Fabrício Barth
 
Web Data Mining com R: pré-processamento de dados [no R]
Web Data Mining com R: pré-processamento de dados [no R]Web Data Mining com R: pré-processamento de dados [no R]
Web Data Mining com R: pré-processamento de dados [no R]
Fabrício Barth
 
Data Science, Machine Learning and Big Data
Data Science, Machine Learning and Big DataData Science, Machine Learning and Big Data
Data Science, Machine Learning and Big Data
Fabrício Barth
 
Uma introdução à mineração de informações na era do Big Data
Uma introdução à mineração de informações na era do Big DataUma introdução à mineração de informações na era do Big Data
Uma introdução à mineração de informações na era do Big Data
Fabrício Barth
 
Projeto Simple Maps
Projeto Simple MapsProjeto Simple Maps
Projeto Simple Maps
Fabrício Barth
 
Uma introdução à mineração de informações
Uma introdução à mineração de informaçõesUma introdução à mineração de informações
Uma introdução à mineração de informações
Fabrício Barth
 
Data, Text and Web Mining
Data, Text and Web MiningData, Text and Web Mining
Data, Text and Web Mining
Fabrício Barth
 

Mais de Fabrício Barth (20)

Mineração de padrões frequentes - Pós Graduação em Big Data
Mineração de padrões frequentes - Pós Graduação em Big DataMineração de padrões frequentes - Pós Graduação em Big Data
Mineração de padrões frequentes - Pós Graduação em Big Data
 
Redução de dimensionalidade - Pós Graduação em Big Data
Redução de dimensionalidade - Pós Graduação em Big DataRedução de dimensionalidade - Pós Graduação em Big Data
Redução de dimensionalidade - Pós Graduação em Big Data
 
Hierarquia de modelos e Aprendizagem de Máquina - Pós Graduação em Big Data
Hierarquia de modelos e Aprendizagem de Máquina - Pós Graduação em Big DataHierarquia de modelos e Aprendizagem de Máquina - Pós Graduação em Big Data
Hierarquia de modelos e Aprendizagem de Máquina - Pós Graduação em Big Data
 
Contexto de Big Data, Ciência de Dados e KDD - Pós Graduação em Big Data
Contexto de Big Data, Ciência de Dados e KDD - Pós Graduação em Big DataContexto de Big Data, Ciência de Dados e KDD - Pós Graduação em Big Data
Contexto de Big Data, Ciência de Dados e KDD - Pós Graduação em Big Data
 
Pré-processamento [no R] e Análise Exploratória - Curso de Big Data
Pré-processamento [no R] e Análise Exploratória - Curso de Big DataPré-processamento [no R] e Análise Exploratória - Curso de Big Data
Pré-processamento [no R] e Análise Exploratória - Curso de Big Data
 
Algoritmos de Agrupamento - Aprendizado não supervisionado
Algoritmos de Agrupamento - Aprendizado não supervisionadoAlgoritmos de Agrupamento - Aprendizado não supervisionado
Algoritmos de Agrupamento - Aprendizado não supervisionado
 
Oficina: construção de modelos descritivos e preditivos utilizando R
Oficina: construção de modelos descritivos e preditivos utilizando ROficina: construção de modelos descritivos e preditivos utilizando R
Oficina: construção de modelos descritivos e preditivos utilizando R
 
Iniciativas em Big Data no VAGAS.com
Iniciativas em Big Data no VAGAS.comIniciativas em Big Data no VAGAS.com
Iniciativas em Big Data no VAGAS.com
 
Web Data Mining com R
Web Data Mining com RWeb Data Mining com R
Web Data Mining com R
 
Web Data Mining com R: identificação de spam utilizando Random Forest
Web Data Mining com R: identificação de spam utilizando Random ForestWeb Data Mining com R: identificação de spam utilizando Random Forest
Web Data Mining com R: identificação de spam utilizando Random Forest
 
Web Data Mining com R: design de projetos para criação de modelos preditivos
Web Data Mining com R: design de projetos para criação de modelos preditivosWeb Data Mining com R: design de projetos para criação de modelos preditivos
Web Data Mining com R: design de projetos para criação de modelos preditivos
 
Web Data Mining em R: agrupamento de mensagens do twitter
Web Data Mining em R: agrupamento de mensagens do twitterWeb Data Mining em R: agrupamento de mensagens do twitter
Web Data Mining em R: agrupamento de mensagens do twitter
 
Web Data Mining com R: criação de regras de associação a partir da navegação ...
Web Data Mining com R: criação de regras de associação a partir da navegação ...Web Data Mining com R: criação de regras de associação a partir da navegação ...
Web Data Mining com R: criação de regras de associação a partir da navegação ...
 
Web Data Mining com r: aprendizagem de máquina
Web Data Mining com r: aprendizagem de máquinaWeb Data Mining com r: aprendizagem de máquina
Web Data Mining com r: aprendizagem de máquina
 
Web Data Mining com R: pré-processamento de dados [no R]
Web Data Mining com R: pré-processamento de dados [no R]Web Data Mining com R: pré-processamento de dados [no R]
Web Data Mining com R: pré-processamento de dados [no R]
 
Data Science, Machine Learning and Big Data
Data Science, Machine Learning and Big DataData Science, Machine Learning and Big Data
Data Science, Machine Learning and Big Data
 
Uma introdução à mineração de informações na era do Big Data
Uma introdução à mineração de informações na era do Big DataUma introdução à mineração de informações na era do Big Data
Uma introdução à mineração de informações na era do Big Data
 
Projeto Simple Maps
Projeto Simple MapsProjeto Simple Maps
Projeto Simple Maps
 
Uma introdução à mineração de informações
Uma introdução à mineração de informaçõesUma introdução à mineração de informações
Uma introdução à mineração de informações
 
Data, Text and Web Mining
Data, Text and Web MiningData, Text and Web Mining
Data, Text and Web Mining
 

Human Activity Recognition

  • 1. Coisas estranhas que podemos fazer com dados coletados em dispositivos moveis: bye-bye privacidade! Human Activity Recognition Fabrcio J. Barth fabricio.barth@gmail.com Faculdade BandTec e Watson Group IBM Novembro de 2014
  • 2. Exemplos de dispositivos e dados que podem ser coletados 2
  • 3. Celulares Exemplos de dispositivos e dados que podem ser coletados | Celulares 3
  • 4. Coleta informac~oes sobre: Localizac~ao (latitude e longitude); Movimentac~ao (aceler^ometro, giroscopio); Ambiente (audio, proximidade, luminosidade); Social (historico de ligac~oes, contatos). Exemplos de dispositivos e dados que podem ser coletados | Celulares 4
  • 5. Relogios Exemplos de dispositivos e dados que podem ser coletados | Relogios 5
  • 6. Coleta informac~oes sobre: Frequ^encia cardaca; Press~ao arterial. Exemplos de dispositivos e dados que podem ser coletados | Relogios 6
  • 7. Outras aplicac~oes (talvez menos uteis) Exemplos de dispositivos e dados que podem ser coletados | Outras aplicac~oes (talvez menos uteis) 7
  • 8. Monitora atividades fsicas Exemplos de dispositivos e dados que podem ser coletados | Monitora atividades fsicas 8
  • 9. Monitora: Que atividade esta sendo realizada; Qual a durac~ao; Qual a frequ^encia. Exemplos de dispositivos e dados que podem ser coletados | Monitora atividades fsicas 9
  • 10. Disney Exemplos de dispositivos e dados que podem ser coletados | Disney 10
  • 11. Monitora: Quando entrou e saiu do parque; Por onde andou; O que e quando comprou; Em quais parques foi e quando foi. Exemplos de dispositivos e dados que podem ser coletados | Disney 11
  • 12. O que podemos fazer com os dados coletados? 12
  • 13. Primeiro exemplo de aplicac~ao [2] O que podemos fazer com os dados coletados? | Primeiro exemplo de aplicac~ao [2] 13
  • 14. O objetivo deste exemplo e construir um classi
  • 15. cador capaz de dizer que atividade (sitting, sitting down, standing, standing up, walking) uma pessoa esta realizando a partir de dados coletados de aceler^ometros presentes no corpo desta pessoa. O que podemos fazer com os dados coletados? | Primeiro exemplo de aplicac~ao [2] 14
  • 16. Pipeline do processo para reconhecimento de atividades [1] O que podemos fazer com os dados coletados? | Pipeline do processo para reconhecimento de atividades [1] 15
  • 18. ltrados Dados coletados a partir de 4 tri-axial aceler^ometros. Foram consideradas janelas de tempo de 1 segundo, com overlapping de 150ms. Medidas de roll, pitch e modulo de acelerac~ao foram adquiridas. A amostra dentro da janela de tempo foi agrupada e atributos foram gerados (i.e., vari^ancia, media). Foram
  • 20. nais - tr^es para cada aceler^ometro. O que podemos fazer com os dados coletados? | Dados coletados e
  • 23. cador O dataset possui 165.633 exemplos e 19 atributos: ? user, gender, age, how tall in meters, weight, body mass index, x1, y1, z1, , x4, y4, z4, class O dataset foi dividido em conjunto de treinamento e teste, respeitando a proporc~ao dos valores do atributo class. Refer^encia: http://rpubs.com/fbarth/har01 O que podemos fazer com os dados coletados? | Construc~ao do classi
  • 25. Alguns resultados da analise descritiva O que podemos fazer com os dados coletados? | Alguns resultados da analise descritiva 18
  • 26. O que podemos fazer com os dados coletados? | Alguns resultados da analise descritiva 19
  • 27. Algoritmo utilizado para criac~ao do modelo: Random Forest O que podemos fazer com os dados coletados? | Algoritmo utilizado para criac~ao do modelo: Random Forest 20
  • 28. Criando o modelo... O que podemos fazer com os dados coletados? | Criando o modelo... 21
  • 29. O que podemos fazer com os dados coletados? | Criando o modelo... 22
  • 30. O que podemos fazer com os dados coletados? | Criando o modelo... 23
  • 31. O que podemos fazer com os dados coletados? | Criando o modelo... 24
  • 32. Outro modelo Modelo que utiliza apenas dados do aceler^ometro localizado na cintura (Erro estimado: 17.12%) O que podemos fazer com os dados coletados? | Outro modelo 25
  • 33. Validando o modelo completo com o conjunto de testes O que podemos fazer com os dados coletados? | Validando o modelo completo com o conjunto de testes 26
  • 34. Resultados do trabalho original [2] O que podemos fazer com os dados coletados? | Resultados do trabalho original [2] 27
  • 35. Dado o mesmo dataset, sera que e possvel determinar quem esta realizando a atividade? http://fbarth.net.br/humanActivityRecognition/scripts/har case01 user.html O que podemos fazer com os dados coletados? | Dado o mesmo dataset, sera que e possvel determinar quem esta realizando a atividade? 28
  • 36. Segundo exemplo de aplicac~ao [1] Os experimentos foram realizados com um grupo de 30 voluntarios entre 19-48 anos. Cada pessoa executou seis atividades: Walking: andando Walking Upstairs: andando escada acima Walking Downstairs: andando escada abaixo Sitting: sentado Standing: em pe Laying: deitado usando um smartphone (Samsung Galaxy II) na cintura. O que podemos fazer com os dados coletados? | Segundo exemplo de aplicac~ao [1] 29
  • 37. Com base nos sensores do smartphone, acelerom^etro e giroscopio, foram capturados a acelerac~ao linear nos tr^es eixos e a velocidade angular nos tr^es eixos. O que podemos fazer com os dados coletados? | Segundo exemplo de aplicac~ao [1] 30
  • 38. Adquirindo os dados http://rpubs.com/fbarth/har02 O que podemos fazer com os dados coletados? | Adquirindo os dados 31
  • 39. Separando os dados O que podemos fazer com os dados coletados? | Separando os dados 32
  • 40. Construindo o modelo O que podemos fazer com os dados coletados? | Construindo o modelo 33
  • 41. Construindo o modelo O que podemos fazer com os dados coletados? | Construindo o modelo 34
  • 42. Validando o modelo O que podemos fazer com os dados coletados? | Validando o modelo 35
  • 43. Comparando com o artigo original [1] O que podemos fazer com os dados coletados? | Comparando com o artigo original [1] 36
  • 47. Google Fit, Google Fit SDK, funf 40
  • 48. Google Fit: lancado em 28/10/2014 Google Fit, Google Fit SDK, funf | Google Fit: lancado em 28/10/2014 41
  • 49. Google Fit SDK Google Fit, Google Fit SDK, funf | Google Fit SDK 42
  • 50. funf: Open Sensing Framework Google Fit, Google Fit SDK, funf | funf: Open Sensing Framework 43
  • 52. Obrigado! Todo o material (slides e codigo) aqui apresentado e Copyleft O codigo fonte e encontrado em http://github.com/fbarth Demais materias s~ao encontrado em http://fbarth.net.br fabricio dot barth at gmail dot com Perguntas? | Obrigado! 45
  • 53. References [1] Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra, and JorgeL. Reyes-Ortiz. Human activity recognition on smartphones using a multiclass hardware-friendly support vector machine. In Jose Bravo, Ramon Hervas, and Marcela Rodrguez, editors, Ambient Assisted Living and Home Care, volume 7657 of Lecture Notes in Computer Science, pages 216{223. Springer Berlin Heidelberg, 2012. [2] Wallace Ugulino, Debora Cardador, Katia Vega, Eduardo Velloso, Ruy Milidiu, and Hugo Fuks. Wearable comput-ing: Accelerometers' data classi
  • 54. cation of body postures and movements. In LelianeN. Barros, Marcelo Finger, AuroraT. Pozo, GustavoA. Gimenenez-Lugo, and Marcos Castilho, editors, Advances in Arti
  • 55. cial Intelligence - SBIA 2012, Lecture Notes in Computer Science, pages 52{61. Springer Berlin Heidelberg, 2012. 45-1