Autor: Glauco Amorim

Defesa de Proposta de Dissertação (09/10/2025): Ian Alexander Zahner McIntosh

Discente: Ian Alexander Zahner McIntosh

Título: Um estudo do uso de efeitos sensoriais para auxílio de pessoas cegas e com baixa visão

Orientador: Joel dos Santos

Banca: Diego Brandão (CEFET/RJ) e Windson Viana (UFC)

Dia/Hora: 09/10/25 às 10 hrs

Sala: https://teams.microsoft.com/meet/2794609661435?p=csh494b2uBDLBTEtqg

Resumo: No avanço tecnológico, a realidade virtual cresceu na quantidade de funções. Com isso, muitos usuários e desenvolvedores puderam explorar novas formas de usá-la para diversão. Ao mesmo tempo, foi possível utilizar esta tecnologia para a educação. Assim como outras tecnologias assistivas, a \acr{RV} foi capaz de ajudar na locomoção, comunicação e recriação de locais. Com estes atributos, pessoas cegas e com baixa visão puderam ser ajudadas em diferentes situações. Este trabalho tem como objetivo realizar uma revisão de trabalhos que utilizam a \acr{RV}, ou tecnologia semelhante, para auxílio a pessoas cegas ou com baixa visão. Esta revisão busca ainda identificar os efeitos sensoriais explorados diretamente ou indiretamente em cada trabalho.
Palavras-chave: Realidade Virtual; Efeitos Sensoriais; Deficiência Visual; Revisão.

Defesa de Proposta de Dissertação (19/09/2025): Fernando Henrique de Jesus Fraga da Silva

Discente: Fernando Henrique de Jesus Fraga da Silva

Título: Day Trading Multi-Ações via Aprendizado por Reforço Profundo | Multi-Stock Day Trading via Deep Reinforcement Learning

Orientador: Eduardo Bezerra da Silva

Banca: Glauco Fiorott Amorim (CEFET/RJ) e Pedro Henrique González Silva (CEFET/RJ & COPPE/PESC)

Dia/Hora: 19/09/2025 às 10h

Sala: https://teams.microsoft.com/l/meetup-join/19%3a0bb9d0e20b004f5f81e8993357000fa9%40thread.tacv2/1755006816852?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22c03d6068-4733-48a6-bbb4-aa78f351d9cf%22%7d

Resumo: O mercado de ações representa o ambiente em que empresas de capital aberto disponibilizam ao público parcelas de sua estrutura, por meio da emissão e negociação de ações. Cada ação corresponde a uma fração do valor da companhia e está sujeita a constantes oscilações de preço. Essa volatilidade pode ser influenciada por uma ampla variedade de fatores, como mudanças no cenário econômico, decisões políticas, acontecimentos sociais e até mesmo eventos inesperados de escala global. Compreender e, principalmente, tentar antecipar os efeitos desses elementos no comportamento do mercado configura-se como uma tarefa desafiadora e, em muitos casos, de elevada complexidade. Essa dificuldade torna-se ainda mais evidente em operações de day trading, em que decisões precisam ser tomadas em questão de minutos ou até segundos, exigindo análises precisas em intervalos extremamente curtos. É nesse contexto que o aprendizado por reforço surge como uma alternativa promissora, oferecendo modelos capazes de desenvolver estratégias adaptativas a partir da interação contínua com o ambiente de negociação. O presente trabalho tem como objetivo investigar a aplicação do aprendizado por reforço no setor financeiro, com ênfase em operações de day trade. Nesse contexto, busca-se propor uma técnica de aprendizado por reforço profundo capaz de estimar transações de day trade para diversas empresas simultaneamente, utilizando uma granularidade de dados que se aproxime ao máximo da realidade do mercado. Para isso conduzimos testes experimentais empregando o algoritmo PPO. Os resultados alcançados apontam que, comparado aos benchmarks, o agente de aprendizado por reforço foi capaz de obter resultados melhores em diversas ações. Em alguns casos, nosso agente chegou a alcançar um retorno em comparação ao benchmark de acima de 10 pontos percentuais.

Defesa de Proposta de Dissertação (30/06/2025): André Luiz Coutinho Merlo

Discente: André Luiz Coutinho Merlo

Titulo: SISTEMA DE RECOMENDAÇÃO HÍBRIDO PARA AGRICULTURA INTELIGENTE APLICADO AO SISTEMA MULTISOILS

Orientador: Diego Brandão

Banca: Marcos Bacis Ceddia (UFRRJ), Douglas Cardoso (Universidade de Coimbra) e Kele Belloze (PPCIC-Cefet/RJ)

Data/Hora: 30 de junho de 2025 (segunda-feira), às 18pm.

Local: https://us06web.zoom.us/j/82240802828pwd=C7u7HgWA6Zb3oSEFQdk2B7REqQQLfr.1

Resumo:
A agricultura digital tem se consolidado como um dos pilares da transformação tecnológica no
campo, ao integrar sensores, algoritmos, dados meteorológicos e técnicas de inteligência artificial para tornar a produção agrícola mais eficiente, sustentável e inteligente. Nesse contexto, a agricultura familiar, responsável por grande parte da produção de alimentos no Brasil, desempenha um papel estratégico não apenas na segurança alimentar, mas também na conservação ambiental e no desenvolvimento regional. No entanto, muitos pequenos produtores ainda enfrentam desafios relacionados ao acesso a tecnologias avançadas e à tomada de decisões baseadas em dados. Diante desse cenário, este trabalho propõe o desenvolvimento de um sistema inteligente de recomendação agrícola, voltado para apoiar agricultores familiares na escolha de culturas e no manejo eficiente do solo. A solução adota uma abordagem híbrida, combinando um motor de inferência baseado em regras com técnicas de ciência de dados aplicadas à agricultura de precisão. O sistema utiliza dados regionais de produtividade, condições climáticas e análises detalhadas do solo para gerar recomendações personalizadas sobre o cultivo mais adequado, bem como orientações técnicas sobre adubação, calagem e controle de pragas. Ao considerar variáveis como tipo e composição do solo, histórico produtivo e clima local, o sistema busca contribuir para o aumento da produtividade, a redução de impactos ambientais e a promoção da sustentabilidade econômica de pequenos produtores
rurais. Experimentos preliminares demonstram a viabilidade da solução proposta, com recomendações alinhadas às práticas agrícolas locais e às condições edafoclimáticas das regiões avaliadas. Os resultados indicam que o sistema pode se tornar uma ferramenta acessível e escalável, capaz de democratizar o acesso à agricultura de precisão e fortalecer a sustentabilidade da agricultura familiar, reduzindo assimetrias tecnológicas no campo.

Defesa de Proposta de Dissertação (09/04/2025): Ricardo Luiz Pereira Maceira

Discente: Ricardo Luiz Pereira Maceira;

Título: Ferramenta Computacional para Avaliação e Suporte ao Cuidador de Paciente com Câncer

Orientadores: Felipe da Rocha Henriques e Glauco Fiorott Amorim

Banca: Laura Silva de Assis (PPCIC – Cefet/RJ) e Luis Carlos dos Santos Coutinho Retondaro (Cefet/RJ – Uned Petrópolis).

Dia/Hora: 09 de abril de 2025 (quarta-feira), às 14pm;

Local: https://teams.microsoft.com/l/meetup-join/19%3a-QtQx3aDaGVvvoAYutGTLgvOAEf7HEsaGlYDcNG3UYI1%40thread.tacv2/1742841522991?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22fae0cef4-35a7-472b-a664-720c350c49cc%22%7d

Resumo: Os cuidadores de pacientes com câncer frequentemente enfrentam elevados níveis de sobrecarga, o que representa um desafio significativo nessa tarefa crucial. Nesse contexto, este estudo propôs uma ferramenta computacional denominada Questionário Avaliativo da Sobrecarga do Cuidador de Paciente (QASCP), um aplicativo para navegadores e dispositivos móveis, com o objetivo de avaliar e apoiar esses cuidadores. A ferramenta coleta dados que são usados para gerar o nível de sobrecarga dos cuidadores, calculado com base na escala Zarit, e armazena essas informações em um banco de dados. A partir dos resultados obtidos, a ferramenta apresenta visualizações analíticas e oferece vídeos de suporte personalizados conforme o nível de sobrecarga identificado pela pontuação. O objetivo é reduzir o estresse e melhorar o bem-estar dos cuidadores, oferecendo apoio adequado e informações valiosas para futuras intervenções. A aplicação proposta foi testada e validada em um estudo de caso real, realizado em uma instituição que apoia o Instituto Nacional do Câncer (INCA).

Defesa de dissertação (24/02/2025): Liss de Fátima Françoise Moreira Grillo Faulhaber

Discente: Liss de Fátima Françoise Moreira Grillo Faulhaber

Título: Problema de Alocação Geodésica de Facilidades de Recarga

Orientadores: Glauco Fiorott Amorim e Pedro Henrique González Silva

Banca: Prof. Eduardo Bezerra da Silva, D.Sc., Prof. Vanessa de Almeida Guimarães, D.Sc. e Prof. Claudio Miceli de Farias, D.Sc.

Dia/hora: 24 de fevereiro de 2025 (segunda-feira), às 14pm.

Local:https://teams.microsoft.com/l/meetup-join/19%3a956fd2144a464f0aa63db82fabf8ba77%40thread.tacv2/1740158188460?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22a387551c-17e3-4dbd-8b69-015f68de9696%22%7d

Resumo: Com a crescente preocupação com os impactos ambientais negativos sofridos pelo planeta nos últimos anos, o uso de tecnologias sustentáveis se tornou prioridade. Um exemplo de tecnologia considerada ecofriendly é a utilizada em veículos elétricos (VEs). Mas, para que o uso destes veículos seja algo viável, é imprescindível que exista uma rede eficiente de estações de recarga disponível para atendê-los. Com isso, o Problema de Alocação Geodésica de Facilidades de Recarga (PAGFR) é proposto, com o objetivo de identificar pontos para a alocação de estações de recarga de modo a minimizar o custo da implantação e a atender trajetos realizados entre pontos de interesse. Para tratar o PAGFR, três modelos matemáticos são apresentados, usando recursos como Condições de Otimalidade de Bellmann, Condições de Karush-Kuhn-Tucker e Algoritmo de Dijkstra, e aplicados a instâncias que representam as rodovias dos estados brasileiros. Os resultados mostram que os modelos, ainda que eficientes na alocação de estações de recarga, possuem alto custo computacional, dando aberto para que trabalhos futuros explorem técnicas de corte e uso de heurísticas em sua resolução.

Defesa de dissertação (18/02/2025): Vinícius Soares dos Santos

Discente: Vinícius Soares dos Santos

Título: O discurso de ódio homofóbico na rede social X: uma proposta de método de classificação de textos

Orientadores: Gustavo Paiva Guedes e Silva

Banca: Gustavo Paiva Guedes e Silva (CEFET/RJ), Eduardo Soares Ogasawara (CEFET/RJ) e Ronaldo Ribeiro Goldschmidt (IME-RJ)

Dia/hora: 18 de fevereiro de 2025 (terça-feira), às 9am.

Local: https://teams.microsoft.com/l/meetup-join/19%3a4cbd120df05b43949b90efb47e9cf36b%40thread.tacv2/1739190003519?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22d455e339-d958-4321-a959-bda8d1ea2337%22%7d

Resumo: O discurso de ódio homofóbico trata-se da ação ou incitamento ao ódio, à discriminação ou à hostilização de um indivíduo, motivado por um preconceito contra pessoas de orientação sexual lésbicas, gays, bissexuais, transexuais e travestis (LGBT). A homofobia foi criminalizada por meio de ação no STF do Brasil. Este trabalho propõe um método de identificação automática do discurso de ódio homofóbico, alinhado aos Objetivos de Desenvolvimento Sustentável (ODS), especialmente à ODS 10, que enfatiza a promoção da inclusão social, econômica e política de todos, sem distinção de orientação sexual ou qualquer outra condição. Os objetivos específicos são a criação de um léxico homofóbico LEX-HOMOFENSA-PT e a criação de uma base de dados de textos extraídos de tweets rotulados por humanos TEXT-HOMOFENSA-PT. A presente pesquisa foi submetida ao Comitê de Ética em Pesquisa (CEP), subordinado ao Ministério da Saúde do Brasil, recebendo a aprovação para sua realização sob o certificado 59293922.0.0000.5289. Ao final, avaliou-se a aplicação de modelos de classificação ao dataset TEXT-HOMOFENSA-PT, classificadores tradicionais, LR, SVM, KNN, DT e NB; classificadores ensemble, RF, AB e GB; redes neurais artificiais, CNN e MLP; LLM, BERT e RoBERTa. O modelo LR obteve o melhor desempenho, com uma Precisão de 85,37%, uma Revocação de 85,30% e F-measure de 85,30%.

Defesa de dissertação (30/12/2024): Alexandre Emílio Manhães Pardelinha

Discente: Alexandre Emílio Manhães Pardelinha

Título: Aplicação de Técnicas de Aprendizado de Máquina na Determinação de Estoque de Carbono no Solo

Orientadores: Diego Nunes Brandão e Laura Silva de Assis

Banca: Jorge de Abreu Soares e Marcos Bacis Ceddia

Dia/Hora: 30 de dezembro de 2024, às 14pm;

Resumo: Os solos representam o mais significativo estoque de carbono orgânico (SOCS) nos ecossistemas terrestres, sublinhando a importância crítica de estimar com acurácia o carbono orgânico do solo para garantir a preservação das funções do solo e a mitigação das alterações climáticas globais. Este estudo emprega uma metodologia baseada em dados para estimar os estoques de carbono em solos brasileiros, comparando técnicas de aprendizado de máquina com diversas estratégias de otimização de hiperparâmetros. Após a seleção de atributos pelos métodos de Correlação de Pearson e Wrapper, o conjunto de dados referente à Amazônia consistiu em 479 observações de SOCS e 5 covariáveis de solo. Os desempenhos do modelo foram avaliados usando um procedimento de validação cruzada de 5 vezes. Os melhores desempenhos foram obtidos usando o algoritmo Random Forest (RMSE=0,938 com a técnica de otimização Random Search e MAE=0,706 com a técnica de otimização Successive Halving). Quase todos os resultados dos desempenhos nas três técnicas de otimização de hiperparâmetros apresentaram maior acurácia do que os desempenhos sem utilizar a estratégia de otimização. Os resultados demonstram o papel fundamental da seleção e processamento de dados, juntamente com a otimização de hiperparâmetros, na resolução deste problema, resultando em melhorias notáveis nas análises do erro médio absoluto (MAE) e da raiz do erro quadrático médio (RMSE).}