Sebastiany, Félix Hoffmann2024-04-302023-04-272024-04-302024-04-30https://bibliodigital.unijui.edu.br/handle/123456789/755787 f.Em 2020, a pandemia de Covid-19 afetou diferentes pessoas de distintas maneiras. A maioria das pessoas infectadas apresentaram sintomas leves a moderados da doença, entretanto caso não haja medidas protetivas, a contaminação desenfreada pode gerar sobrecarga nos sistemas hospitalares. No Brasil, assim como em grande parte de outros países, adotou-se o isolamento social como forma de controlar a propagação do vírus. Os índices de isolamento diário foram fornecidos aos gestores públicos para auxiliar no controle da pandemia. Nesse sentido, mais análises são necessárias para compreender e interpretar de forma mais efetiva a relação entre isolamento social e os novos casos de contaminação. Neste contexto, este trabalho busca utilizar a base de dados CNAE (Classificação Nacional de Atividades Econômicas), juntamente com as bases de dados de Isolamento Social (InLoco) e número de casos diários de Covid-19 (Secretaria de Saúde do Estado do Rio Grande do Sul) com o objetivo de desenvolver um modelo computacional para descoberta de conhecimento a partir da relação entre essas bases de dados no contexto da pandemia de Covid-19 no Estado do Rio Grande do Sul usandoMachine Learning. Os resultados obtidos mostram que os setores com maior número de trabalhadores e maior concentração de pessoas em um mesmo ambiente, como o comércio e a indústria, apresentam maiores índices de contaminação. Palavras-chave: Covid-19; Aprendizado de Máquina; Clusterização.pt-BRMATEMÁTICADissertação