Pós Graduação

Trabalhos

Formulário de Busca

Título

Área

Orientador

Aluno

Período (de)

Período (até)

Tipo

Trabalhos Disponíveis

TRABALHO

Ações

Aplicação de Mineração de Dados para Extração de Conhecimento de Crimes de Violência Doméstica: um Estudo de Caso na Cidade de Campo Grande (MS)

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	04/07/2023
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Rafael Geraldeli Rossi
Coorientador(es)	Silvano Ferreira de Araújo
Orientando(s)	WESLEY FABRICIO SOUZA SILVA
Banca	Amaury Antonio de Castro Junior Jonathan de Andrade Silva Rafael Geraldeli Rossi Ricardo Marcondes Marcacini Roberta Akemi Sinoara Silvano Ferreira de Araújo
Resumo	A quantidade de dados gerados e armazenados vem crescendo juntamente com o aumento do poder computacional para guardá-los. A fim de que esses dados se tornem informações úteis e possam ser utilizados por empresas e pessoas na tomada de decisões, técnicas de mineração de dados podem ser aplicadas. Por meio delas, é possível encontrar informações, associações e padrões sobre os dados analisados, os quais podem servir tanto para extrair o conhecimento presente neles quanto para fazer previsões. Com isso, os órgãos da administração pública responsáveis pela segurança da população podem se beneficiar da mineração de dados para tornar suas ações de combate e prevenção ao crime mais eficientes, como pode-se notar em diversos lugares do mundo. No estado de Mato Grosso do Sul, os dados sobre ocorrências policiais são armazenados no Sistema Integrado de Gestão Operacional (SIGO). Porém, estes ainda não têm sido explorados para auxiliar na extração de conhecimento de crimes, bem como no auxílio para a tomada de decisões mais efetivas. Posto isso, o objetivo deste trabalho é o emprego de técnicas de mineração de dados para extração de conhecimento, considerando as informações armazenadas no SIGO, mais especificamente, os dados de crimes de violência doméstica registrados na cidade de Campo Grande (MS). Além disso, por questões de explicabilidade e interpretabilidade dos resultados para os tomadores de decisão, foram utilizados algoritmos de mineração de dados do tipo simbólico: regras de associação e regras de classificação. Com isso, foi possível extrair conhecimento interessante e inovador por meio das regras de associação. Por exemplo, analisando-se o fato injúria, pôde-se perceber que ele mais frequentemente ocorre com as vítimas de escolaridade superior. Já para as regras de classificação, foi obtida uma acurácia de 84%, permitindo a extração de conhecimentos como: vítimas com idade menor ou igual a 23 anos de idade registram de 1 a 3 boletins de ocorrência contra o mesmo autor.
Download	Dissertação - Wesley Fabricio Souza Silva.pdf

HíbriDoC: Método para a Classificação de Atividades de Computação Desplugada para uso no Ensino Híbrido

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	27/06/2023
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Anderson Correa de Lima
Coorientador(es)
Orientando(s)	Quésia de Araujo Santos
Banca	Amaury Antonio de Castro Junior Anderson Correa de Lima Marcia Elena Jochims Kniphoff da Cruz Rodrigo Silva Duran Wilk Oliveira dos Santos
Resumo	A Computação Desplugada é uma técnica que consiste em ensinar conceitos e problemas de Ciência da Computação, por meio de uma coleção de atividades presenciais, sem o uso do computador (convencionalmente chamadas de desplugadas). Tais atividades têm despertado o interesse de professores e pesquisadores, e tem sido empregada em diversos países ao redor do mundo, podendo ser utilizada do ensino básico ao superior. Entretanto, assim como em outras áreas, o recente cenário de pandemia de Covid-19 afetou o envolvimento nas atividades de aprendizagem devido às mudanças nas formas de contato entre estudantes e docentes, e, também, pela opção pelo ensino remoto nas atividades de ensino. Este novo contexto trouxe consigo desafios para a utilização da Computação Desplugada, como por exemplo, sua utilização no ensino remoto ou híbrido. Para enfrentar esse desafio, este trabalho propõe um método para classificar atividades de Computação Desplugada, a fim de permitir que se possa identificar quais atividades são mais adequadas para o ensino remoto e híbrido. Os resultados de nossos estudos demonstram que o instrumento é adequado para a classificação das atividades. O estudo contribui especialmente para a área de Ensino de Computação, fornecendo um instrumento capaz de ser usado para classificar atividades de Computação Desplugada para serem usadas no ensino remoto ou híbrido.

Mensuração da carga cognitiva em um curso de programação introdutória para crianças

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	22/06/2023
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Amaury Antonio de Castro Junior
Coorientador(es)	Anderson Correa de Lima
Orientando(s)	Esteic Janaína Santos Batista
Banca	Amaury Antonio de Castro Junior Anderson Correa de Lima Claudio Zarate Sanavria Graziela Santos de Araujo Ismar Frango Silveira Luciana Montera Cheung
Resumo	A capacidade de aprendizado de um aluno está diretamente relacionada à quantidade de carga cognitiva utilizada para compreender o material. A Teoria da Carga Cognitiva (TCC) explica como o aprendizado de uma pessoa é prejudicado quando a capacidade limitada da memória de trabalho é excedida durante o processo. Portanto, o uso de instrumentos para medir a carga cognitiva em sala de aula é essencial. Este estudo apresenta e discute um curso de programação introdutória planejado com base nas recomendações pedagógicas da TCC e Aprendizagem por Andaimes (Scaffolding Learning). Além disso, um instrumento desenvolvido anteriormente para medir a carga cognitiva foi adaptado para atender às atualizações da TCC e à faixa etária do público-alvo do curso. Os resultados mostram que a avaliação da carga cognitiva é uma ferramenta valiosa para entender a dificuldade percebida pelos alunos em atividades de programação introdutória. A trilha de aprendizagem proposta se mostrou eficaz na redução da carga cognitiva percebida pelos alunos, resultando em uma melhor compreensão dos conceitos abordados no curso.

Plataforma para gerenciamento e visualização de dados agropecuários: um estudo de caso sobre a ferramenta Cria Certo

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	14/03/2023
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Dionisio Machado Leite Filho
Coorientador(es)	Thaís Basso Amaral
Orientando(s)	Wagner Vieira Freiria
Banca	Camilo Carromeu Dionisio Machado Leite Filho EDVARD MARTINS DE OLIVEIRA
Resumo	Com o crescimento da pecuária de corte, novas estratégias reprodutivas na bovinocultura surgiram para otimizar a reprodução animal. Em pouco tempo, o gerenciamento dessas técnicas tornou-se complexo de realizar sem o auxílio de algum sistema específico. Com base nesse cenário, foi desenvolvido, pela Embrapa em parceria com a Universidade Federal do Mato Grosso do Sul (UFMS), o aplicativo Cria Certo para auxiliar os técnicos e produtores rurais a simular custos e benefícios dos sistemas de reprodução existentes. Apesar das suas diversas contribuições, o aplicativo apresenta a necessidade de ferramentas para complementá-lo. Assim, o presente trabalho propõe o desenvolvimento da plataforma Cria Certo Manager, que dentre outras funcionalidades, propõe o uso de dashboards possibilitando aos pesquisadores visualizarem, de forma mais clara e acessível, padrões nas simulações realizadas pelos usuários do aplicativo. Além disso, o Cria Certo Manager contribui para o gerenciamento, sem modificação de código, de parâmetros que antes eram fixos no aplicativo Cria Certo.
Download	Tese_Mestrado_Wagner_Vieira_Freiria.pdf

Integração de Módulos Utilizando Micro Frontends na Plataforma +Precoce

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	13/03/2023
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Evandro Mazina Martins
Coorientador(es)
Orientando(s)	Alan Balen Schio
Banca	Camilo Carromeu Evandro Mazina Martins Fernando Rodrigues Teixeira Dias Gedson Faria Milton Ernesto Romero Romero Renato Porfirio Ishii
Resumo	Resumo A Plataforma +Precoce vem sendo desenvolvida ao longo dos últimos anos em parceria entre Embrapa e a Universidade Federal do Mato Grosso do Sul, de maneira modularizada, onde cada novo desenvolvimento é realizado fora da base de código principal, evitando conflitos e efeitos colaterais com demais códigos do sistema que se encontra em uso. Ao fim de cada desenvolvimento, estes módulos não se incorporavam ao código final, seja por causa das versões de dependências conflitantes ou por alta demanda operacional de reavaliar os códigos. A falta de entendimento de uma técnica eficiente de unificação de código também estava presente. A técnica de micro serviços é amplamente difundida e utilizada para se fazer o gerenciamento e conexão dos módulos de um sistema sem que necessite estar dentro do mesmo código. Derivada desta, nasceu a abordagem Micro Frontends, que permite no desenvolvimento de plataformas web a integração dos módulos em tempo de execução. Se valendo da técnica de Micro Frontends, da maneira modular com que a plataforma foi desenvolvida e da necessidade de disponibilizar as novas funcionalidades ao usuários, este trabalho provê a integração entre os módulos da plataforma utilizando a técnica Module Federation para realizar a integração entre os módulos com a plataforma principal, e fornecendo maneiras de validar a disponibilidade dos módulos e garantir que seu uso seja possível mesmo em modo offline.
Download

Sistema Automatizado para Identificação de Fenótipo Relacionado a Precocidade e Fertilidade de Fêmea Bovina

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	15/12/2022
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Edson Antonio Batista
Coorientador(es)
Orientando(s)	Brenda Medina de Oliveira
Banca	Edson Antonio Batista Jonathan de Andrade Silva Wesley Nunes Goncalves
Resumo	A identificação da precocidade bovina, características reprodutivas, do mesmo são de extrema importância, pois com o diagnóstico correto é possível atingir um aumento de produtividade e consequentemente a lucratividade do setor. Porém, este processo é realizado subjetivamente, o que pode acarretar inexatidão, e diferentes resultados de acordo com o avaliador. Com intuito de apresentar uma solução automatizada e com maior objetividade, neste trabalho desenvolveu-se uma metodologia baseada em escores visuais para identificar a precocidade de fêmeas bovinas. A metodologia consiste na captura de imagens do animal, quando transita pelo mangueiro e através de algoritmos de inteligência artificial permite-se identificar sua precocidade a fertilidade. Os algoritmos desenvolvidos permitem a entrada da imagem do bovino e retorna a probabilidade de acurácia e fertilidade na primeira estação reprodutiva. Para realização deste trabalho foram coletadas imagens dos animais na Fazenda Sete Estrelas, que serviram de base para desenvolver o algoritmo. Foram testados o desempenho de 5 algoritmos, que realizam a identificação e classificação de cada imagem de fêmea bovina com intuito de indicar qual técnica é mais indicada para finalidade. Os resultados obtidos através dos algoritmos foram: CNN em conjunto com U-Net, obtiveram uma porcentagem de acertos de 71.42\%; O algoritmo Efficientnet obteve 70.46\%; Assim como o anterior o algoritmo Twins obteve 70.46\%; E o melhor resultado obtido se deu por meio do algoritmo Resnet com 74.92\%. Os resultados obtidos são promissores, contudo pode-se melhorar, com a adequada captação das imagens dos animais e aumentando o banco de imagens, apresentando um grande potencial para a resolução do problema. Palavras-chaves: Identificação de fertilidade bovina. Precocidade de bovinos fêmeas. Algoritmo CNN. Algoritmo U-Net. Algoritmo Resnet. Algoritmo Twins. Algoritmo Efficientnet.

Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	30/11/2022
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Milton Ernesto Romero Romero
Coorientador(es)
Orientando(s)	Rafael Gonçalves de Oliveira Viana
Banca	Andrea Teresa Riccio Barbosa Evandro Mazina Martins Marco Aurelio Stefanes Milton Ernesto Romero Romero Renato Porfirio Ishii Vera Regina Fernandes da Silva Marães
Resumo	O Sistema Nervoso Autônomo é um dos responsáveis pelos ajustes cardiovasculares e seu realce pode ser aferido, utilizando a Variabilidade de Frequência Cardíaca(VFC) pelas ondas R, presente no Eletrocardiograma. Atualmente a hipertensão é altamente prevalente em todos os países. Graças a equipamentos inteligentes vestíveis, uma aglomerado de dados começou a ser coletado e armazenado, entretanto pouco explorados. Novos métodos de aferição da hipertensão utilizando os dados armazenados ajudaria no controle cardiovascular de uma grande quantidade de pessoas. Nesta pesquisa, os dados de VFC coletados por equipamentos vestíveis de baixo custo e de fácil aquisição, foram processados e obteve-se um resultado de 75\% de acurácia ao utilizar inteligência artificial na classificação de pacientes hipertensos medicados e não hipertensos (saudáveis). Este resultado provavelmente esta relacionado a eficácia do medicamento utilizado pelos pacientes. Novas pesquisas visando candidatos que possuem pressão alterada (não hipertensos), deve ser realizada, a fim de extrair características destes, ao não utilizar medicamento de controle de pressão arterial.
Download	Viana_R_Disserta__o_.pdf

Plataforma Eletrônica para Aquisição de Sinais Fisiológicos de Bovinos a Pasto

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	02/09/2022
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Ricardo Ribeiro dos Santos
Coorientador(es)	Davi Jose Bungenstab
Orientando(s)	Ricardo Espindola de Aguiar
Banca	Camilo Carromeu Davi Jose Bungenstab Fabio Iaione Ricardo Ribeiro dos Santos Victor Leonardo Yoshimura
Resumo	O mercado global de produção animal está cada vez mais exigente, inclusive com requisitos de sustentabilidade e bem-estar animal. Alterações fisiológicas como o aumento da frequência cardíaca ou temperatura corporal podem evidenciar um bem-estar precário ou até mesmo um estado pré-patológico e, como consequência, afetar a produção animal. A partir de um protótipo de dispositivo para monitoramento de sinais fisiológicos de bovinos, este trabalho desenvolveu uma plataforma de monitoramento animal que utiliza o dispositivo automatizado e não invasivo para coleta de sinais fotopletismográficos e dados de temperatura cutânea e radiação ultravioleta. Essa plataforma captura sinais fisiológicos periodicamente, aplica técnicas de filtragem de ruídos sobre esses sinais e os envia para uma estação base. Esta, por sua vez, envia os dados para a plataforma em nuvem, onde algoritmos para cálculos de parâmetros fisiológicos como frequência cardíaca e respiratória são executados e os dados resultantes podem ser visualizados por sistema WEB. Experimentos com animais em diferentes condições foram realizados onde pode-se observar a melhoria da qualidade do sinal coletado dos animais, após aplicar os algoritmos de filtragem de ruídos. Os experimentos também revelaram que a região da nuca do animal apresenta-se como um local válido para utilização de equipamentos de monitoramento que possibilitam a utilização contínua e não-invasiva nos animais.

Uso de rede neural convolucional na identificação de hipertensão arterial

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	01/09/2022
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Milton Ernesto Romero Romero
Coorientador(es)
Orientando(s)	JEFFERSON XAVIER NOBREGA
Banca	Evandro Mazina Martins Fabio Iaione Marco Aurelio Stefanes Milton Ernesto Romero Romero Renato Porfirio Ishii Vera Regina Fernandes da Silva Marães
Resumo	A hipertensão arterial ou pressão arterial alta sustentada é uma doença crônica com grande ocorrência no Brasil e no mundo. É um dos principais indicadores para a ocorrência de acidente vascular cerebral (AVC), enfarte, aneurisma arterial e insuficiência renal e cardíaca. Impacta diretamente na frequência cardíaca e na sua variabilidade: pacientes hipertensos costumam apresentar uma menor variação na frequência cardíaca se comparados a normotensos. Porém, ainda existe controversia se é possível determinar a hipertensão arterial somente pela Variabilidade da Frequência Cardíaca (VFC). Esta dissertação tem como objetivo estudar a questão ainda aberta se a Variabilidade da Frequência Cardíaca tem informação suficiente para definir a hipertensão, baseada no treinamento de uma Rede Neural Convolucional capaz de classificar um paciente entre saudável ou hipertenso e todos os desafios inerentes a este processo. Este treinamento é feito com base nos valores do intervalo RR do eletrocardiograma. Os intervalos RR podem apresentar outliers - amostras inválidas/incorretas - que devem ser devidamente tratados e não devem ser levados em consideração para o treinamento. Devido a baixa quantidade de arquivos para treinamento da Rede Neural Convolucional, foi utilizada a técnica data augmentation para oferecer uma maior fonte de aprendizagem. Através da Transformada Wavelet Contínua, estes arquivos de texto contendo o intervalo RR em milissegundos são convertidos em uma matriz com informações no domínio do tempo e da frequência. Por fim, é definido um modelo de Rede Neural Convolucional que é treinada para realizar a classificação dos pacientes. Os resultados são promissores mas dependem da quantidade de exames de pacientes que neste caso devem ser aumentada. O trabalho faz recomendações de como deve ser continuado este estudo, mas o sistema implementado na linguagem Python mostra utilidade para aprofundar o problema.

Detecção e rastreamento de múltiplos objetos utilizando redes profundas no contexto de mapeamento de formigueiros em plantação de Eucaliptos

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	01/09/2022
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Jonathan de Andrade Silva
Coorientador(es)	Jose Marcato Junior Lúcio André de Castro Jorge
Orientando(s)	GIAN LUCAS DA SILVA RAMALHO
Banca	Ana Paula Marques Ramos Jonathan de Andrade Silva Jose Marcato Junior Wesley Nunes Goncalves
Resumo	O setor da silvicultura possibilita o desenvolvimento econômico e ambiental, oferecendo emprego e renda para a população e auxiliando com a redução das mudanças climáticas. Segundo IBGE, no ano de 2020, a área de florestas cultivadas em todo o território nacional alcançara um total de 9,98 milhões de hectares. O cultivo de eucalipto representa aproximadamente 76%, equivalente a 7,61 milhões de hectares. Nas plantações florestais presentes no Brasil, uma das principais pragas e que afetam intensamente a produção, são as formigas cortadeiras. Esses insetos consomem muita vegetação, atacando diferentes as espécies de plantas e causando a desfolha até a morte da planta, independendo do tamanho dela, de mudas até árvores. Para combater às formigas, são utilizados produtos químicos, juntamente com o monitoramento da plantação. É possível aplicar a detecção e o rastreamento de objetos em imagens das plantações, com o intuito de auxiliar no monitoramento da plantação e dos formigueiros. A detecção e o rastreamento dos objetos nesse estudo se encaixam no contexto do rastreamento de múltiplos objetos, Multiple Object Tracking (MOT). A tarefa do MOT refere-se na localização de múltiplos objetos, na sua identificação e no cálculo de suas trajetórias individuais, em uma sequência de imagens. Neste estudo foram avaliados três detectores de objetos, Faster R-CNN , RetinaNet e VFNet, juntamente com os métodos de rastreamento Tracktor, Byte Tracker Deep Sort, além da proposta de um método baseado no Método SORT, para rastreamento de formigueiros. As avaliações dos métodos de detecção e rastreamento de objetos foram realizadas, e o melhores resultados de rastreamento obtidos foram utilizando o detector RetinaNet que atingiu 0.817 de Average Precision (AP), 53.004 de Higher Order Tracking Accuracy (HOTA) com o método de rastreamento Byte Tracker, 47.120 de HOTA com o Método Proposto e 43.426 de HOTA com o Deep Sort. Apesar do Byte Tracker indicar resultado HOTA superior, o Método Proposto se destaca na contagem dos objetos, superando os outros métodos de rastreamento.
Download	Gian.pdf

SISUNAPI: FERRAMENTA COMPUTACIONAL DE INTEGRAÇÃO DOS DADOS DA UNAPI/UFMS

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	30/08/2022
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Andrea Teresa Riccio Barbosa
Coorientador(es)
Orientando(s)	RENATO LEMES PEIXOTO
Banca	Andrea Teresa Riccio Barbosa Debora Maria Barroso Paiva Ramon Moraes Penha Suzi Rosa Miziara Barbosa
Resumo	O Instituto Integrado de Saúde (INISA) é uma unidade setorial da UFMS com diretrizes para a integração ensino-serviço-comunidade e através de diversas atividades diferenciadas oferecem atenção à saúde nos diferentes níveis de complexidade. Verifica-se que no Instituto, apesar de diversos projetos de pesquisa e extensão estarem em andamento, não há um sistema centralizado que armazenasse os dados e que possibilite o acompanhamento de informações. Um desses projetos de extensão intitulado Avaliação Multidisciplinar de Saúde dos Idosos e frequentadores da UNAPI/UFMS (Universidade Aberta à Pessoa Idosa/UFMS) tem por objetivo a análise global e multiprofissional da saúde dos idosos acima de 60 anos. Para o projeto em questão, algumas dificuldades foram observadas tais como: a descentralização dos dados referentes aos projetos de extensão de cultura e esporte no qual participam; a falta de centralização das informações fisiológicas e psicossociais do idoso, entre outras. Salienta-se que muitos dados estão distribuídos por diversos setores do Instituto e com pesquisadores diferentes, tanto em formato de planilhas eletrônicas, como em formulários de papel. Esse trabalho apresenta um estudo para a estruturação e levantamento de requisitos de um sistema (SISUNAPI) capaz de atender a demanda da UNAPI, apresentando os principais recursos e funções necessárias. Como método foi utilizado um framework e criado um Banco de Dados que atendeu aos requisitos mínimos para obtenção de informações básicas dos participantes dos projetos de pesquisa, ensino e extensão. Foi desenvolvido um protótipo capaz de realizar o armazenamento dos dados de pesquisa e sua ligação entre os pesquisadores e pesquisados. Palavras chaves: pessoa idosa; sistema acadêmico; banco de dados; framework; inclusão digital

JurisBERT: Transformer-based model for embedding legal texts

Curso	Mestrado em Computação Aplicada
Tipo	Artigo Científico
Data	24/08/2022
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Renato Porfirio Ishii
Coorientador(es)
Orientando(s)	Charles Felipe Oliveira Viegas
Banca	Amaury Antonio de Castro Junior Bruno Magalhaes Nogueira Deiviston da Silva Aguena Dionisio Machado Leite Filho Nadia Felix Felipe da Silva Omar Andres Carmona Cortes Renato Porfirio Ishii
Resumo	Neste trabalho é proposta uma nova extensão do BERT (Bidirectional Encoder Representations from Transformers), denominada JurisBERT, aplicada na tarefa de Similaridade Semântica Textual (SST) com melhorias consideráveis de rapidez, de precisão e de necessidade reduzida de recursos computacionais em relação a outras abordagens. O JurisBERT foi treinado do zero com textos de domínio específicos para lidar com leis, doutrinas e precedentes, e tem melhor precisão em relação a outros modelos BERT, que foi a principal contribuição deste trabalho. Além disso, nossa abordagem considera o conceito de sub-línguagem, ou seja, um modelo pré-treinado em um idioma (Português Brasileiro) passa por um refinamento (fine-tuning) para melhor atender a um domínio específico, no nosso caso, o jurídico. A fim de validar a abordagem com dados reais, o JurisBERT cria e emprega 24 mil pares de ementas com grau de similaridade variando entre 0 e 3, extraídas de mecanismos de busca disponíveis nos sites dos tribunais brasileiros. Nossos experimentos demonstraram que o JurisBERT é melhor do que outros modelos em quatro cenários: BERT multi-lingual e BERTimbau sem ajuste fino em cerca de 22% e 12% de F1, respectivamente; e com refinamento em torno de 20% e 4%. Além disso, nossa abordagem reduziu em 5 vezes a etapa de pré-treinamento, além de usar hardware acessível, ou seja, arquiteturas GPGPU de baixo custo. Esse resultado demonstra que nem sempre modelos pré-treinados, como BERT multi-lingual e BERTimbau, são a melhor solução. Assim, provamos que treinar o BERT do zero com textos específicos de domínio tem maior precisão e menor tempo de treinamento do que modelos pré-treinados de domínio geral. O código fonte está disponível em https://github.com/juridics/brazilian-legal-text-dataset.

Uma Abordagem Baseado em Ranking para a Predição de Evasão Escolar: Um Estudo de Caso na Universidade Federal de Mato Grosso do Sul

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	24/08/2022
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Rafael Geraldeli Rossi
Coorientador(es)
Orientando(s)	Gregório Takashi Higashikawa
Banca	Amaury Antonio de Castro Junior Anderson Correa de Lima Bruno Magalhaes Nogueira Luciano Gonda Rafael Geraldeli Rossi Ricardo Marcondes Marcacini
Resumo	A evasão acadêmica é um problema discutido em várias instituições de ensino, pois acarreta um dispêndio para a instituição e um grande prejuízo educacional para o aluno. Além disso, causas definidas por meio de percepções humanas podem estar incorretas e consequentemente levar à ações preventivas incorretas. Por outro lado, observa-se o emprego com sucesso de técnicas de mineração de dados em diversas instituições de ensino no Brasil e no mundo para a extração automática de hipóteses, e a geração de modelos para classificar se um aluno tem propensão para evadir ou não. O uso da classificação neste cenário pode gerar resultados não satisfatórios, principalmente quando a confiança de classificação entre as classes evasão e não evasão são próximas. Outro ponto a considerar é quando existe um desbalanceamento entre as classes, conhecido por gerar modelos de classificação inacurado na classe minoritária. Ademais, as causas de evasão podem variar de acordo com a localidade e curso. Como alternativa, classificar instâncias de testes baseada em sua propensão à pertencer à uma determinada classe significativa e ranqueando-as, direcionaria esforço de forma mais precisa aos alunos com maior chance de evasão. Dado isso, este trabalho apresenta um método para detecção de evasão baseado em ranking e tem como conjunto de treinamento os dados dos históricos escolares dos alunos. É então avaliado se a evasão ocorre nos top alunos ranqueados com potencial de evasão. Ademais, o método foi empregado em diferentes cursos e diferentes áreas do conhecimento da Universidade Federal de Mato Grosso do Sul (UFMS) para avaliar o seu comportamento em diferentes cenários. Os resultados mostram uma precisão de 0, 97, 0, 99 e 0, 98 para os 50 primeiros alunos ranqueados das áreas de ciências Exatas, Biológicas e Humanas. E para os 10 primeiros a precisão foi de 0, 99 à 1, 0. Por outro lado, com o uso de modelos de classificação, os resultados obtidos foram de 0,72, 0,79, 0,78 na acurácia e 0,68, 0,65, 0,64 para a precisão. Vale ressaltar que apesar da avaliação do ranking englobar apenas os top-k alunos da classe de evasão, a assertividade na classificação faz com que os esforços sejam mais bem direcionados e esperançosamente mais efetivos. Com isso, dada a previsão assertiva do método proposto para os alunos com maior potencial de evasão, os interessados poderão aplicar estratégias mais eficientes no contensão à evasão.

MoscaDosChifresApp: Aplicativo para Contagem de Moscas-dos-Chifres em Bovinos da Raça Nelore

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	10/03/2022
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Victor Leonardo Yoshimura
Coorientador(es)	Anderson Vicoso de Araujo
Orientando(s)	Ricardo Vinicius Nascimento Soares
Banca	Amaury Antonio de Castro Junior Anderson Vicoso de Araujo Antonio Thadeu Medeiros de Barros Bruno Magalhaes Nogueira Fabio Iaione Hudson Silva Borges Victor Leonardo Yoshimura
Resumo	A pecuária brasileira é uma das mais produtivas do mundo e o desenvolvimento de soluções tecnológicas pode intensificar ainda mais o crescimento dessa área. A evolução da tecnologia da informação tem fornecido diversas ferramentas e dispositivos que oferecem novas soluções para gestão e tomada de decisões. Para isso, cada vez mais métodos, utilizando técnicas e ferramentas de visão computacional, estão sendo estudados e propostos na literatura. Esse tipo de tecnologia tenta reproduzir, de forma rápida e confiável, as mesmas tarefas do sistema de visão humano. Nos últimos anos, com o expressivo avanço no poder de processamento e armazenamento dos dispositivos móveis e smartphones, se tornou possível a criação de softwares que consigam implementar algoritmos que façam este tipo de reconhecimento. Este estudo foca em desenvolver uma aplicação mobile para sistema Android, a qual utiliza um método computacional existente para avaliar infestações de moscas-dos-chifres em rebanhos Nelore, através de imagens originadas pela câmera do dispositivo. Devido à contagem individual de moscasdos-chifres, este aplicativo permite uma rápida estimativa de infestação de moscas-dos-chifres no rebanho. Por fim, este software pode ser uma ferramenta útil na tomada de decisão sobre o controle desta praga no rebanho.

PREDIÇÃO DO PREÇO DA ARROBA DO BOI UTILIZANDO REDES NEURAIS ARTIFICIAIS

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	09/12/2021
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Andrea Teresa Riccio Barbosa
Coorientador(es)
Orientando(s)	Felipe Ferraz de Souza
Banca	Andrea Teresa Riccio Barbosa Fabio Iaione Francisco Eloi Soares de Araujo Hana Karina Salles Rubinsztejn Pedro Paulo Pires Valguima Victoria Viana Aguiar Odakura
Resumo	Nessa dissertação é proposto um modelo para predição do preço da arroba do boi gordo com referência no preço disponibilizado pelo CEPEA. Essa predição é feita com base na combinação de variáveis que interferem na composição do indicador, como por exemplo, o valor do dólar e o valor do milho. Após a identificação das variáveis que têm maior influência na composição do preço da arroba, para implementação do modelo, foi utilizada Redes Neurais Artificiais do tipo MLP (Multilayer Perceptron). Para realizar simulações com a rede MLP foi utilizado o software gratuito Weka (Waikato Environment for Knowledge Analysis) e várias configurações diferentes foram implementadas, tanto no número de variáveis, quanto na configuração do modelo de rede. Durante a execução dos testes, optou-se por adotar o modelo que apresentou o melhor resultado e com a configuração de rede possuindo o menor número de variáveis possível. A rede em alguns testes apresentou taxa de erro abaixo de 4%. Sendo assim, definiu-se a arquitetura, as variáveis de entrada e os parâmetros da rede mais indicada na predição do preço da arroba do boi para um futuro de noventa dias.
Download	DissertaçãoFelipe.pdf

Conjunto Universal de Circuitos Lógicos Quaternários Reversíveis

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	02/12/2021
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Milton Ernesto Romero Romero
Coorientador(es)
Orientando(s)	Diogo Anache de Souza
Banca	Evandro Mazina Martins Fabio Iaione Luciano Gonda Marco Aurelio Stefanes Milton Ernesto Romero Romero Renato Porfirio Ishii
Resumo	A síntese de circuitos digitais em lógica binária utiliza técnicas de minimização, como os mapas de Karnaugh e os algoritmos Quine-McCluskey, Petrick e Espresso, para obter uma expressão equivalente, porém com menos termos e operações, o que implica em um uso reduzido de portas lógicas. É possível utilizar a lógica de múltiplos valores (MVL) para transmitir mais informação por interconexão. Seguindo a ideia de otimização pode-se também reduzir a dissipação de energia desses circuitos através de portas lógicas reversíveis, que permitem um mapeamento bijetivo entre entrada e saída. Tal conceito apoia-se no princípio de Landauer, que enuncia que a cada bit perdido de informação, KTln2 Joules de energia são dissipados. Neste trabalho foi abordada a álgebra quaternária, sendo proposta uma metodologia de minimização para esse domínio, bem como o projeto de portas lógicas reversíveis.
Download	Diogo - Mestrado (Versão Final).pdf

Um retrato do entendimento dos professores dos Institutos Federais sobre Pensamento Computacional

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	06/10/2021
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Anderson Correa de Lima
Coorientador(es)
Orientando(s)	Edilson Kazuo Kubota
Banca	Amaury Antonio de Castro Junior Anderson Correa de Lima Claudio Zarate Sanavria Dionisio Machado Leite Filho Rodrigo Silva Duran Rozelma Soares de França
Resumo	Embora o Pensamento Computacional (PC) seja cada vez mais pesquisado no contexto da educação, ainda são poucos os estudos que investigam a visão do docente sobre o assunto. Além disso, os poucos estudos abordando o tema se limitam a abordagens qualitativas com pequenos grupos de professores. No intuito de enfrentar esse desafio e identificar a percepção docente sobre o PC, conduzimos um estudo quantitativo envolvendo docentes de todas regiões do Brasil. Por meio do estudo, mapeamos os softwares e as práticas pedagógicas que promovem habilidades associadas ao tema e identificamos que apenas 36% dos entrevistados conhecem os conceitos relacionados ao PC, sugerindo que o tema e as habilidades relacionadas ainda são pouco conhecidas.
Download	Artigo_Defesa_Template_SBC_v2.pdf

Desenvolvimento de leitora RFID para pecuária de precisão

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	30/06/2021
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Fabio Iaione
Coorientador(es)
Orientando(s)	Cleiton Anderson Profilio dos Santos
Banca	Fabio Iaione Hana Karina Salles Rubinsztejn Irineu Sotoma Luciano Gonda Pedro Paulo Pires Quintino Izidio dos Santos Neto Victor Leonardo Yoshimura
Resumo	O monitoramento do rebanho bovino vai além de sua simples identificação. Utilizando a tecnologia Radio Frequency IDentification (RFID) é possível medir parâmetros fisiológicos, como a temperatura corporal, que permite inferir sobre o estado de saúde do animal. Isso torna-se mais delicado com a retirada gradativa da vacinação contra a febre aftosa, que no estado de Mato Grosso do Sul será em 2021 (IAGRO, 2019). Sendo assim, é necessário adotar alguma técnica que permita identificar o estado febril do animal em tempo hábil, separá-lo dos demais e adotar os devidos procedimentos. A Faculdade de Computação (FACOM) e a Embrapa Gado de Corte desenvolveram transponders para medição de temperatura corporal, e uma dificuldade constante é a falta de leitoras que funcionem adequadamente. O objetivo deste trabalho é desenvolver uma leitora RFID compatível com as normas ISO 11784 e ISO 11785 que possa ser instalada no local de passagem dos animais, fazendo a leitura das tags (brincos, bolus e implante subcutâneo, entre outros) e enviando os dados via LoRaWAN, GSM/GPRS ou Wi-FI à plataforma TagoIO, servidor FTP, banco de dados MySQL ou planilha do Google Drive. Através de uma interface web é possível realizar todas as configurações do equipamento. Isso permitirá o uso do equipamento nas mais diversas localidades. Além disso, foi desenvolvido um produto de baixo custo que seja acessível aos pequenos e médios produtores. Palavras-chave: pecuária de precisão; leitora RFID; sistemas embarcados; multiconectividade.
Download	Dissertação - Cleiton Anderson Profilio dos Santos.pdf

Barramento de Comunicação IoT para Plataforma de Pecuária de Precisão

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	11/06/2021
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Hana Karina Salles Rubinsztejn
Coorientador(es)
Orientando(s)	Willyan Candido Silva
Banca	Camilo Carromeu Fabio Iaione Hana Karina Salles Rubinsztejn Irineu Sotoma Luciano Gonda Renato Porfirio Ishii
Resumo	A pecuária brasileira vem demonstrando ao longo dos anos sua primazia no mercado mundial de carne bovina. Em decorrência dessa conjuntura e sua importância para o setor econômico do país, desenvolver e aprimorar os meios empregados na cadeia de criação de gado de corte é crucial para aumentar a produção, reduzir os custos e assegurar o constante progresso exigido pelo mercado. Nesse contexto, a utilização de uma infraestrutura pautada na Internet das Coisas (Internet of Things – IoT) contribui para um monitoramento de baixo custo e confere a oportunidade de automatizar as propriedades produtoras de carne bovina. A FACOM/UFMS e a Embrapa Gado de Corte possuem várias pesquisas e projetos voltados para a pecuária de precisão, dentre eles a plataforma e-Cattle. O objetivo desse trabalho é fornecer um barramento de comunicação com protocolos IoT para integração de uma maior variedade de sensores e a persistência das informações coletadas na plataforma. Dessa forma, o uso de protocolos de comunicação IoT, como por exemplo LoRA e MQTT, aumentarão a heterogeneidade de sensores aceitos, contribuindo para uma solução de baixo custo de implantação e monitoramento.

Integração do Modelo AMPL a Plataforma Computacional de Pecuária +Precoce

Curso	Mestrado em Computação Aplicada
Tipo	Dissertação
Data	22/03/2021
Área	CIÊNCIA DA COMPUTAÇÃO
Orientador(es)	Marcelo Augusto Santos Turine
Coorientador(es)
Orientando(s)	Jacons de Souza Morais
Banca	Camilo Carromeu Edson Norberto Caceres Fernando Rodrigues Teixeira Dias Marcelo Augusto Santos Turine
Resumo	Os sistemas de produção têm se tornado cada vez mais eficientes para atender à crescente demanda por alimentos no mundo. Esse ganho de eficiência tem sido propiciado pelos investimentos realizados em novas tecnologias, ferramentas e métodos de produção. Dentre as ferramentas que podem contribuir para a tomada de decisão do produtor estão as ferramentas de simulação como a Plataforma +Precoce (P+P), no entanto, a P+P carece de recursos que possibilitem ao produtor otimizar um determinado indicador técnico de seu sistema de produção. O módulo desenvolvido neste trabalho de mestrado visa permitir ao usuário da P+P obter um arquivo otimizável em uma linguagem de programação matemática para que seja possível obter o melhor valor para determinado indicador, oportunizando uma melhor tomada de decisão pelos gestores.

Página 2 de 5 (20 de 92 registros).

Mestrado em Computação Aplicada - CAMPO GRANDE

Trabalhos

Buscar Trabalhos de Pós-graduação

Formulário de Busca

Trabalhos Disponíveis