Uso de técnicas de data science na previsão de febre amarela utilizando o twitter

Esta obra tem como objetivo descrever um modelo que identifica e analisa os focos de febre amarela no Brasil por meio da mídia social Twitter. No livro, a febre amarela é abordada num contexto histório e epidemiológico, até os anos mais recentes dessa epidemia. Utilizamos a mídia social Twitter para rastrear mensagens dos usuários do Twitter em tempo real, onde essas mensagens relatam sintomas da doença ou existe alguma relação com a epidemia pesquisada. O modelo criado teve como base o algoritmo bayesiano (teorema de Bayes), que é um ótimo classificador de texto. Os tweets foram classificados em 4 grupos, e depois selecionados somente aqueles que têm relação com a epidemia. Foi utilizado um Sistema Gerenciador de Banco de Dados Não-Relacional, o MongoDB, para o armazenamento dos dados coletados. Finalmente, foram identificadas, com sucesso e em tempo real, as localizações e número de ocorrêcias onde possuem o surto da epidemia por município e por estado. Os resultados do projeto foram validados com os dados oficiais da Secretaria de Vigilância Sanitária, apresentando um alta correlação.