Dumbanengue é o nome do novo projecto ou solução que está a ser desenvolvida pelo jovem moçambicano Herco Zau com objectivo de ajudar a sociedade moçambicana no acesso ao domínio do preço de alimentos.
Para o desenvolvimento deste projecto, o jovem recorreu ao Machine Learning e baseado nos dados recolhidos, a solução permite a previsão do preço dos principais produtos alimentícios que podem ser adquiridos nos principais mercados de Moçambique.
Machine Learning (ML) é definido como a habilidade dos computadores, por meio de algoritmos, de identificar padrões em grandes conjuntos de dados e realizar previsões, o que caracteriza a análise preditiva.
“Dumbanengue é um modelo capaz de prever preços dos alimentos em Moçambique com base em dados históricos visando oferecer uma solução avançada para uma questão econômica crucial”,
escreve Herco em anúncio do projecto no LinkedIn.
Com esta solução, o jovem pretende criar na indústria alimentícia, com o auxílio do Machine Learning, uma ampla gama de vantagens para os envolvidos no processo, desde consumidores com orçamentos limitados até empresas que necessitam tomar decisões estratégicas e formuladores de políticas que buscam implementar medidas eficazes relacionadas à segurança alimentar e à estabilidade econômica.
Está também como um dos principais objectivos do desenvolvimento deste projecto identificar oportunidades e reduzir riscos relacionados com o mercado alimentar, uma vez que o dataset utilizado contém o histórico de preços para cada produto em cada período.
O conjunto de dados utilizado abrange informações históricas dos preços dos alimentos, incorporando também características geográficas e indicadores econômicos relevantes, ou seja, há uma variedade de preço tomando em consideração cada região do território moçambicano.
Leia também:
O funcionamento do projecto está conectado com a constante colecta, limpeza e análise de dados até a engenharia de recursos, seleção do algoritmo mais eficaz e, por fim, a avaliação do modelo que pode ser feita por qualquer indivíduo aberto a colaborar.
“Convido a explorar o repositório do projecto, onde encontrará acesso ao conjunto de dados e outras ferramentas empregadas e para aprofundar seu conhecimento sobre o projeto”, lê-se na publicação.
Herco Zau
No caso da colecta de dados para ajudar na previsão de quanto a gastar por um alimento, dos dados até aqui colectados, para o ano de 2023, o conjunto de dados inclui apenas dados até fevereiro. Através do mesmo processo foi possível perceber uma falta de amostra de dados de anos anteriores a 2000.
Em casos nos quais há ausência de dados em determinados períodos, surge um desequilíbrio na previsão assertiva. Isso ocorre porque a falta de informações impede uma comparação equilibrada e a compreensão dos fatores que possam ter impactado nos preços de determinados alimentos em momentos específicos. Nessas situações, o modelo pode gerar previsões de preços incorretas, resultando em superestimação ou subestimação dos valores previstos.
