RESUMO O grande volume de dados gerados em redes sociais é usado por empresas para monitoramento das opiniões do público sobre seus produtos e serviços. Na área da Saúde, esses dados podem conter informações também aplicáveis na vigilância, como na avaliação do impacto de políticas públicas ou na identificação de fake news. Este trabalho apresenta resultados de estudos demonstrando como a análise de dados de redes sociais pode ser utilizada nas atividades de vigilância, tendo como estudo de caso a pandemia da Covid-19. Foi utilizada uma abordagem baseada em Ciência de Dados, com extração de informações através de algoritmos de aprendizado de máquina. Os resultados indicam que essa abordagem pode revelar importantes informações para as atividades de vigilância, trazendo uma visão em tempo real de aspectos relacionados à pandemia.

RESUMO O atual formato de desenvolvimento humano gera severos impactos ambientais, os quais repercutem negativamente na saúde; dentre eles, a intensificação da transmissão de doenças infecciosas, epidemias e pandemias, como a Covid-19. A forma como lidamos com a biodiversidade e os ecossistemas, em conjunto com as mudanças climáticas, viabiliza interfaces e corredores por onde ocorrem diversificação, spillover e circulação de vírus. Por esses meios, o Sars-CoV-2 poderá invadir biomas brasileiros, transformando florestas como a Amazônia em imensos reservatórios, de onde o coronavírus poderá retornar ainda mais agressivo à saúde.

In Water Resources area, data are obtained from various sources, such as measuring instruments and satellites. Often such data may contain patterns that are not easily identified, either because of the large volume of data sets or because the analysis requires the use of several data dimensions. In this way, this study proposes the application of machine learning resources and spatial visualization to identify patterns in the estimation of an important component of the hydrological cycle: the evapotranspiration. This work is expected to contribute to an approach to estimate evapotranspiration, using spatial resources for pattern identification and model generation.

No abstract