Lista Pública de Trabalhos Acadêmicos
Curso:
Todos (trabalhos mais recentes)
Ciência da Computação - Diurno
Ciência da Computação - Noturno
Engenharia Computacional
Licenciatura em Computação
Pós-Graduação em Modelagem Computacional
Sistemas de Informação
Pesquisar:
Ano:
Todos
2026
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
Filtrar
Permite filtrar a lista de TCCs com o curso, o termo e o ano
escolhidos. O termo pode ser, por exemplo:
Autor ou orientador;
Nome do TCC;
Palavra-chave;
Conteúdo dos resumos.
by-year
Trabalho
Autor
PDF
Extras
Flip n' Flop: um jogo educacional para construção interativa de diagramas de tempo
FREDERICO DÔNDICI GAMA VIEIRA
Resumo
Introdução: O ensino de Circuitos Lógicos, embora essencial nos cursos de Computação, enfrenta desafios decorrentes da abstração e da complexidade dos conceitos. No contexto da aprendizagem baseada em jogos, os Jogos Educacionais Digitais (JEDs) têm sido apontados como uma alternativa promissora para promover o engajamento e facilitar a aprendizagem. Objetivos: Este trabalho apresenta o projeto, a implementação e a avaliação preliminar do JED Flip n' Flop, com foco na prática de construção de diagramas de tempo de circuitos sequenciais. Métodos: Inicialmente, foi conduzido um mapeamento sistemático da literatura sobre JEDs aplicados ao ensino de Circuitos Lógicos, a fim de identificar tendências, lacunas e diretrizes de projeto. Com base nesses resultados, foi concebido o Flip n’ Flop, um jogo de plataformas 2D em que a movimentação da personagem está associada ao traçado das linhas em diagramas de tempo. Um protótipo funcional do jogo foi implementado utilizando a engine Unity. A avaliação preliminar do jogo foi realizada com estudantes de graduação por meio do modelo MEEGA+, analisando aspectos de usabilidade, experiência do jogador e aprendizagem percebida. Resultados: A avaliação preliminar do protótipo indicou percepções positivas quanto à relevância pedagógica, facilidade de uso, diversão e contribuição para a compreensão do funcionamento dos flip-flops e da construção de diagramas de tempo, embora limitações relacionadas à personalização e à acessibilidade tenham sido identificadas. Conclusão: Conclui-se que o jogo Flip n’ Flop apresenta potencial como ferramenta de apoio ao ensino de Circuitos Lógicos, oferecendo uma abordagem interativa e alinhada aos objetivos pedagógicos da disciplina. Trabalhos futuros incluem a evolução do protótipo, a ampliação de funcionalidades e a realização de avaliações mais abrangentes.
Ano
2026
Orientador
LUCIANO JEREZ CHAVES
Co-Orientador
Palavras-chave
Jogos educacionais digitais; aprendizagem baseada em jogos; circuitos lógicos; diagramas de tempo; flip-flops
AutoMLOps: Arquitetura de Software Autoadaptativa para Internet das Coisas (IoT)
EDUARDA ARAUJO CARVALHO
Resumo
A Internet das Coisas (IoT) requer sistemas de processamento de dados em tempo real. Nesse cenário, a integração de Inteligência Artificial (IA) e aprendizado de máquina supervisionado viabiliza a análise automatizada de dados. Entretanto, a ocorrência de concept drift em fluxos contínuos (streaming) ocasiona a degradação de desempenho dos modelos. Para tratar esse problema, este trabalho apresenta a arquitetura AutoMLOps, disponibilizada como um serviço via API utilizando FastAPI e direcionada a aplicações de IoT, com configuração parametrizável conforme o domínio. A arquitetura realiza a seleção automática de modelos supervisionados por meio de técnicas de AutoML, monitora métricas de desempenho e adota o padrão Champion/Challenger. Adicionalmente, utiliza um índice de saúde unificado (Health Index – HI) para acionar processos de retreinamento e chaveamento de modelos. A avaliação experimental, conduzida com 3.283 registros de monitoramento bovino para emissão de CO2, evidenciou a capacidade do HI em identificar a degradação de desempenho. Em cenários com ocorrência de concept drift induzido por inserção de ruído, a redução do índice acionou os mecanismos de controle e o ciclo human-in-the-loop, permitindo o retreinamento automático e a recuperação do desempenho do sistema.
Ano
2026
Orientador
JOSE MARIA NAZAR DAVID
Co-Orientador
REGINA MARIA MACIEL BRAGA VILLELA
Palavras-chave
Internet das Coisas (IoT), AutoMLOps, Aprendizado de Máquina, concept drift, Arquiteturas autoadaptativas.
ReFUM2D: Uma Ferramenta de Volumes Finitos para a Simulação das Equações de Navier-Stokes em C++
RICARDO ERVILHA SILVA
Resumo
Este trabalho apresenta o desenvolvimento do ReFUM2D, um solucionador bidimensional de Dinâmica dos Fluidos Computacional, implementado em C++ e baseado no Método dos Volumes Finitos aplicado a malhas não estruturadas. O principal objetivo é a simulação de escoamentos governados pelas equações de Navier–Stokes. São descritas as estratégias de discretização das equações governantes e o funcionamento do algoritmo SIMPLE, amplamente utilizado em CFD. Adicionalmente, o trabalho aborda os principais aspectos computacionais do ReFUM2D, incluindo a organização do código, o pré-processamento das malhas, o cálculo de grandezas geométricas e a exportação dos resultados. A validação do solver é realizada por meio de benchmarks clássicos da literatura, cujos resultados apresentam boa concordância com dados de referência, evidenciando a robustez e a acurácia do código como ferramenta didática e de pesquisa em CFD.
Ano
2026
Orientador
José Jerônimo Camata
Co-Orientador
Palavras-chave
Dinâmica de Fluidos Computacional, Métodos Numéricos, Método dos Volumes Finitos, Equações Diferenciais Parciais, Navier-Stokes.
Estudo de variantes do Decomposição em Modos Dinâmicos aplicadas à dinâmica de sedimentos em escoamentos
BRENO LINO PRADO
Resumo
Este trabalho investiga a aplicação da Decomposição em Modos Dinâmicos (DMD) e de suas variantes sequenciais na modelagem e reconstrução da dinâmica temporal de escoamentos com transporte de sedimentos. Considerando a alta dimensionalidade dos dados gerados por simulações de Dinâmica dos Fluidos Computacional (CFD), modelos de ordem reduzida surgem como uma alternativa eficiente para a análise e aproximação da dinâmica dominante do sistema. Foram implementados em C++ o DMD clássico, o Online DMD e o Streaming DMD, sendo os métodos aplicados a diferentes janelas temporais de uma simulação numérica de escoamento com sedimentos, a partir de snapshots bidimensionais em escala de cinza. A comparação entre os métodos foi conduzida de forma controlada, adotando postos reduzidos consistentes e estratégias uniformes de inicialização. A avaliação do desempenho foi realizada exclusivamente por meio de métricas quantitativas, incluindo o erro quadrático médio (MSE), o Peak Signal-to-Noise Ratio (PSNR), bem como o custo computacional em termos de tempo de execução e uso de memória. Os resultados evidenciam diferenças relevantes entre as abordagens, destacando o compromisso entre precisão, robustez temporal e eficiência computacional na escolha do método mais adequado para aplicações sequenciais envolvendo transporte de sedimentos.
Ano
2026
Orientador
José Jerônimo Camata
Co-Orientador
Palavras-chave
Decomposição em Modos Dinâmicos; Modelos de Ordem Reduzida; Transporte de Sedimentos.
BR-PVGen: Coleta, Sanitização e Caracterização de Dados de Geração Fotovoltaica Distribuída no Brasil
RHUAN NASCIMENTO FERREIRA
Resumo
A rápida expansão da geração distribuída fotovoltaica no Brasil enfrenta um gargalo técnico significativo: a escassez de dados operacionais públicos e padronizados que reflitam as condições climáticas locais. Este trabalho apresenta a sanitização e a caracterização do conjunto de dados BR-PVGen, composto por informações de 51 usinas fotovoltaicas em operação comercial nas regiões Sudeste e Centro-Oeste do Brasil. A metodologia de aquisição utilizou um sistema SCADA baseado em nuvem para consolidar dados heterogêneos de inversores e estações solarimétricas. Para garantir a integridade das séries temporais, foi aplicado um processo de ETL que incluiu a padronização temporal em janelas de 15 minutos via Média Móvel Ponderada e mitigação de dados ausentes por interpolação linear. O resultado é um dataset com mais de 15 milhões de registros, abrangendo o período de março de 2024 a junho de 2025. O conjunto de dados encontra-se disponível publicamente em formatos CSV e JSON. Diferentemente de bases internacionais, este conjunto disponibiliza variáveis raras em dados públicos, como potência reativa, temperatura interna dos inversores e medições ambientais on-site. O trabalho contribui de forma relevante para a comunidade científica ao disponibilizar insumos fundamentais para o desenvolvimento de modelos de previsão de geração, diagnóstico de falhas, bem como para o desenvolvimento e a validação de novas tecnologias e a realização de estudos de qualidade de energia, considerando as particularidades da realidade tropical brasileira.
Ano
2026
Orientador
WAGNER ANTONIO ARBEX
Co-Orientador
EDUARDO PESTANA DE AGUIAR
Palavras-chave
geração distribuída, energia solar fotovoltaica, conjunto de dados, usinas fotovoltaicas, monitoramento SCADA, dados meteorológicos, qualidade de dados, análise de desempenho, detecção de falhas, transição energética.
A Evolução da Inteligência Artificial na Engenharia de Software: Uma Revisão Sistemática com Ênfase na IA Generativa e Seus Impactos Éticos e Humanos no Meio Corporativo
HENRIQUE BARRAL SILVA
Resumo
A inteligência artificial (IA) tem remodelado a engenharia de software ao introduzir novos paradigmas de automação, suporte à codificação e otimização de processos. Com a ascensão da IA generativa — modelos capazes de produzir código, sugerir soluções e apoiar decisões técnicas — passaram a integrar rotinas corporativas de desenvolvimento. Entretanto, sua adoção amplia discussões éticas e humanas ao impactar percepções de autonomia, autoeficácia e recompensa intrínseca, entendida como a motivação que surge do próprio ato de realizar uma atividade pelo prazer, interesse ou senso de propósito associado à tarefa, e não por recompensas externas. A dependência crescente de sistemas automatizados pode reduzir a clareza sobre o processo de tomada de decisão, reforçar assimetrias de poder tecnológico e criar tensões entre eficiência operacional e identidade profissional. No âmbito psicológico, estudos apontam que o uso indiscriminado da IA pode gerar sentimentos de insegurança, diminuição da percepção de competência e enfraquecimento do senso de agência, ao mesmo tempo em que, quando bem integrada, pode elevar a satisfação, o engajamento e a sensação de dever cumprido. Assim, compreender o equilíbrio entre benefícios técnicos e impactos humanos torna-se essencial para orientar práticas responsáveis de incorporação da IA no ambiente corporativo e na engenharia de software, levando em conta de forma mais abrangente tanto as transformações organizacionais quanto os efeitos subjetivos sobre os profissionais.
Ano
2026
Orientador
LUCIANA CONCEICAO DIAS CAMPOS
Co-Orientador
Palavras-chave
engenharia de software; IA generativa; automação; suporte à codificação; ética; autonomia; autoeficácia; motivação intrínseca; ambiente corporativo
Development of an Artificial Intelligence-Aided Software for Annotating Image Datasets
PAULO VICTOR DE MAGALHÃES ROZATTO
Resumo
Deep learning is a highly successful class of methods in the artificial intelligence (AI) field that has a variety of applications. To perform well, deep learning models require a large amount of high-quality annotated data. Data annotation is a time-consuming and laborious task that requires a significant amount of human labor, which makes it expensive. This work aims to reduce the time required to annotate image datasets by building an easy-to-use software tool that has semi-automated annotation powered by an artificial intelligence model. We developed a web-based tool and employed HQ-SAM, a deep neural network for image segmentation based on Vision Transformers, to generate polygon annotations based on the user’s prompts. Although HQ-SAM has a good zero- shot generalizability, we fine-tuned it on the Bean Leaf Dataset to evaluate how well the network adapts to specific tasks. We observed an increase in accuracy of the fine-tuned model in comparison with the pre-trained one. We tested our tool with 20 participants, all of whom are from the computer vision and graphics fields. We asked them to annotate the same two images both manually and AI-aided, and we recorded the annotation times. Lastly, we asked the participants to fill out a usability form about their user experience. In our evaluation, we registered a median speedup of 1.5× regarding the AI-aided annotation compared to manual annotation and overly positive answers regarding our tool’s ease of use and usefulness.
Ano
2025
Orientador
LUIZ MAURILIO DA SILVA MACIEL
Co-Orientador
Palavras-chave
Deep learning, web application, semi-automated annotation, image datasets, vision transformers
Uso de Machine Learning no Esporte: Apoio Inteligente para Corredores não Profissionais
PEDRO HENRIQUE ALMEIDA CARDOSO REIS
Resumo
Este trabalho de conclusão de curso aborda a aplicação de técnicas de aprendizado de máquina no esporte, com foco em corredores amadores e entusiastas. O objetivo principal é desenvolver um sistema inteligente de apoio para auxiliar corredores na melhoria de seu desempenho durante a prática da corrida. Através da análise de dados coletados de smartwatches, o sistema oferece insights personalizados, prevendo o tempo estimado para percorrer uma distância específica. Com base nesses insights, o atleta pode ajustar seu ritmo de corrida, otimizando sua performance de maneira mais eficaz. Com isso, o trabalho busca beneficiar corredores não profissionais, ajudando-os a otimizar seu rendimento e a alcançar melhores resultados em suas corridas.
Ano
2025
Orientador
VICTOR STROELE DE ANDRADE MENEZES
Co-Orientador
Palavras-chave
Aprendizado de Máquina, ehealth, corredores não profissionais, temperatura, qualidade do sono
Sistema de Monitoramento Remoto de Estufas Hidropônicas Baseado em IoT para Agricultura Inteligente
DÉBORA IZABEL ROCHA DUARTE
Resumo
As mudanças climáticas e o crescimento populacional impõem desafios significativos à segurança alimentar global, exigindo inovações na agricultura. Nesse contexto, as estufas agrícolas surgem como uma solução viável, oferecendo cultivo em condições controladas e potencializando a produtividade. A hidroponia, uma técnica de cultivo sem solo, se destaca por otimizar o uso de recursos, como água e espaço, e permitir o controle preciso de nutrientes. No entanto, essas abordagens demandam investimento inicial, conhecimento técnico e monitoramento contínuo, sendo vulneráveis a falhas de energia, variações climáticas e erros na solução nutritiva, que podem levar à perda de safras inteiras. Para mitigar esses riscos e maximizar o potencial das estufas hidropônicas, a Internet das Coisas (IoT) apresenta-se como uma ferramenta estratégica. A integração de sensores e atuadores permite a coleta e transmissão de dados ambientais e nutricionais em tempo real, facilitando o monitoramento remoto e a automação de processos. Essa abordagem, alinhada ao conceito de \textit{Smart Farming}, pode auxiliar pequenos produtores, que muitas vezes carecem de mão de obra para o acompanhamento constante. Este trabalho propõe o desenvolvimento de um aplicativo mobile para o monitoramento remoto de estufas hidropônicas. A solução utiliza sensores integrados a uma plataforma Arduino com ESP8266 para coletar dados de variáveis críticas (temperatura, pH, condutividade elétrica, umidade do ar, volume da solução, turbidez e fluxo nos perfis hidropônicos) e transmiti-los à plataforma em nuvem ThingSpeak. O aplicativo permite a visualização em tempo real, o acionamento de alertas em caso de desvios dos parâmetros ideais e a calibração remota dos sensores de pH e condutividade elétrica, oferecendo maior segurança, rentabilidade e prevenção de perdas de produção. Os resultados mostram que o sistema proposto é capaz de dar suporte aos produtores com informações precisas e ferramentas de gestão eficientes.
Ano
2025
Orientador
VICTOR STROELE DE ANDRADE MENEZES
Co-Orientador
Palavras-chave
Hidroponia, Internet das Coisas, IoT, Análise de Dados.
Uso de Técnicas Alternativas no Ensino da Disciplina Estrutura de Dados: Um Mapeamento Sistemático da Literatura
FELIPE AUGUSTO DA SILVA
Resumo
Este trabalho apresenta um mapeamento sistemático da literatura sobre a aplicação de métodos alternativos, como jogos, dinâmicas, gamificação e outras estratégias ativas, no ensino da disciplina de Estruturas de Dados. A pesquisa aborda os desafios enfrentados no aprendizado de conceitos abstratos e a necessidade de métodos pedagógicos inovadores que engajem os estudantes e promovam uma compreensão mais aprofundada. Para tanto, foi utilizada uma metodologia rigorosa baseada no protocolo SEGRESS, garantindo a seleção criteriosa de estudos relevantes nas principais bases de dados científicas, como Scopus, Web of Science, Engineering Village, IEEE Xplore e SOL SBC. Os critérios de exclusão eliminam estudos não primários, revisões, capítulos de livros, textos com menos de quatro páginas e trabalhos inacessíveis na íntegra ou não publicados em inglês ou português. Os resultados destacam as principais técnicas utilizadas, suas contribuições para a aprendizagem, e apontam lacunas que ainda podem ser exploradas. Este estudo visa contribuir para educadores e pesquisadores interessados em adotar abordagens inovadoras no ensino de Estruturas de Dados, contribuindo para a melhoria do aprendizado em cursos de Ciência da Computação.
Ano
2025
Orientador
RONNEY MOREIRA DE CASTRO
Co-Orientador
Palavras-chave
Estruturas de Dados, Ensino de Computação, Gamificação, Métodos Alternativos, Aprendizagem Ativa, Mapeamento Sistemático
Projeto de Interfaces de Sistema de Apoio a Assistência a Pessoas em Situação de Rua Utilizando Principios de Design da Interação Humano Computador
RODRIGO OLIVEIRA ELIAS
Resumo
A população em situação de rua (PSR) cresceu 110% entre 2016 e 2022 na cidade de Juiz de Fora, Minas Gerais, ultrapassando atualmente a quantidade de 805 pessoas. Para aproveitar a grande ascensão da tecnologia nos dias atuais e crescimento das TIC‘s (Tecnologias da Informação e Comunicação), o aplicativo Pro-Inclusão está sendo desenvolvido com o objetivo de reinserir essas pessoas na sociedade, criando conexões entre os habitantes da cidade e organizações dispostas a contribuírem de alguma forma. A usabilidade é um fator crítico para a aceitação do aplicativo por seus usuários. Com o objetivo de identificar potenciais problemas de usabilidade no projeto de interfaces do aplicativo o método de Avaliação Heurística foi aplicado para avaliar a conformidade do design da interação e projeto de interfaces do aplicativo Pró-Inclusão em relação às Heurísticas de Usabilidade de Nielsen. Como resultado, foram identificadas violações de heurísticas de usabilidade relacionadas à prevenção de erros e consistência e padronização, que não impedem os usuários de realizarem suas tarefas. A partir das violações de heurísticas de usabilidade identificadas, foi realizado o reprojeto de interfaces das funcionalidades do aplicativo Pró-Inclusão que foram avaliadas.
Ano
2025
Orientador
ANDRE LUIZ DE OLIVEIRA
Co-Orientador
Palavras-chave
Usabilidade, Pessoas em situação de rua, Heurísticas de Usabilidade de Nielsen, Interação Humano-Computador.
Avaliação Heurística e Reprojeto de Interfaces do Aplicativo MetrôRio
MATHEUS GOMES LUZ WERNECK
Resumo
O transporte público é um elemento vital para a mobilidade em grandes cidades como o Rio de Janeiro, e aplicativos móveis, como o MetrôRio, têm papel fundamental em facilitar o dia a dia dos usuários. Este trabalho avalia a usabilidade das interfaces do aplicativo MetrôRio, verificando sua conformidade com princípios reconhecidos na área de Interação Humano-Computador (IHC). O objetivo principal foi identificar falhas de design que comprometem a experiência do usuário e, a partir dos resultados, propor um reprojeto das interfaces para melhorar a interação e a eficiência. Para isso, foi aplicada a metodologia de Avaliação Heurística, na qual especialistas analisaram dois cenários de uso essenciais: Cadastro de Usuário e Planejar Viagem. A avaliação revelou diversas violações heurísticas, destacando problemas críticos em Prevenção de Erros, Reconhecimento em vez de Memorização e Design Estético e Minimalista, que prejudicam a usabilidade e geram dificuldades para os usuários. Com base nos problemas encontrados, foi realizado um reprojeto das funcionalidades, criando protótipos de alta fidelidade utilizando o software Figma, oferecendo soluções diretas para as falhas encontradas durante a avaliação, visando tornar o aplicativo mais claro, acessível e eficiente para a população.
Ano
2025
Orientador
ANDRE LUIZ DE OLIVEIRA
Co-Orientador
Palavras-chave
Usabilidade, Avaliação de usabilidade, design de interfaces, princípios de usabilidade, interação humano computador
Previsão de Preços na Agricultura Familiar: Uma Análise de Modelos Aplicados à Alface Crespa
PATRICK CANTO DE CARVALHO
Resumo
A agricultura é uma atividade essencial para a subsistência humana e de grande relevância econômica no Brasil. Embora soluções tecnológicas venham sendo cada vez mais aplicadas ao setor, pequenos produtores ainda têm acesso limitado a essas inovações. Entre as abordagens computacionais promissoras, destacam-se os modelos preditivos aplicados a séries temporais. No entanto, muitos estudos existentes concentram-se em grandes commodities e previsões de curto prazo, o que limita sua utilidade para a agricultura familiar brasileira. Este trabalho busca desenvolver, analisar e comparar modelos preditivos aplicados à previsão de preços agrícolas com foco em previsões de longo prazo (\textit{multistep}) e no uso de variáveis exógenas, como fatores climáticos. Foram utilizados dados semanais de preços de alface crespa (CEPEA) e dados meteorológicos de Teresópolis-RJ (INMET), reamostrados para frequência semanal. Os modelos avaliados foram SARIMAX, LSTM e Prophet. Os resultados indicam que a inclusão de variáveis exógenas melhora o desempenho dos modelos, especialmente do LSTM. O SARIMAX se destaca em horizontes curtos, enquanto o LSTM obtém melhores resultados no longo prazo. Além disso, o erro tende a crescer com o horizonte de previsão, mas de forma não linear nos modelos LSTM e Prophet.
Ano
2025
Orientador
HEDER SOARES BERNARDINO
Co-Orientador
Palavras-chave
Séries temporais multivariadas, redes neurais artificiais, previsão, agricultura familiar
Interface Cérebro-Máquina via Métodos de Aprendizado de Máquina
MARCELO DE MELO AMORIM FILHO
Resumo
O acidente vascular cerebral (AVC) é uma das principais causas de morte e incapacidade no mundo. Interfaces Cérebro-Computador (BCI) surgem como uma opção promissora para reabilitação pós-AVC. No entanto, os modelos tradicionais de BCI enfrentam desafios devido à natureza não estacionária dos sinais de eletroencefalografia e às diferenças anatômicas entre indivíduos. Técnicas de Transferência de Aprendizado (TL), como o Alinhamento Euclidiano (EA), têm sido utilizadas para reduzir as diferenças anatômicas, mas frequentemente perdem informações importantes devido ao uso de filtros temporais de banda única. Este estudo propõe uma nova arquitetura para BCI que combina EA com filtros temporais multibanda, incluindo Banco de Filtros (FB), Decomposição Empírica em Modos e Transformada Contínua de Wavelet. Os experimentos foram realizados utilizando o conjunto de dados PhysionetMI, com configurações de 3 e 8 eletrodos, e avaliados por meio de validação cruzada estratificada. Os resultados demonstraram que o modelo EA-FB com o Padrão Espacial Comum (CPS) seguido pela Análise de Discriminante Linear como classificador alcançou os melhores desempenhos, com acurácias de 80% (3 eletrodos) e 73,33% (8 eletrodos), representando uma melhoria de aproximadamente 44% e 43%, respectivamente, em comparação com o EA-CSP tradicional. Além disso, a aplicação do EA antes dos filtros multibanda mostrou-se mais eficaz do que a ordem inversa, sugerindo uma revisão na ordem das etapas do pipeline de BCI. O FB destacou-se como o melhor método de filtragem temporal, provavelmente devido à sua capacidade de isolar os ritmos mu (8-13 Hz) e beta (13-30 Hz), cruciais para tarefas de Imaginação Motora. Este trabalho contribui para o avanço das BCIs de reabilitação pós-AVC, reduzindo o tempo de calibração e melhorando a robustez e generalização dos modelos.
Ano
2025
Orientador
GABRIEL HENRIQUE DE SOUZA
Co-Orientador
HEDER SOARES BERNARDINO
Palavras-chave
Interface Cérebro-Máquina; Transferência de Aprendizado; Alinhamento Euclidiano; Eletroencefalograma
Avaliação de Bases de Dados Técnicas com Modelos de Linguagem de Grande Escala: Um Estudo Aplicado ao Wi-Fi 7
OSIEL DO COUTO ROSA
Resumo
A crescente demanda por tecnologias de Inteligência Artificial impulsiona o uso de Modelos de Linguagem de Grande Escala (LLMs) em diferentes áreas do conhecimento. No entanto, o uso desses modelos em contextos com bases fechadas, como documentos técnicos em PDF, ainda apresenta desafios quanto à precisão das respostas e uso efetivo da base de dados. Essa lacuna se evidencia especialmente quando o objetivo é aplicar LLMs em tarefas que exigem rigor técnico. Diante disso, este trabalho aborda o desenvolvimento de um sistema que utiliza 3 modelos de LLMs, sendo eles, Mistral, Llama 2 e TinyLlama, integrados via a biblioteca Ollama, para analisar documentos de uma base de dados sobre Wi-Fi 7, buscando avaliar sua capacidade de fornecer respostas assertivas e claras. Pesquisas atuais demonstram avanços significativos na integração de IA com bases locais, mas carecem de avaliações práticas em contextos fechados e altamente técnicos. Os testes realizados com 100 perguntas técnicas revelaram que os modelos com RAG apresentaram desempenho superior em assertividade e clareza, sendo o Mistral e o Llama 2 os mais eficazes entre os modelos propostos. Os resultados evidenciam o potencial de uso de LLMs aliados a bases internas para consultas técnicas, reforçando a importância de ajustes contextuais e infraestrutura adequada para sua adoção prática.
Ano
2025
Orientador
EDELBERTO FRANCO SILVA
Co-Orientador
Palavras-chave
Inteligência Artificial, Análise de documentação, Modelos de linguagem, Wi-fi 7
<< Anterior
<< Anterior
1
2
3
4
5
6
7
8
9
Próximo >>
