Discente: Jéssica da Silva Costa

Título: Métodos Baseados em Homologia e Aprendizado de Máquina para Identificação de Proteínas Essenciais

Orientadora: Kele Teixeira Belloze

Banca: Kele Teixeira Belloze (CEFET/RJ), Eduardo Bezerra (CEFET/RJ), Diogo Antonio Tschoeke (Coppe/UFRJ), Victor Ströele de Andrade Menezes (UFJF)

Dia/hora: 13 de setembro de 2023, às 8:00.

Link da sala: https://teams.microsoft.com/l/meetup-join/19%3a8bd040fc5e004447b6a1fa09484d81d0%40thread.tacv2/1694208843103?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22d0ca0ae9-1955-4759-a7ad-0b2fa49dbe55%22%7d

Resumo: 

de máquina com os organismos modelos modelo S. cerevisiae, C. elegans e D. melanogaster. O método baseado em homologia identificou cerca de 11 proteínas candidatas a essenciais com o grupo de organismos modelo e o organismo S. mansoni. Entre os pares, a maior quantidade de candidatas foi com S. cerevisiae onde foram identificadas 726 proteínas candidatas a essenciais. Já o método baseado em aprendizado de máquina, experimentos realizados com três algoritmos baseados em árvore, com características baseadas em contexto (PPI) e baseadas em sequência, apontaram melhores valores de recall com o uso da técnica de Undersampling. Em termos quantitativos, cerca de 4000 proteínas foram preditas como essenciais nos algoritmos XGBoost e GradientBoosting e 3800 proteínas  para o algoritmo Random Forest. Cerca de 3300 proteínas  foram preditas como essenciais pelos três algoritmos trabalhados, o que demonstrou certa semelhança entre os resultados dos algoritmos.

 

Dissertação 

Discente: Flávio Pinheiro Marques

Título: ProBee: Um Processo Baseado em Proveniência para Rastreio do Comportamento de Alunos em Jogos Educacionais

Orientadores: Joel dos Santos (Orientador) e Eduardo Ogasawara (Coorientador)

Banca: Joel dos Santos (Orientador), Eduardo Ogasawara (Coorientador), João Quadros (PPCIC), Windson Viana (UFC)

Dia/hora: 24 de agosto de 2023, às 10h.

Link da sala: https://teams.microsoft.com/l/meetup-join/19%3a970eb60c71844a97b7dd968239560665%40thread.tacv2/1690995726170?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%2264f8dc5c-d07e-4edc-acf2-16d1e4d1205d%22%7d

Resumo: Em diversas áreas do conhecimento, o uso de atividades práticas é importante para fixação do conhecimento visto em aula por alunos. O uso de jogos digitais têm sido propostos como ferramentas educacionais. No entanto, surge o desafio de encontrar um equilíbrio entre a jogabilidade/entretenimento e a efetiva mobilização dos conceitos teóricos. Estudos recentes na área de análise de aprendizagem oferecem metodologias e abordagens para a análise de jogos educacionais, porém análises mais aprofundadas e abrangentes ainda são escassas, especialmente em jogos com ampla variedade de decisões e jogabilidade. A utilização da proveniência de dados em jogos, embora pouco explorada, surge como uma promissora abordagem. Este trabalho apresenta o ProBee, um modelo baseado em proveniência desenvolvido para análise de jogos educacionais. O ProBee utiliza uma abordagem que coleta e analisa dados de proveniência, registrando todas as ações realizadas pelo jogador, incluindo informações temporais. Essa metodologia permite rastrear as séries temporais do jogo, revelando o comportamento do jogador e a estratégia adotada durante a sessão de jogo. Para avaliar a eficácia do ProBee, realizamos um estudo de caso com o jogo educativo Control Harvest, que auxilia os professores na apresentação do tema Controle Biológico. Para esta avaliação foram realizados duas avaliações experimentais, contando com três análises distintas: (i) avaliação do desempenho em relação com o entendimento, (ii) avaliação do desempenho em relação a atratividade e (iii) avaliação do engajamento das metas de jogo. Os resultados encontrados em ambas avaliações experimentais demonstram que o processo proposto oferece uma vantagem significativa, especialmente em jogos com várias opções e jogabilidade. Através da aplicação do ProBee foi possível identificar e avaliar o desempenho dos alunos ao utilizar o jogo Control Harvest levando em consideração os objetivos de ensino.

Dissertação 

Discente: Claudio Andre da Silva Alves

Título: An Adaptive Hybrid Genetic Algorithm for Hyperparameter Optimization

Orientador: Pedro Henrique González Silva

Dia: 30 de junho de 2023

Resumo: O recente aumento na popularidade das aplicações de aprendizado de máquina (AM) levou a um aumento na demanda por modelos de AM eficientes. Uma das principais etapas na construção de tais modelos é selecionar um conjunto adequado de hiperparâmetros. No entanto, com o aumento da complexidade dos modelos e técnicas de treinamento, definir manualmente esses parâmetros tornaram-se uma tarefa trabalhosa, exigindo uma quantidade significativa de tempo e conhecimento específico sobre o modelo que está sendo ajustado. Para enfrentar esse desafio, a comunidade do Automatic Machine Learning (AutoML) está se concentrando em criar maneiras de encontrar automaticamente o melhor conjunto de hiperparâmetros para algoritmos de AM por meio de sua área de pesquisa chamada de Otimização de Hiperparâmetros (HPO). Recentemente, o Hybrid Biased Random Key Algoritmo Genético (HBRKGA), um algoritmo genético que usa funções de otimização substitutas na etapa de exploração, foi usado para encontrar hiperparâmetros automaticamente de forma eficiente para diferentes conjuntos de dados. No entanto, o seu potencial não foi totalmente explorado, pois o HBRKGA usa apenas uma função substituta fixa na etapa de exploração. Esta pesquisa apresenta uma nova abordagem para HPO de modelos de AM baseados no HBRKGA. Um método chamado Adaptive HBRKGA (A-HBRKGA) é desenvolvido para melhorar a probabilidade de encontrar a melhor solução. Este método é baseado no princípio de diferentes passos evolutivos requerem diferentes funções de otimização, o que permite à HBRKGA ter várias funções substitutas que são escolhidos com base em avaliações anteriores. A abordagem foi testada em vários conjuntos de dados disponíveis publicamente e apresentam os melhores resultados quando comparados a outros métodos da literatura.

Dissertação 

Discente: Almir Antonio Monteiro Junior

Título: Localização de Postos de Testagem durante Surto de Doença Infecciosa: Uma Abordagem via Programação Inteira

Orientador: Pedro Henrique González Silva

Dia: 30 de junho de 2023

Resumo: Em situações de grandes surtos de doenças contagiosas, como a pandemia causada pelo Novo Coronavírus (COVID-19), uma rápida e eficiente resposta dos sistemas de saúde é primordial para que se minimize os impactos na vida da população. Um dos pontos a ser considerado é a rápida identificação de novos casos, visando diminuir a propagação, por se tratar de doença infectocontagiosa. Para tanto, faz-se necessária a utilização de algum modo de teste, a fim de verificar se o paciente está infectado ou não. Essa verificação deve ser feita da forma mais ágil e segura possível, para que menos pessoas tenham contato com este paciente, em caso de resposta positiva. Para isso, além de se determinar onde instalar postos de testagem, deve-se dimensionar corretamente o atendimento que será realizado, para que longas filas não se formem, aumentando os riscos de contágio. Este trabalho propõe a utilização de Programação Linear Inteira em conjunto com a Teoria das Filas para a determinação de localizações para a instalação de postos de testagem, apoiada por dados geográficos. Estes postos devem cobrir toda a demanda de um local, como uma cidade ou região, minimizando os custos de implantação e a distância percorrida por um paciente para ser testado. Além disso, eles devem sempre levar em conta as restrições de tempo de espera em fila, dada a importância de cada um destes pontos para a resolução satisfatória do problema. Diferentes cenários foram avaliados, e os resultados apontaram ser benéfica a utilização de atendimentos regionalizados, além do uso da rede de saúde já existente na cidade.

Dissertação 

Discente: Andrea Carla Vargas Rodrigues

Título: Desenvolvimento de um Ambiente Sensorial-Lúdico para Deficientes Visuais baseado na Arquitetura de Microcontroladores AVR

Orientador: João Quadros

Dia/hora: 19 de janeiro de 2023

Resumo: Devido às barreiras limitantes impostas pela falta de visão total ou parcial de certas pessoas, a arte de desenhar fica bastante restrita, quando não impossível. Faz-se necessário o desenvolvimento de recursos e ambientes que venham facilitar pessoas, com estes problemas relativos à visão, possam expandir suas percepções e atuarem de forma direta na arte de desenhar. Com este foco, este trabalho investe no desenvolvimento do recurso “ArtInDV”, que tem como proposta oferecer aos deficientes visuais um recurso lúdico de auxílio à atividade de desenhar. Utilizando uma abordagem lúdica e sensorial, o recurso desenvolvido vai interagir em conjunto com os usuários, de modo a que estes, fazendo uso de suas outras percepções, possam trabalhar em desenhos artísticos ou comuns com mais facilidade. O recurso desenvolvido nessa pesquisa visa cumprir um papel social e inclusivo para as pessoas com alguma deficiência visual, sendo possível sua utilização em instituições de ensino que possuam estudantes com alguma deficiência visual. O dispositivo vai utilizar a interface Arduino, baseada em microcontroladores AVR, acoplada ao software Processing, para vocalização de cores dos materiais de desenho disponibilizados na experiência. O plano de testes aplicado vai trabalhar junto às pessoas com deficiência visual, de modo que se observe os pontos fortes e os pontos fracos do recurso, visando futuros aprimoramentos.

Dissertação 

Discente: Diego Silva de Salles

Título: Detecção e análise multi-scale de eventos originados por fatores externos de incerteza em séries financeiras

Orientador: Eduardo Ogasawara e Eduardo Bezerra

Banca: Eduardo Ogasawara (orientador), Eduardo Bezerra (coorientador), Rafaelli Coutinho (Cefet/RJ), Carlos Eduardo Mello (UNIRIO)

Dia/hora: 22 de dezembro de 2022, às 9h

Link da sala: https://teams.microsoft.com/l/meetup-join/19%253a6b4d86673b03400dbed2bbdcc2ba1cf2%2540thread.tacv2/1669906038665?context%3D%257b%2522Tid%2522%253a%25228eeca404-a47d-4555-a2d4-0f3619041c9c%2522%252c%2522Oid%2522%253a%25220534c83a-4cef-4129-9f9f-e8b8c3d50019%2522%257d&sa=D&source=calendar&usd=2&usg=AOvVaw1skBg3ShVw8Znv60hu-gXu

Resumo: Existem diferentes fatores externos relatados na mídia que podem impactar uma série temporal financeira. Tais fatores, como transições de governo, crises econômicas ou escândalos de corrupção, podem estar relacionados a eventos que aumentam a incerteza na série temporal. Em particular, esses fatores externos podem aumentar o risco percebido em uma série temporal financeira por meio de eventos como anomalias ou pontos de mudança. Um estudo baseado nas diferentes características que compõem um evento pode determinar previsões, além de ajudar a minimizar o risco em investimentos. A influência desses fatores pode ter diferentes ciclos de flutuação, afetando uma série temporal ao longo de meses ou anos. Portanto, descobrir esses eventos na série temporal financeira e uma tarefa desafiadora. Essa dissertação apresenta o Multi-Scale Event Detect (MSED), uma técnica para detecção de eventos em séries temporais não estacionárias e não lineares. Somado a isso, este trabalho faz um estudo associativo dos eventos encontrados pelos métodos de detecção nos componentes de Intrinsic Mode Function (IMF) com as marcações de eventos externos obtidos através da Economic Policy Uncertainty (EPU). O objetivo é identificar que tipo de evento é refletido por um determinado fator de incerteza externo em uma série financeira, utilizando essa abordagem é possível determinar a natureza mais predominante dos eventos com base nas variações de incerteza apresentadas na série de EPU. Essas informações permitem especificar um conjunto de séries temporais onde a influência da incerteza gera eventos aceitáveis para um determinado perfil de investimento. Assim, mitigando o risco a que se pretende estar exposto.

Dissertação 

Discente: Helder Yukio Okuno

Título: AUDIOLIVROS MULTISSENSORIAIS: MODELO, DESENVOLVIMENTO E IMPLEMENTAÇÃO DE UMA NOVA EXPERIÊNCIA DE LEITURA PARA USUÁRIOS COM DEFICIÊNCIA VISUAL

Orientador: Gustavo Paiva Guedes e Silva

Banca: Gustavo Paiva Guedes e Silva (CEFET/RJ), Glauco Amorim (CEFET/RJ), Maria da Graça Pimentel (USP)

Dia/hora: 13 de dezembro de 2022, às 8:30 a.m.

Link da sala: https://teams.microsoft.com/l/meetup-join/19%3a634b54653bfc4d72ba57f98fef1cc378%40thread.tacv2/1669722628810?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22d455e339-d958-4321-a959-bda8d1ea2337%22%7d

Resumo: O desenvolvimento de soluções de tecnologias assistivas para indivíduos com deficiência visual é essencial, em especial no campo da educação, pois proporciona a integração na sociedade, autonomia, inclusão social e digital. Diversas funcionalidades neste campo foram desenvolvidas, como os leitores de tela (e.g., TalkBack do Android e VoiceOver do iPhone), permitindo aos indivíduos com deficiência visual maior autonomia, como a troca de mensagens instantâneas e a audição de histórias narradas, como os audiolivros. Em 2011, a Organização Mundial da Saúde destacou no Relatório Mundial sobre Deficiência a importância de soluções de tecnologias assistivas como os audiolivros. Inspirado nesse relatório, o presente trabalho propõe o aprimoramento da leitura dos audiolivros tradicionais aplicando os conceitos de Multimídia Multissensorial, dado que pesquisas nessa área indicam que efeitos multissensoriais (e.g., vento, aroma) têm viabilizado uma maior imersão do usuário, processo que também é conhecido como Qualidade de Experiência (QoE). Aprimorar a QoE dos indivíduos com deficiência visual permite aumentar a percepção da história narrada, a compreensão e a imersão no imaginário. Nesse cenário, este trabalho apresenta o modelo denominado audiolivros multissensoriais, propõe o desenvolvimento da versão 3.0 do aplicativo intitulado MulseBook Audio e apresenta os resultados de experimentos com voluntários com deficiência visual. Os experimentos foram realizados para validar o modelo, além de avaliar a usabilidade do novo aplicativo e a QoE desses usuários ao utilizarem os audiolivros multissensoriais. Ao total, onze voluntários participaram do experimento que consistiu na leitura de um audiolivro multissensorial e, em seguida, foram convidados a responder o questionário de Avaliação da QoE, baseado no EGameFlow, e o questionário padronizado System Usability Scale (SUS), a fim de avaliar a usabilidade do MulseBook Audio 3.0 e o quanto os efeitos multissensoriais influenciam na experiência da leitura. Os resultados alcançaram o escore médio 4,6 de 5 pontos da QoE e a pontuação de 96,6 de 100 na usabilidade. Vale ressaltar que esse estudo foi aprovado no Comitê de Ética em Pesquisa sob os protocolos 53886421.0.0000.5626 e 46544321.5.0000.5289.

Dissertação 

Discente: Luciana Varjolo

Título: MERES: Uma Metodologia para o Reconhecimento de Palavras com Estímulos Sonoros e Escritos

Orientador: Gustavo Paiva Guedes e Silva

Banca: Gustavo Paiva Guedes e Silva (CEFET/RJ), Juliana Novo (Universidade do Minho), Glauco Amorim (CEFET/RJ), Maurício Cagy (Coppe/UFRJ)

Dia/hora: 25/11/2022, às 10 horas

Link da sala: https://teams.microsoft.com/l/meetup-join/19%3aac0b85449c1d4bbab85dff61c61ee765%40thread.tacv2/1668000281274?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22d455e339-d958-4321-a959-bda8d1ea2337%22%7d

Resumo: A leitura de textos é uma atividade extremamente importante para o desenvolvimento de um indivíduo em diversas áreas da sociedade. No que tange à educação, as funções cognitivas relacionadas à leitura proporcionam a absorção do conteúdo apresentado, o que contribui significativamente para um bom aprendizado. O processamento de palavras é uma dessas funções cognitivas que permeia o reconhecimento de palavras, parte fundamental para a compreensão de texto. Se por um lado, décadas de pesquisa científicas sobre a leitura levaram a sofisticados modelos de processamento de palavras, o avanço nas tecnologias propiciou o desenvolvimento de plataformas interativas e sensoriais de leitura. Os livros multissensoriais são capazes de associar imagens, sons e até cheiros para contar uma história. Experimentos iniciais realizados com um livro multissensorial apontam para uma facilitação na absorção do conteúdo lido com o uso dos recursos multissensoriais, como o efeito sonoro. No entanto, um efeito sonoro aplicado de forma inadequada pode causar uma distorção da compreensão do texto no momento da leitura. Os efeitos sonoros também são pouco encontrados em estudos sobre normalização de sons e processamento de palavras. Nesse sentido, este trabalho propõe uma metodologia para o reconhecimento de palavras com estímulos sonoros e escritos. Essa metodologia abrange tanto a normalização de sons, por meio do procedimento de Cloze, quanto a influência de estímulos sonoros no reconhecimento de palavras escritas, por meio do paradigma de Priming Cross-modal. Desse modo, esta pesquisa busca gerar resultados que possam contribuir para os modelos de processamento de palavras escritas com estímulos sonoros. Também busca colaborar com a seleção dos efeitos sonoros na elaboração de um livro multissensorial. Esta pesquisa foi aprovada pelo Comitê de Ética em Pesquisa sob o protocolo 56105922.0.0000.5249.

Dissertação 

Discente: Felipe Oliveira Feder

Título: Estudo comparativo entre abordagens de representação textual e algoritmos de classificação

Orientador: Gustavo Paiva Guedes e Silva

Banca: Gustavo Paiva Guedes e Silva (CEFET/RJ), Eduardo Bezerra (CEFET/RJ), Geraldo Xexéo (Coppe/UFRJ)

Dia/hora: 22/11/2022  às 9 horas.

Link da sala: https://teams.microsoft.com/l/meetup-join/19%3af69a8d54c8be438ea6c2b412c3abf30c%40thread.tacv2/1667924812259?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22d455e339-d958-4321-a959-bda8d1ea2337%22%7d

Resumo: Estamos vivendo uma revolução tecnológica sem precedentes nos últimos anos. A forma como nós nos relacionamos tem sido – e continuará sendo – impactada de diferentes maneiras. Acompanhando as evoluções em hardware e das tecnologias que nos possibilitam produzir e armazenar dados em volumes impensáveis, são observadas, também, evoluções algorítmicas e metodológicas que nos permitem avançar em busca de um mundo inteiramente novo, mesmo lidando com velhas questões tipicamente humanas. A fronteira do entendimento homem-máquina tem sido empurrada adiante constantemente. O processamento de linguagem natural é a ponte que liga a fala humana a possibilidades, antes inimagináveis, de uma máquina interpretá-la e processá-la devidamente. Os meios de representação textual vêm evoluindo consistentemente nas últimas décadas. O Bag-of-Words (BOW), atrelado ao uso de representações numéricas para palavras, vem sendo utilizado com sucesso na representação textual. No entanto, superando as deficiências do BOW, observamos o surgimento de representações numéricas complexas, geradas por redes neurais profundas, que são capazes de conservar as relações semânticas e sintáticas entre as palavras; os Word Embeddings (WE). A fronteira foi empurrada à frente; novas evoluções, novas aplicações, novos usos. O uso de Modelos de Linguagem Neural (MLN), com os WE, atingiu o estado da arte em diferentes tarefas no processamento de texto. Essa pesquisa compara esses dois métodos de representação de palavras, BOW e WE, e seus usos numa tarefa de classificação binária de polaridade. Foram montados dois grupos de classificadores e foram utilizados quatro conjuntos de dados. O primeiro grupo, formado por modelos n-gram, aqui chamados de Modelos de Aprendizagem de Máquina Tradicionais (MAMT), lidou com representações textuais que se serviram do BOW com TF-IDF e do BOW com LSA. O segundo grupo, formado por MLNs, que são modelos provenientes de redes neurais profundas que lidam com tarefas relacionadas ao processamento de texto, usou os WE e os WE Contextuais para representar os textos que seriam processados. Nos experimentos realizados foi observada a superioridade dos modelos de classificação semântica de texto diante dos modelos n-gram. Apesar disso, a escolha sobre qual técnica de representação textual (BOW ou WE) e tipo de modelo de linguagem usar (n-gram ou MLN) depende do contexto, já que os modelos n-gram, mesmo quando comparados as abordagens mais recentes, apresentam desempenho preditivo satisfatório e podem ser úteis em muitos contextos de uso.

Dissertação 

Discente: Thiago Soares de Paula

Título: Classificação de Notícias de Fraude e Corrupção em Português para Instauração de Processo Investigativo

Orientador: Gustavo Paiva Guedes e Silva

Data: 23 de agosto de 2022

Resumo: Os escândalos de fraude são fenômenos que podem gerar impactos imensuráveis nas esferas econômicas e reputacionais. Quando uma fraude é descoberta, os fatos normalmente vão a público por meio dos veículos de mídia, o que gera uma repercussão negativa muito grande. As empresas preocupadas com suas imagens têm investido cada vez mais esforços para minimizar ou atenuar os efeitos da fraude. Uma das tarefas que visa mitigar os efeitos da fraude é o monitoramento de mídias sobre fraude e corrupção. Essa tarefa é fundamental para a avaliação e o monitoramento dos riscos do negócio no mundo corporativo, pois a todo momento surgem fatos que podem trazer prejuízos à empresa e suas contrapartes. Uma vez veiculados escândalos de fraude em sites de notícias, os impactos podem gerar consequências negativas `as imagens das empresas. Portanto, essas informações precisam ser coletadas e analisadas e, se necessário, encaminhadas para processo investigativo. No entanto, o grande volume de notícias publicadas por dia inviabiliza uma avaliação manual diária. Este trabalho apresenta uma abordagem que visa automatizar esse processo, o que inclui coletar notícias da web por meio de web crawlers dos principais veículos de mídias do Brasil, construir um corpus anotado em português sobre fraude e corrupção e criar um modelo de aprendizado de máquina cuja função é classificar notícias em relevantes ou não para abertura de investigação.