Lista Pública de Trabalhos Acadêmicos

Curso:

Pesquisar: Ano:

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.

Resumo Atualmente, no cenário tecnológico, os algoritmos de Inteligência Artificial têm ganhado destaque em diversos setores da sociedade, representando um papel significativo na área da saúde. Ferramentas tecnológicas e modelos de Aprendizado de Máquina já estão sendo utilizados para acompanhar a situação de pacientes e apoiar os especialistas no diagnóstico de doenças. Esses algoritmos podem oferecer informações valiosas para o monitoramento de pacientes. Entretanto, esses algoritmos precisam ser gerenciados de forma segura e escalável para que apresentem resultados corretos, principalmente, por envolver a vida de pessoas. Nesse contexto, surge o conceito de MLOps, com o intuito de gerenciar todo o ciclo de vida desses tipos de sistemas que envolvem aprendizado de máquina. Este trabalho propõe um estudo sobre a viabilidade do uso de MLOps na automação de sistemas inteligentes que coletam dados vitais de pacientes para tomada de decisão usando Aprendizado de Máquina. Práticas de gerenciamento nesses modelos são essenciais, por se tratarem de modelos automatizados e adaptativos, além de também precisarem de um desempenho eficaz. O contexto do problema envolve a captura de dados de um usuário, o tratamento, e a construção de modelos de Aprendizado de Máquina com um gerenciamento através de práticas de MLOps. Avaliar como essas práticas podem auxiliar na automação de sistemas inteligentes.

Ano 2024

Orientador VICTOR STROELE DE ANDRADE MENEZES Co-Orientador Palavras-chave MLOps, Aprendizado de Máquina, sinais vitais, Inteligência Artificial

Resumo A necessidade de realizar análises estatísticas de forma eficiente tem se tornado um grande desafio no coxtexto de pesquisas acadêmicas. A Inteligência Artificial (IA) surge como uma alternativa promissora para enfrentar essa complexidade, tornando a pesquisa estatística e a análise de dados mais dinâmicos. Tais análises acadêmicas demandam uma abordagem meticulosa para determinar o teste estatístico mais apropriado a ser aplicado em cada situação específica. A IA, com sua habilidade de processar dados, identificar padrões e se adaptar às preferências dos usuários, simplifica o processo de análise estatística e análise de dados. Este trabalho concentra-se na criação de um processo automatizado, baseado em IA generativa e integração de ferramentas, para facilitar o processo de análise estatística. Essa abordagem busca simplificar a ordem e escolha de quais testes estatísticos seriam os mais apropriados em cada contexto. Desta forma, apresenta uma hipótese de que um processo automatizado que combine IA e conhecimento humano pode aumentar a eficiência em análises acadêmicas de dados. Tal abordagem pode, de forma significativa, contribuir para uma maior agilidade no processo de levantamento estatístico, apoiando o pesquisador nessa importante, embora árdua, tarefa.

Ano 2024

Orientador MARCO ANTONIO PEREIRA ARAUJO Co-Orientador Palavras-chave Estatística, Inteligência Artificial Generativa, Análise de Dados.

Resumo A crescente quantidade de publicações científicas torna desafiador realizar um levantamento de literatura abrangente e eficiente. A inteligência artificial (IA) generativa, com suas capacidades de aprendizado de máquina e processamento de linguagem natural, surge como uma solução promissora para esse desafio. Este trabalho visa desenvolver e avaliar um processo automatizado para levantamento de literatura apoiado por IA generativa, buscando otimizar a eficiência e precisão na identificação, análise e síntese de informações científicas relevantes em diversas áreas do conhecimento. A implementação de um processo automatizado oferece vantagens como a aceleração do processo de revisão, a identificação de padrões e a facilitação ao acesso ao conhecimento. Além disso, a IA generativa pode auxiliar na construção de strings de busca mais eficazes e na definição de critérios de inclusão e exclusão rigorosos, contribuindo para a robustez e relevância da literatura selecionada. Espera-se que o processo automatizado proposto seja capaz de adaptar-se a diferentes áreas de pesquisa, fornecendo resultados personalizados e relevantes para os usuários.

Ano 2024

Orientador MARCO ANTONIO PEREIRA ARAUJO Co-Orientador Palavras-chave Revisão da Literatura, Revisão Sistemática, Mapeamento Sistemático, Inteligência Artificial Generativa, Processo Automatizado.

Resumo Sistemas de recomendação são cruciais em ambientes digitais, especialmente em serviços de streaming de filmes, através dos quais eles aumentam o engajamento do usuário pelas de sugestões de conteúdo personalizadas. Sistemas tradicionais frequentemente enfrentam desafios com preferências dinâmicas dos usuários e o problema de início frio (cold start), onde dados limitados sobre novos usuários ou itens prejudicam o desempenho. Esta pesquisa introduz o CineMatch, uma arquitetura de recomendação autoadaptativa que alterna a recomendação dinamicamente entre um modelo de rede neural (Keras) e um modelo de vizinhos mais próximos (KNN) com base em métricas de RMSE (Erro Quadrático Médio Raiz) em tempo real. Ao aproveitar os pontos fortes de ambos os modelos, o CineMatch mantém alta precisão e se adapta às preferências evolutivas dos usuários e aos novos conteúdos. O objetivo desta pesquisa é desenvolver uma estrutura híbrida e adaptativa em formato modular. Para isso, implementaremos uma aplicação web destinada a analisar a viabilidade do estudo e aprimorar a eficiência das recomendações. A aplicação será projetada para maximizar a adaptabilidade e a escalabilidade no tratamento de grandes volumes de dados. Incorporando um loop de feedback, o CineMatch aprende continuamente com as interações dos usuários para otimizar as estratégias de recomendação. Esta pesquisa detalha o desenvolvimento, implementação e avaliação do CineMatch, demonstrando sua eficácia em fornecer recomendações de filmes precisas. Uma aplicação web que utiliza o conjunto de dados MovieLens foi desenvolvida para apresentar a viabilidade da solução e refinar as capacidades do sistema sob diversos cenários de usuários, destacando a adaptabilidade e precisão desta arquitetura.

Ano 2024

Orientador JOSE MARIA NAZAR DAVID Co-Orientador Palavras-chave Sistemas autoadaptativos, Sistemas de recomendação, Recomendações de filmes, Aprendizado de Máquina, Modelos híbridos de recomendação, análise em tempo real, personalização do usuário

Resumo A evolução da computação em nuvem e a adoção de técnicas, como a infraestrutura como código, têm transformado a maneira como empresas lidam com seus recursos de TI. Essas tecnologias são fundamentais para atualizar a infraestrutura, possibilitando maior flexibilidade, capacidade de expansão e eficiência operacional. O propósito deste trabalho é oferecer uma perspectiva experimental sobre a implementação da infraestrutura como código em um ambiente corporativo real, com o objetivo de efetuar um processo de modernização e automatização da gestão e configuração da infraestrutura. Os resultados experimentais indicaram que a adoção de infraestrutura como código (IAC) proveu um diferencial na gerência de infraestrutura e reduziu o esforço gasto no dia a dia da corporação.

Ano 2024

Orientador MARIO ANTONIO RIBEIRO DANTAS Co-Orientador Palavras-chave Ansible, Cloud, DevOps, IAC, Infraestrutura, Servidores Computacionais.

Resumo Este trabalho aborda a importância e evolução dos sistemas de votação, destacando a necessidade de mais transparência e confiabilidade. Para isso, abordamos a relevância das votações eletrônicas, tanto em contextos oficiais e em eventos como consultas públicas. Abordamos também o problema da transparência e integridade dos votos, evidenciando falta de mecanismos para que os votantes auditem o seu próprio voto. A tecnologia blockchain é apresentada como motivação para trazer mais transparência às votações online. Para isso, esse trabalho vem propor a criação de um sistema de votação online que utiliza a tecnologia blockchain. Com o uso dessa tecnologia, permitimos que o votante audite o seu própio voto e também entenda o funcionamento da votação através do contrato inteligente que possui código fonte aberto. Para a construção desse sistema, será realizado a criação de um contrato inteligente, utilizando a linguagem Solidity e a criação de um sistema para realizar o voto e acompanhar os resultados da votação.

Ano 2024

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave Votação, blockchain, código fonte, contrato inteligente

Resumo Atualmente, marcado pela crescente demanda por serviços de saúde mental, a integração da tecnologia digital na prática psicológica surge como uma abordagem inovadora e crucial. Este artigo propõe o desenvolvimento de um aplicativo móvel, integrando Processamento de Linguagem Natural (PLN) e técnicas da Terapia Cognitivo-Comportamental (TCC) para oferecer suporte psicológico eficaz. Nomeado "CuidaMente", o aplicativo busca inovar a abordagem da saúde mental, fornecendo funcionalidades que vão além do monitoramento tradicional de sentimentos. Possui como principais funcionalidades a análise de sentimentos por meio de técnicas de PLN, permitindo uma compreensão do estado emocional dos usuários. Além disso, o aplicativo incorpora estratégias da TCC, oferecendo atividades interativas de reestruturação cognitiva, exposição gradual e outras ferramentas terapêuticas para promover o gerenciamento eficaz do estresse, ansiedade, dentre outros distúrbios. O CuidaMente visa não apenas monitorar, mas oferecer insights poderosos aos terapeutas para conseguirem intervir de maneira proativa, fornecendo uma experiência personalizada de suporte emocional contínuo. Este estudo contribui para a compreensão da interseção entre tecnologia e psicologia, destacando as oportunidades e desafios inerentes à transformação digital na área da saúde mental.

Ano 2024

Orientador PRISCILA VANESSA ZABALA CAPRILES GOLIATT Co-Orientador Palavras-chave Aplicativo Móvel. Saúde Mental. Psicologia. Terapia Cognitivo-Comportamental (TCC). Processamento de Linguagem Natural (PLN). Análise de Sentimentos.

Resumo Na era atual das Tecnologias de Informação e Comunicação (TICs), os smartphones têm desempenhado um papel central, influenciando significativamente diversos momentos da vida cotidiana. O aplicativo Táxi Rio, uma plataforma governamental de mobilidade urbana na cidade do Rio de Janeiro, surgiu como uma alternativa competitiva no mercado. Este trabalho tem o enfoque na avaliação da usabilidade do design de interfaces do aplicativo Táxi Rio, visando compreender as dificuldades enfrentadas por usuários e sugerir melhorias na experiência do usuário. Para a realização este estudo, o método de Avaliação Heurística da Interação Humano-Computador (IHC) foi selecionado para avaliar a conformidade do projeto de interfaces do aplicativo com as Heurísticas de Usabilidade de Nielsen. Como resultado, foi constatado que as principais funcionalidades do projeto de interfaces do aplicativo Táxi Rio violaram a maior parte das heurísticas de usabilidade em algum grau. Contudo, não foram encontrados problemas de usabilidade que impeçam os usuários de realizarem seus objetivos. É importante ressaltar que fatores de usabilidade relevantes foram violados como dificuldade de reconhecer as ações disponíveis na interface e falta de consistência e padronização de rótulos e ícones, que devem ser priorizados. Essas violações impactam diretamente na experiência do usuário. Os resultados deste estudo possibilitou obter uma melhor compreensão dos problemas de usabilidade presentes na versão atual do aplicativo Táxi Rio e de possíveis soluções para os problemas encontrados.

Ano 2024

Orientador ANDRE LUIZ DE OLIVEIRA Co-Orientador Palavras-chave Usabilidade, dispositivos móveis, design de interfaces, princípios e diretrizes de design, avaliação heurística

Resumo Em busca da transparência na gestão pública, docentes das instituições de ensino superior (IES) devem, anualmente, e considerando seus regimes individuais de trabalho, divulgar um planejamento de atividades com a distribuição estimada de suas cargas horárias dentro dos diferentes eixos de atuação acadêmica (ensino, pesquisa, extensão e administração). Ao final do ano, esse planejamento é verificado através de um relatório individual de trabalho, elaborado por cada docente, no qual as atividades acadêmicas realizadas ao longo do ano são detalhadamente relatadas. Os processos de coleta, análise e validação e avaliação das informações prestadas pelos docentes é manual na maioria das instituições - e, por vezes, variando entre institutos/setores de uma mesma universidade. Para além da falta de padrão, esses processos são trabalhosos e propensos a erros. Neste sentido, este trabalho realizou uma pesquisa direcionada ao desenvolvimento de um aplicativo móvel para o gerenciamento dos processos relacionados ao Plano Individual de Trabalho (PIT) e ao Relatório Individual de Trabalho (RIT) no âmbito do Departamento de Ciência da Computação da Universidade Federal de Juiz de Fora. Os resultados obtidos através do aplicativo se apresentam como melhorias significativas aos processos atualmente adotados no ambiente focal deste estudo.

Ano 2024

Orientador EDMAR WELINGTON OLIVEIRA Co-Orientador Palavras-chave Aplicativo Móvel, Avaliação Docente, Instituição de Ensino Superior, PIT, RIT

Resumo No universo dos jogos eletrônicos, uma indústria global que movimenta bilhões, existem diferentes tipos de jogador. Richard Bartle propôs uma classificação em quatro arquétipos: Achievers (Conquistadores), Explorers (Exploradores), Killers (Assassinos) e Socializers (Socializadores). Este trabalho busca empregar essas características para classificar jogos eletrônicos e, por meio de técnicas de aprendizado de máquina, formular recomendações personalizadas de jogos com base no perfil de cada jogador. A premissa é que jogos com perfis semelhantes ao do jogador têm maior probabilidade de serem apreciados por ele, fundamentando assim a criação de recomendações adaptadas e personalizadas. Este estudo visa, portanto, usufruir de conhecimentos sobre o usuário para induzir as escolhas de jogos, contribuindo para uma interação mais significativa e satisfatória no universo dos jogos eletrônicos.

Ano 2024

Orientador SAULO MORAES VILLELA Co-Orientador Palavras-chave Aprendizado de Máquina, Jogos Eletrônicos, Kmeans, Knn, Jogadores, Taxonomia de Bartle

Resumo Recent developments in computer vision techniques have markedly improved fire detection capabilities compared to conventional systems. This work introduces an innovative methodology that integrates deep neural networks for identifying instances and regions of fire, graph cuts, and color thresholding for a nuanced approach to fire segmentation. The incorporation of fire segmentation masks facilitates precise analysis, providing valuable insights into fire origins and propagation to proactively prevent future incidents. Our method, leveraging graph cuts segmentation with comprehensive color information, demonstrates enhanced accuracy and detailed fire detection. The results illustrate a notable improvement in recall, maintaining competitive precision, thereby establishing an efficient and effective fire detection framework.

Ano 2024

Orientador SAULO MORAES VILLELA Co-Orientador MARCELO BERNARDES VIEIRA Palavras-chave Fire detection; fire segmentation; image classification; graph cut; deep learning; color thresholding.

Resumo Com o aumento expressivo do número de usuários conectados em redes sem fio, a gestão desse volume de conexões se torna vital para otimizar economia e aprimorar a qualidade do serviço. Nesse contexto, este trabalho destaca a aplicação de técnicas e análises de inteligência computacional com o propósito de antecipar o crescimento da carga de usuários em um sistema global de autenticação sem fio. É importante observar que, apesar do crescente aumento na demanda por conectividade sem fio, as ferramentas atualmente disponíveis para o gerenciamento de redes Wi-Fi frequentemente apresentam deficiências. Isso inclui limitações na capacidade de prever com precisão o volume de conexões, planejar adequadamente a capacidade da rede e otimizar os recursos de autenticação. Tais deficiências muitas vezes resultam em sobrecarga dos servidores de autenticação e na degradação da qualidade do serviço. O objetivo principal desta pesquisa é identificar o momento adequado para reforçar a infraestrutura da rede e dos servidores de autenticação, com base na análise do volume de conexões ao longo de um período de tempo. Essa abordagem visa aprimorar a eficiência na gestão, no planejamento e na alocação de recursos computacionais relacionados aos servidores de autenticação. Como resultado desta investigação, temos que o modelo LSTM utilizado alcança valores de até 99\% de precisão na predição do volume de usuários autenticados em um conjunto de dados reais. Aplicado na gerência de redes, resultados também comprovam que o modelo provê a utilização eficiente dos recursos computacionais relacionados ao enlace de conexão com a Internet.

Ano 2024

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave Inteligência artificial, Aprendizado de Máquina, Predição de Carga de Usuários, Redes sem fio, Internet, LSTM

Resumo A rápida transição para o ensino remoto, impulsionada pela pandemia de COVID-19, trouxe consigo desafios significativos, notadamente a escassez de interação entre alunos e professores. Neste trabalho busca-se avaliar modelos baseados em redes neurais convolucionais para classificação de expressões faciais, gênero e nível de engajamento dos participantes de videochamadas. Ao oferecer aos professores uma visão aprofundada do estado emocional e participação dos estudantes, a proposta visa melhorar a compreensão do envolvimento e interesse dos alunos nas matérias, contribuindo para uma experiência educacional mais efetiva. Para avaliar os modelos de classificação, foram criados cenários realistas, envolvendo indivíduos reais. Devido à dificuldade de obter vídeos no cenário educacional, os vídeos foram criados no cenário de trabalho remoto. Acredita-se que nesse cenário é igualmente possível analisar o engajamento dos participantes. A aplicação prática desses cenários proporcionou \textit{insights} valiosos. Na classificação emocional, as emoções se mostraram compatíveis com as expectativas. Quanto à classificação de gênero, o modelo obteve precisão na maioria das instâncias. Além disso, observou-se que o nível de engajamento apresentou resultados mais efetivos quando a câmera estava bem posicionada, isto é, diretamente na frente do rosto, permitindo uma captura adequada da região dos olhos.

Ano 2023

Orientador EDELBERTO FRANCO SILVA Co-Orientador LUIZ MAURILIO DA SILVA MACIEL Palavras-chave redes neurais convolucionais, videochamadas, expressões faciais, cenários realistas, nível de engajamento, classificação emocional, classificação de gênero.

Resumo As comunicações dispositivo a dispositivo (D2D) referem-se a uma tecnologia que permite ligações diretas entre dispositivos, sem o envolvimento de infraestruturas de rede fixa, como pontos de acesso ou estações rádio base. Sua aplicação permite que dispositivos da Internet das Coisas (IoT) se comuniquem via Wi-Fi em modo \textit{ad hoc}, ou por tecnologias ponto a ponto, como o Bluetooth. Para construir conexões D2D sustentáveis, é necessário possuir um controle de acesso dinâmico que trate adequadamente de questões de segurança e privacidade na troca de mensagens pela rede. O controle de acesso baseado em atributos (ABAC) é uma estratégia de autorização que define permissões com base em atributos e condições ambientais, como hora do dia e local, atribuídos a usuários e aos recursos. Desta forma, este trabalho estuda o ABAC, para, através de validações, avaliar quais atributos são mais relevantes no ambiente D2D.

Ano 2023

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave Dispositivo a Dispositivo, Controle de Acesso Baseado em Atributos, IoT, Cibersegurança.

Resumo Este trabalho estuda sobre como a Ciência da Computação pode auxiliar a gestão pública no planejamento e execução de recursos financeiros arrecadados através do Imposto sobre Circulação de Mercadorias e Prestação de Serviços de Transporte Interestadual e Intermunicipal e de Comunicação (ICMS) do estado do Rio de Janeiro. A escolha do tema apoia-se no fato de que os impostos se configuram como importante fonte de renda para o governo, os quais geram recursos financeiros para subsidiarem programas governamentais para a sua população e para custearem bens e serviços públicos. Prever os futuros valores de arrecadação de ICMS torna-se tarefa indispensável para a Secretaria de Fazenda (SEFAZ), tendo em vista que os valores alcançados na previsão servem de base para o planejamento orçamentário do estado. Sendo assim, a previsão de ICMS precisa acontecer pelo menos doze meses antes de o dinheiro ser usado pelo estado, a fim de que o planejamento orçamentário possa apresentar maior eficiência. Desse modo, este trabalho buscou averiguar diferentes possibilidades de previsão para verificar até onde é possível ter um horizonte seguro de previsão, empregando modelos de Redes Neurais Recorrentes Long Short-Term Memory (LSTM) e comparando os resultados.

Ano 2023

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador Palavras-chave Palavras-chave; Rede neural artificial; Machine Learning; Deep Learning; LSTM; ICMS.

Trabalho	Autor	PDF	Extras
Uso de MLOps para automatizacão do processamento de modelos de Machine Learning no acompanhamento de sinais vitais	DANIEL RIBEIRO LAVRA
Um processo automatizado para análise estatística apoiado por inteligência artificial generativa	JÚLIA CONDÉ ARAÚJO
Um processo automatizado para levantamento de literatura apoiado por inteligência artificial generativa	MARINA CONDÉ ARAÚJO
CineMatch: A self-adaptive architecture for a content recommendation system	VITÓRIA NATÁLIA SILVA CAETANO
Desafios na Gestão de Infraestrutura de TI em Ambientes Híbridos: Uma Abordagem Experimental	THOMAS BATISTA DOS SANTOS
Sistema de Votação Eletrônica Auditável Utilizando Blockchain	VINICIUS DE CASTRO SAMPAIO
Projeto de um Aplicativo Móvel de Apoio à Terapia Cognitiva Comportamental com Análise de Sentimento dos Usuários via Processamento de Linguagem Natural	VINICIUS DA CRUZ SORANÇO
Avaliação de Usabilidade do Aplicativo de Mobilidade Urbana Táxi Rio	DAVI DE ALMEIDA CARDOSO
Desenvolvimento de Aplicativo Móvel para Gerenciamento de PIT e RIT	OTÁVIO AUGUSTO FERREIRA RODRIGUES
Aplicação de Técnicas de Aprendizado de Máquina em um Sistema de Recomendação de Jogos Eletrônicos	DEBORAH DE AZEVEDO SALOMÃO CONDÉ
Fire detection through a combination of deep neural networks and graph cuts	DAVI MAGALHÃES PEREIRA
Predição de Carga de Autenticações em um Serviço Global de Acesso Sem Fio para Dimensionamento de Recursos	SAMIRA BARROSO DOS SANTOS
Classificação de expressões faciais, gênero e engajamento em videochamadas usando redes neurais convolucionais	ANA BEATRIZ KAPPS DOS REIS
Proposta de Um Método de Controle de Acesso Baseado em Atributo em Redes Dispositivo a Dispositivo	FERNANDO LUÍS ALFELD
Modelos para Previsão da Arrecadação do ICMS do Rio de Janeiro Utilizando Deep Learning	PEDRO FERNANDES FREITAS

<< Anterior
<< Anterior
1
2
3
4
5
6
7
8
9
10
11
12
13
Próximo >>