Autor: Rafaelli Coutinho

Defesa de dissertação (28/04/2021): Rodolpho da Silva Nascimento

Discente: Rodolpho da Silva Nascimento

Título: Uma Análise Comparativa Entre Léxicos Afetivos em Português

Orientador: Gustavo Paiva Guedes e Silva

Banca: Gustavo Paiva Guedes e Silva (presidente), Kele Teixeira Belloze (CEFET/RJ), Raimundo Santos Moura (UFPI)

Dia/Hora:  28 de abril de 2021, às 10h.

Sala remota: http://meet.google.com/iir-fyjz-sum

Resumo:  A Computação Afetiva é uma área de pesquisa que estuda o uso de técnicas que objetivam habilitar um computador, tornando-o capaz de reconhecer emoções por meio da análise e interpretação de dados. Dentro dessa área destaca-se a Análise de Sentimentos (AS), que corresponde a um campo de pesquisa que emprega ferramentas automáticas capazes de extrair informações subjetivas em textos, como opiniões e sentimentos. Existem trabalhos em AS que utilizam Léxicos Afetivos (LA) atuando como apoio aos algoritmos de aprendizagem de máquina, ou como componente principal. Um LA é uma coleção de palavras que capturam o conhecimento que falantes e ouvintes têm sobre expressões lexicais básicas, formando um conjunto de palavras pertencentes ao contexto dos sentimentos humanos. Todavia, poucos trabalhos abordam a utilização de LA na língua portuguesa. Esta pesquisa tem como objetivo realizar uma investigação dos LA disponíveis em português e avaliar suas contribuições em AS. Nesta vertente, pretende-se fornecer recursos para que trabalhos futuros sejam capazes de elaborar novos LA em português ou aprimorar os já existentes. Também pretende-se com esta pesquisa, ser um referencial para melhor escolha de LA em português, auxiliando trabalhos relacionados e contribuindo para melhores resultados em tarefas de AS em português.

Dissertação

Tópicos Especiais em Aplicações Computacionais (Jogos Educacionais) – 2021.1

No primeiro trimestre de 2021, a disciplina de Tópicos Especiais em Aplicações Computacionais contemplará o ensino de Jogos Educacionais.

Segue a ementa completa da disciplina.

Jogos Educacionais

Introdução a Jogos Digitais e ao Game Maker Lite. Introdução a Game Design e Create Game Design Documents (GDD). Estudantes serão introduzidos aos benefícios da gamificação. Introdução aos conceitos de Software Educacional, Gamificação e Teorias de Aprendizado. Ciclo de vida de um software educacional em comparação com o ciclo de vida da engenharia de software tradicional. Introdução ao Unity 3D e importação de modelos. Deploy de jogos e conceitos avançados.

  1. HOCKING, Joseph. Unity in action: Multiplatform game development in C# with Unity 5. Shelter Island, NY: Manning Publications, 2015.
  2. Tutorials: Clock, Roll your dice, Space shooter (3PS), FPS, Flight SImulator.

 

Defesa de dissertação (05/03/2021): Antonio Jose de Castro Filho

Discente: Antonio Jose de Castro Filho

Título: Mineração de Sequências Restritas no Espaço e no Tempo

Orientadores: Rafaelli Coutinho (orientador) e Eduardo Ogasawara (coorientador)

Banca: Rafaelli Coutinho (presidente), Eduardo Ogasawara (CEFET/RJ), Jorge Soares (CEFET/RJ), Esther Pacitti (INRIA)

Dia/Hora: 05 de março de 2021, às 10h.

Sala remota: meet.google.com/eck-qenz-vap

Resumo: Os padrões espaço-temporais trazem conhecimento sobre o tempo e a posição onde eles estão presentes. Encontrá-los é uma tarefa importante para diferentes domínios. No entanto, nem todos os padrões são frequentes por todo um conjunto de dados, eles podem ocorrer restritos no espaço e no tempo. A mineração desses padrões tem como objetivo descobrir a faixa de tempo e o conjunto de posições espaciais em que as sequências de eventos são frequentes. Este trabalho propõe o algoritmo Generalized Spatial-Time Sequence Miner (G-STSM) como uma solução para a descoberta de sequências frequentes que são restritas no espaço e no tempo, trazendo a formalização do problema, definições, provas e algoritmos. Até onde se sabe, após busca na literatura relacionada, o G-STSM é a primeira abordagem capaz de encontrar tais sequências trabalhando com uma dimensão de tempo e três dimensões de espaço. O G-STSM foi comparado com uma abordagem intuitiva que busca sequências de eventos frequentes com suporte muito baixo e agrupa suas ocorrências para encontrar padrões restritos no espaço e no tempo usando algoritmos conhecidos. Foi escolhido um conjunto de dados sísmicos espaço-temporal do mundo real para comparar ambas as abordagens usando métricas de classificação e registro de uso de recursos. Como resultado, o G-STSM apresentou melhor desempenho computacional com qualidade semelhante mostrando-se uma ferramenta de mineração de dados eficiente para encontrar sequências restritas no espaço e no tempo.

Dissertação

Defesa de dissertação (29/01/2021): Leandro Maia Gonçalves

Discente: Leandro Maia Gonçalves

Título: Imputação Hot-Deck: uma revisão sistemática da literatura

Orientador: Jorge de Abreu Soares

Banca: Jorge de Abreu Soares (presidente), Eduardo Soares Ogasawara (CEFET/RJ) e José Maria da Silva Monteiro Filho (UFC)

Dia/hora: 29 de janeiro de 2021, às 10h.

Sala remota: https://meet.google.com/mkz-opya-skv

Resumo: As organizações têm percebido que investir na transformação de dados em informação com o objetivo de auxiliar o processo de tomada de decisões pode trazer vantagens competitivas. À vista disso, no cenário atual em que os dados crescem em volume, velocidade e variedade, nota-se que tal expansão é acompanhada do aumento de dados ausentes, que podem trazer problemas de interpretação para analistas e pesquisadores. A exclusão destes casos não pode necessariamente ser considerada uma solução, independente do volume dos dados, devido aos seus riscos de geração de vieses ou tendências. Logo, a imputação de dados revela-se uma tarefa fundamental no pré-processamento de dados, capaz de melhorar a sua análise. A imputação hot-deck é uma abordagem que se destaca neste contexto devido à sua capacidade de estimar com melhor precisão e preservar as diferenças individuais entre os sujeitos no processo de imputação. Neste estudo, é apresentada uma revisão sistemática sobre técnicas de imputação hot-deck realizada na base Scopus, com o objetivo de avaliar como ocorre a evolução dos estudos sobre este tema ao longo dos anos. Este trabalho também propõe uma taxonomia que busca classificar, ordenar e estabelecer hierarquias para as técnicas de imputação. Como resultado deste trabalho, verificou-se 63% dos artigos investigados não identificaram adequadamente os mecanismos de ausência em seus experimentos, 72% dos algoritmos de agrupamento utilizados na abordagem hot-deck estão contidos na categoria Partitioning Based, sendo 75% desta representada pelos algoritmos Random hot-deck, K-Nearest-Neighbor e K-means. Com relação à reprodutibilidade dos experimentos, 30% dos artigos apresentaram pseudocódigos dos algoritmos utilizados, 42% utilizaram conjuntos de dados públicos, 45% compararam os resultados da imputação com o conjunto de dados original. Destaca-se que apenas 1% dos artigos apresentou código fonte em repositório aberto, deixando uma importante lacuna no que tange à reprodutibilidade de experimentos nesta área.

Dissertação

Defesa de dissertação (30/12/2020): Jefferson Colares de Paula

Discente: Jefferson Colares de Paula

Título: Reidentificação de pessoas em longo prazo utilizando características multimodais

Orientadores: Diego Barreto Haddad (orientador), Douglas Oliveira Cardoso (coorientador)

Banca: Diego Barreto Haddad (presidente), Douglas Oliveira Cardoso (CEFET/RJ), Fernanda Duarte Vilela Reis de Oliveira (UFRJ), Eduardo Bezerra da Silva (CEFET/RJ), Gabriel Matos Araujo (CEFET/RJ)

Dia/hora:  30 de dezembro de 2020, às 14h.

Sala remota: https://teams.microsoft.com/l/meetup-join/19%3ameeting_NGJhNTJlZWUtNWY5OS00OWM2LWE3ZWEtNmFmNWI1MDNmZWYy%40thread.v2/0?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%229287392f-fc6f-454c-a314-46c0529f6841%22%7d

Resumo: A reidentificação de pessoas (ReID) consiste em comparar imagens contendo pessoas, obtidas por múltiplas câmeras com campos de visão não sobrepostos e inferir se as pessoas nessas imagens são as mesmas ou não. Trata-se de um problema mais complexo do que aparenta, pois as imagens comparadas costumam apresentar grandes diferenças na iluminação, no ângulo de captura, nas características óticas das lentes utilizadas, alem de oclusão parcial, auto-oclusão, planos de fundos confusos e outros complicadores. A reidentificação de pessoas em longo prazo, que é o tema desse trabalho, e caracterizada pela ocorrência de um intervalo entre as capturas das imagens. Este intervalo não tem duração específica, mas em geral costuma ser superior a um dia, no qual a pessoa observada pode ter trocado de roupas ou sofrido pequenas mudanças na aparência. As mudanças na aparência ocorridas entre as capturas de imagens representam um desafio adicional, pois as cores e texturas das roupas, que são as características mais comumente utilizadas para reidentificação, não podem ser utilizadas como elementos discriminantes. Este trabalho investiga uma solução para o problema da reidentificação de pessoas em longo prazo por meio da utilização de características da face e da forma de caminhar das pessoas como entradas para um modelo de aprendizado de máquina baseado em redes neurais. A hipótese avaliada é que a combinação destas características permitam que o modelo despreze ou minimize o efeito das trocas de roupas e ao mesmo tempo valorize as características motoras. Os resultados obtidos mostram que a combinação das características melhoram o desempenho da reidentificação em curto prazo e também podem ser utilizadas para o reconhecimento de pessoas em longo-prazo.

Dissertação

Comunicado sobre a Comprovação de Proficiência em Inglês

Considerando o cenário adverso que levou ao impedimento da realização da prova escrita presencial anual para comprovação de proficiência na língua inglesa, o PPCIC oferece, em caráter excepcional, a oportunidade de comprovação de proficiência em inglês para todos os alunos que já tenham defendido o exame de qualificação. Este se dará por meio da apresentação do certificado de inglês EF SET, que pode ser
realizado sem custos no sítio eletrônico: https://www.efset.org/pt/ef-set-50.

Defesa de dissertação (04/12/2020): Fernando Pereira Gonçalves de Sá

Discente: Fernando Pereira Gonçalves de Sá

Título: Detecção de Anomalias em Turbinas Eólicas utilizando Modelos baseados em Dados

Orientadores: Diego Nunes Brandão (orientador), Rodrigo Franco Toso (coorientador)

Banca: Diego Nunes Brandão (presidente), Rodrigo Franco Toso (Microsoft AI & Research), Anderson de Rezende Rocha (UNICAMP), Diego Barreto Haddad (CEFET/RJ)

Dia/hora:  04 de dezembro de 2020, às 14h.

Sala remota: https://us02web.zoom.us/j/82318000409?pwd=ajR2R0pMcytyR1VCa1BYdzVuLzFUUT09

Resumo: Nos últimos anos, a energia eólica tornou-se tendência na substituição da matriz energética baseada em recursos não-renováveis. A produção dessa energia limpa é realizada pela turbina eólica, cuja operação reúne diferentes componentes que atuam na conversão da energia cinética do vento em energia elétrica. Contudo, a turbina eólica é uma máquina complexa de custo elevado, constantemente submetida a diferentes pressões que podem lhe causar falhas em algum momento. Neste contexto, o monitoramento contínuo dos diferentes componentes de uma turbina eólica permite a aplicação de técnicas de prognóstico de falhas baseadas na detecção de anomalias no sistema. Detecção, diagnóstico e prognóstico de falhas compreendem um conjunto de técnicas que garantem a confiabilidade, a segurança e a viabilidade econômica de um sistema. A presença de anomalias é o indício de que a saúde do sistema que compõe a turbina eólica está se deteriorando em função do tempo de operação, cuja evolução pode resultar brevemente em uma falha, quando ocorre a paralisação da produção de energia elétrica e são registrados muitas vezes danos irreversíveis no sistema. Diferentes técnicas foram desenvolvidas com o propósito de identificar essas anomalias. Neste trabalho, discutimos duas abordagens com esse propósito. Abordamos a detecção, diagnóstico e prognóstico de falhas baseados na classificação semi-supervisionada em uma configuração na qual o algoritmo de otimização multiobjetivo Algoritmo Genético de Ordenação não-dominante II (NSGA II) realiza a seleção automática de características e parâmetros de processamento. Uma segunda abordagem processou a detecção e diagnósstico de falhas baseadas na classificação de componentes em processo de pré-falha realizada pelos modelos ocultos de Markov. Ambas as abordagens mostraram-se eficientes em seus objetivos, considerando o processamento de um conjunto de dados reais imperfeito e de elevada dimensionalidade, que demandou diferentes métodos de pré-processamento. O Fluxo de Trabalho 1 apresentou resultados 13% superiores em relação ao trabalho de referência. Já o Fluxo de Trabalho 2, obteve F-score de até 0,89 no processamento da classificação multiclasse.

Dissertação

Defesa de dissertação (10/12/2020): Raphael Correia de Souza Fialho

Discente: Raphael Correia de Souza Fialho

Título: Estimando Redshifts Fotométricos com Regularização Sensível aos Erros

Orientadores: Eduardo Bezerra (orientador), Ricardo Ogando (coorientador)

Banca: Eduardo Bezerra (presidente), Ricardo Ogando (ON/MCTIC), Rafaelli Coutinho (CEFET/RJ), Ribamar R. de R. dos Reis (UFRJ), Ronaldo Ribeiro Goldschmidt (IME/RJ)

Dia/hora: 10 de dezembro de 2020, às 14h

Sala remota: https://meet.google.com/pjw-ffxq-xkk

Resumo: Na Astronomia tem se tornado comum o uso de algoritmos de aprendizagem de máquina durante o processo de captura e análise de eventos astronômicos. Devido à quantidade atual de dados capturados pelos telescopios e antenas em levantamentos astronômicos, esses dados costumam ser armazenados, catalogados e transformados para análises e estudos posteriores. Um tipo particular de análise feita sobre esses dados é a deteção do redshift fotométrico, medida que está relacionada ao quão distante um objeto (galáxia ou quasar) se encontra em relação a um determinado ponto de referência. Uma característica relevante dos conjuntos de dados relativos a estudos sobre redshift fotométrico é que cada entrada apresenta não apenas as medições realizadas para um determinado objeto, mas tambem um valor de erro correspondente a cada medição. Nesta dissertação estudamos a construção de modelos de predição para redshift fotométrico por meio de algoritmos de aprendizado de máquina. Damos foco ao uso de redes neurais artificiais. Nosso objetivo é investigar de que forma esses modelos se comportam em cenários em que a informação sobre erros das medições são considerados ou ignorados durante a etapa de aprendizado. Em particular, propomos uma técnica de treinamento que almeja tirar proveito dos valores de erro. Realizamos experimentos computacionais comparativos para avaliar a efetividade da técnica proposta.
Dissertação

Defesa de dissertação (11/12/2020):  Daniel Ferreira de Oliveira

Discente: Daniel Ferreira de Oliveira

Título: Riographx: um portal científico de apoio as pesquisas em teoria espectral de grafos

Orientadores: Leonardo Silva de Lima (orientador) e Eduardo Bezerra da Silva (coorientador)

Banca: Leonardo Silva de Lima (presidente), Eduardo Bezerra da Silva (CEFET/RJ), Rafaelli de Carvalho Coutinho (CEFET/RJ), Virgínia Maria Rodrigues (UFGRS), Claudia Marcela Justel (IME)

Dia/hora: 11 de dezembro de 2020, às 16h

Sala remota: https://teams.microsoft.com/l/team/19%3a3daf2ce8441f43b29ec83255c159ef85%40thread.tacv2/conversations?groupId=336cfc27-4004-429a-8da5-b135499e7cf9&tenantId=c37b37a3-e9e2-42f9-bc67-4b9b738e1df0

Resumo: A Teoria Espectral de Grafos (TEG) é uma parte da matemática discreta que estuda as propriedades de um grafo a partir das informações fornecidas pelos autovalores e autovetores da matriz associada a este grafo. Esta teoria vem atraindo um maior interesse de pesquisadores desde a decada de 80, em virtude da sua aplicação em diversas áreas, como na Química, na Matemática, na Engenharia e na Ciência da Computação. Com o crescimento exponencial do volume de dados a que se tem disponível atualmente, o processamento das informações em ambientes de execução de tarefas em paralelo e distribuído é crucial para uma melhor produtividade e desempenho. Com o objetivo de construir uma ferramenta WEB que dispensa o uso de recursos de processamento por parte do usuário, propomos o RioGraphX. Um portal científico desenvolvido utilizando o Apache Spark, que tem como objetivo obter todos os grafos que otimizam uma função matemática envolvendo invariantes de um grafo com possíveis restrições. Um workflow com sete etapas foi desenvolvido de modo a obter o máximo de tarefas possíveis executando no ambiente para computaçãoo paralela e distribuída do Apache Spark. Como o Spark fornece API para Scala, Java e Python, neste estudo foram desenvolvidos dois codigos-fontes: um na linguagem Java e outro em Python devido à abundância de bibliotecas de apoio. Em seguida, foram realizados dois testes: um de validação e outro de desempenho. A partir dos testes, cálculos de speedup e Eficiencia compondo um comparativo de execução de tarefas em ambiente de processamento paralelo e distribuído com ambiente monoprocessado evidenciaram a superioridade do código desenvolvido em Java e a avaliação destas métricas de desempenho demonstram a importância da alocação dinâmica de recursos do Spark levando em consideração o tamanho da base de dados. Os tempos de execução do Portal se mostraram satisfatórios tendo em vista o volume de dados processados.
Dissertação

Alunas orientadas por docente do PPCIC ganham medalhas de ouro e prata no Torneio Feminino de Computação

As estudantes do curso técnico em Informática do CEFET/RJ campus Maracanã, Luana Amorim Lima e Anna Paula Siqueira da Silva, orientadas pelo docente João Quadros (PPCIC), foram premiadas no 1º Torneio Feminino de Computação (TFC-BR), patrocinado pela Sociedade Brasileira de Computação (SBC) e pelo Ministério da Ciência, Tecnologia e Inovações (MCTI), com o apoio da Olimpíada Brasileira de Informática (OBI) e do Movimento Meninas Olímpicas.

Clique no link para conferir a notícia completa no portal do CEFET/RJ: http://www.cefet-rj.br/index.php/component/content/article?id=5518

Defesa de dissertação (17/12/2020):  Luciana Escobar Gonçalves Vignoli

Discente: Luciana Escobar Gonçalves Vignoli

Título: Análise Comparativa de Métodos para Detecção de Eventos em Séries Temporais

Orientadores: Laura silva de Assis (orientadora) e Eduardo Soares Ogasawara (co-orientador)

Banca:  Laura Silva de Assis (presidente), Eduardo Soares Ogasawara (CEFET/RJ), Rafaelli de Carvalho Coutinho (CEFET/RJ), Fábio André Machado Porto (LNCC)

Dia/hora: 17 de dezembro de 2020, às 14h

Sala remota: https://meet.google.com/vtr-zogo-cny

Resumo: Grandes volumes de dados são coletados e armazenados diariamente, necessitando de um tratamento adequado para retornar informações valiosas durante uma análise. Esses dados, quando obedecem a uma ordem cronológica de tempo, consistem em séries temporais. Detectar eventos nessas séries é uma tarefa importante em diversas áreas de conhecimento, não se restringindo apenas à Tecnologia da Informação. Eventos podem representar uma anormalidade, uma mudança de comportamento ou um padrão que se repete na série. Diversos métodos presentes na literatura buscam identificar um único tipo de evento, entretanto, uma quantidade menor aborda essa detecção de uma maneira mais generalizada. Esta dissertação propõe uma análise comparativa de diferentes métodos para detecção de eventos em séries temporais, envolvendo identificação de anomalias e pontos de mudança. Tal comparação é realizada através de métodos estatísticos baseados na média móvel, processo de decomposição e técnicas baseadas em vizinhança. Foram realizados experimentos com dados sintéticos e reais envolvendo datasets de diferentes áreas de conhecimento como monitoramento da qualidade da água, tráfego de dados do Yahoo e processos de exploração de petróleo. Os resultados obtidos foram promissores e mostraram que cada conjunto de dado tem sua particularidade, e é muito importante analisar qual método se adéqua melhor a um conjunto específico, onde uma boa escolha pode resultar em até 0,99 de precisão na detecção.
Dissertação

Defesa de dissertação (02/12/2020): Jomar Ferreira Monsores

Discente: Jomar Ferreira Monsores

Título: Ambiente Baseado em Ferramaneta Robótica para Auxílio Educacional de Aluno com Dilexia

Orientador: João Roberto de Toledo Quadros

Banca: João Roberto de Toledo Quadros (presidente), Eduardo Soares Ogasawara (CEFET/RJ), Patrícia Grasel da Silva (IFRJ)

Dia/hora:  02 de dezembro de 2020, às 10h30min.

Sala remota: meet.google.com/qdt-pcdb-dng

Resumo: Um ambiente de robótica, voltado para o auxílio de pessoas que possuem dislexia é apresentado, tanto para o auxílio a leitura quanto na alfabetização de pessoas. A proposta do ambiente é ser inclusivo, o que faz com que ele seja utilizado também para pessoas sem dislexia. Esse ambiente é lúdico, voltado para uma visão de jogo, sem ser competitivo, mas colaborativo. Ele é composto de um robô, um tabuleiro (com símbolos) e um aplicativo, com ênfase na perspectiva de aprendizado dos usuários-alvo. A ideia desse ambiente se baseia na concepção de que, o cérebro de uma pessoa com dislexia se adapta melhor a métodos de ensinos voltados para tridimensionalidade, movimento e percepção espacial. Pretende-se que esse recurso possa ser aplicado em ambientes que não possuam estrutura didático-pedagógica completa para atuar como auxílio a pessoas portadoras de dislexia. Por ser um recurso educacional de baixo custo, seu uso se adequará a ambientes com recursos
financeiros limitados, como, por exemplo, escolas públicas ou escolas com muitos estudantes em zona de carência. A efetividade desse recurso na alfabetização e auxílio de leitura de estudantes com dislexia, pode ser vista na aplicação dos testes, nos quais esse ambiente foi utilizado como recurso educacional inclusivo, atuando na alfabetização ou ajuda a leitura tanto de pessoas com, quanto sem dislexia.

Dissertação

Defesa de dissertação (25/11/2020): Augusto Magalhães Pinto de Mendonça

Discente: Augusto Magalhães Pinto de Mendonça

Título: Distritamento Aplicado ao Problema de Faturamento em Redes de Serviço

Orientadores: Laura Silva de Assis (orientadora), Luis Domingues Tomé Jardim Tarrataca (co-orientador)

Banca: Laura Silva de Assis (presidente), Luis Domingues Tomé Jardim Tarrataca (CEFET/RJ), Diego Nunes Brandão (CEFET/RJ), Fábio Luiz Usberti (IC – UNICAMP)

Data/hora: 25/11/2020, às 14h

Sala remota: meet.google.com/tnf-ustt-bdg

Resumo: Esta dissertação tem o objetivo de investigar o Problema de Distritamento Capacitado (PDC). O PDC é um problema de otimização combinatória que consiste em particionar uma determinada região, em uma quantidade de distritos predeterminados, considerando um ou mais critérios de decisão. A definição dos distritos deve respeitar suas capacidades, as quais são definidas conforme as especificidades do problema. Existem diversas aplicações para o PDC, como o distritamento político, cobertura de vendas, entrega de correspondências, coleta de lixo e serviços de emergência, dentre tantas outras. Esta pesquisa tem como foco resolver o PDC aplicado ao problema de definir lotes de trabalhos para leitores de medidores de redes de serviço tais como energia, água, gás, considerando os critérios de compacidade e homogeneidade para definição de tais territórios. Um novo método de solução baseado em Algoritmo Genético (AG) comparando duas estruturas distintas é apresentado, respeitando restrições de contiguidade, um número predefinido de distritos, dentre outras. Um método de otimização de hiperparâmetros é proposto para determinar um conjunto de valores que forneça soluções de qualidade com certa confiabilidade. Para validar a abordagem de solução proposta foram realizados experimentos computacionais utilizando instâncias de grande porte com características distintas. Os resultados alcançados mostram a eficiência da abordagem proposta para o PDC em estudo.

Dissertação

Defesa de dissertação (23/11/2020): Marcello Alberto Soares Serqueira

Discente: Marcello Alberto Soares Serqueira

Título: HBRKGA: A Population-based Hybrid Approach to Hyperparameter Optimization for Neural Networks

Orientadores: Eduardo Bezerra da Silva (orientador), Pedro Henrique González Silva (co-orientador).

Banca: Eduardo Bezerra da Silva (presidente),  Pedro Henrique González Silva (CEFET/RJ), Diego Brandão (CEFET/RJ), Igor Machado Coelho (UFF).

Dia/hora: 23 de Novembro de 2020, às 14h.

Sala remota: https://meet.google.com/xjd-mbbe-jsr

Resumo: Nos últimos anos, grandes quantidades de dados estão sendo geradas e a necessidade de recursos computacionais continua crescendo. Este cenario levou a um ressurgimento do interesse em redes neurais artificiais. Um dos principais desafios no
treinamento de modelos eficazes de redes neurais e encontrar uma boa combinação de hiperparametros a serem usados. De fato, a escolha de uma abordagem adequada para pesquisar o espaço do hiperparâmetro influencia diretamente a precisão do modelo resultante da rede neural. Abordagens comuns para busca de hiperparâmetros são a Busca em Grade, a Busca Aleatória e Busca por Otimização Bayesiana. Existem também métodos baseados em população, como a CMA-ES. Neste projeto, apresentamos o HBRKGA, uma nova abordagem baseada na população para a optimização de hiperparâmetros. O HBRKGA e uma abordagem híbrida que combina o Algoritmo Genético de Chaves Aleatórias Viciadas com uma técnica de Random-Walk para pesquisar o espaço de hiperparâmetros de forma eficiente. Foram realizados vários experimentos computacionais em oito conjuntos de dados diferentes para avaliar a eficácia da abordagem proposta. Os resultados mostraram que o HBRKGA conseguiu encontrar configurações de hiperparâmetros que superaram (em termos de qualidade preditiva) os métodos de base em seis dos oito conjuntos de dados, mostrando tambem tempo de execução razoável.

Dissertação

VIII Workshop da Escola de Informática & Computação (WEIC)

Dias: 24/11/2020 a 26/11/2020
Local: Canal do Youtube do PPCIC (https://www.youtube.com/ppcic)
Horários: 9h às 12h e 14h às 20h

Entre os dias 24/11 a 26/11 teremos a oitava edição do Workshop da Escola de Informática & Computação (WEIC). O WEIC é um evento dedicado a abordar problemas computacionais, seja pelo estado da arte ou pelo estado da prática, que estejam em aberto e apresentar indicativos de como a comunidade científica e industrial vêm abordando e tratando tais questões. O objetivo do evento é promover e difundir as experiências de pesquisadores e desenvolvedores, de modo a motivar alunos, no curso técnico, graduação ou pós-graduação, a se engajarem na resolução desses desafios.

Desde 2013 a Escola de Informática & Computação (EIC) tem sistematicamente promovido o Workshop da Escola de Informática & Computação (WEIC). No ano passado o evento atraiu mais de 200 inscrições. Neste ano, por conta da pandemia, o WEIC será feito em formato de live, ficando as apresentações disponíveis no canal do Youtube do Programa de Pós-graduação em Ciência da Computação (PPCIC).

O evento é concebido de modo a ser o mais abrangente possível, procurando cobrir um espectro amplo de temas na área de Computação Básica e Aplicada. As apresentações têm duração de 1h, com 15 minutos destinados a perguntas e interação com os alunos.

Agenda:

  • 24/11 às 17h – Learning-based Resource Management on Heterogeneous CPU/Memory Systems — Vinicius Petrucci (University of Pittsburgh)
  • 24/11 às 20h – Painel: Algoritmos e Grafos — Celina de Figueiredo (COPPE/UFRJ), Fabio Proti (UFF), Ueverton Souza  (UFF), Raphael Machado (UFF), Simone Dantas (IME/UFF) e Luerbio Faria (IME-UERJ)
  • 25/11 às 17h – Realidade Aumentada e Virtual: Desafios e Oportunidades — José Ricardo da Silva Junior (IFRJ)
  • 25/11 às 20h – Painel: Gerência de Modelos e Dados — Fabio Porto (LNCC), Artur Ziviani (LNCC), Flavia Delicato (UFF) e Paulo Pires (UFF)
  • 26/11 às 11h – Internet das Coisas: Fundamentos, Protocolos e Segurança da Informação — Juliano Kazienko (UFSM)
  • 26/11 às 17h – Painel: Aplicações de IA em Redes — Célio V. N. de Albuquerque (UFF), Débora C. M. Saade (UFF) e Edmundo S. Silva (UFRJ).
  • 26/11 às 20h – Ferramentas e Técnicas de Busca em Dados Pessoais — Daniela Vianna

Para que você possa obter certificado de participação é necessário realizar a inscrição: Formulário de Inscrição.

Docente do PPCIC participa de Mesa Redonda em Encontro Nacional sobre Educação

O vigésimo Encontro Nacional de Didática e Prática de Ensino (ENDIPE) está acontecendo de forma virtual entre os dias 29/10/2020 e 12/11/2020.  No próximo dia 06/11, às 13h, o encontro realizará uma Mesa Redonda sobre “Ensino Médio Integrado e a Formação de seus Professores: a congregação de percursos de docência no Espaço Integrador”, que contará com a participação do docente do programa Felipe da Rocha Henriques. Os professores Felipe Ferreira e Daniela Frey do CEFET/RJ campus Petrópolis também estarão na roda de conversa.

Link para acesso: http://bit.ly/EndipeEMIntegrado

Mais informações sobre o evento em: http://www.xxendiperio2020.com.br/home

Aula inaugural 2019/2020 do Programa de Pós-graduação em Ciência da Computação

O Programa de Pós-graduação em Ciência da Computação (PPCIC) do Cefet/RJ realizará a aula inaugural para os discentes que ingressaram em 2019 e 2020, cujo título é “Planejando o Futuro dos Nossos Dados – Planos de Gestão de Dados”, no dia 17 de novembro de 2020, às 17h, no formato de live pelo canal do YouTube do PPCIC. A palestra será ministrada pela professora convidada Claudia Bauzer Medeiros da UNICAMP.

A aula inaugural abordará sobre Planos de Gestão de Dados. Ele são considerados no mundo inteiro como parte integral das práticas de pesquisa. Agências de fomento, instituições de pesquisa e orgãos governamentais reconhecem cada vez mais a importância da gestão
adequada dos dados de pesquisa para garantir o maior benefício possível para o avanço científico, tecnológico e social. Esses Planos são obrigatórios em vários países para submissão de projetos. No Brasil, a FAPESP vem implantando desde 2017 a obrigatoriedade desses Planos na submissão de determinadas modalidades. A partir do início de setembro de 2020, Planos de Gestão de Dados passaram a ser obrigatorios
para a maioria das modalidades de pedidos de auxilio e bolsas a FAPESP, para todas as áreas do conhecimento, sendo, inclusive, um dos quesitos analisados na avaliação de uma proposta e dos relatórios cientificos.

Na palestra, a professora Claudia Bauzer Medeiros irá  apresentar os principais aspectos de um Plano de Gestão de Dados, mostrando como prepará-lo, discutindo sua importância no atual cenário mundial de pesquisa e as vantagens que trazem para a pesquisa de todos.

Link para a aula: https://youtu.be/JK0waMJqLtI

Para mais informações sobre a aula, acesse: https://eic.cefet-rj.br/seminarios/seic/planejando-o-futuro-dos-nossos-dados-planos-de-gestao-de-dados

Sobre a palestrante

Claudia Bauzer Medeiros

A Professora Claudia Bauzer de Medeiros é pesquisadora 1A do CNPq. Professora titular da UNICAMP, com graduação em Engenharia Elétrica pela Pontifícia Universidade Católica do Rio de Janeiro (1976), mestrado em Informática pela Pontifícia Universidade Católica do Rio de Janeiro (1979) , doutorado em Computer Science – University of Waterloo (1985), pós-doutorado no INRIA, França (1990) e livre docência em Bancos de Dados (UNICAMP, 1992). Membro da Coordenação de Área de Ciência e Engenharia de Computação da FAPESP (2004-2014), da Coordenação Adjunta da FAPESP, para o programa e-Science e Data Science (2014-) e do Comitê Assessor de Computação do CNPq (2013-2016). Foi coordenadora do Comitê Assessor de Computação do CNPq (2001-2002); na CAPES, foi vice-coordenadora do Comitê de Computação (1998-2000), e membro do mesmo Comitê (2008-2010). Desenvolve pesquisas em gerenciamento de dados científicos, em particular desafios associados à heterogeneidade, volume e complexidade desses dados, para vários tipos de aplicações multidisciplinares do mundo real, em particular em biodiversidade e planejamento agro-ambiental. Foi presidente da Sociedade Brasileira de Computação (2003-2007). Recebeu o prêmio Newton Faller (SBC), o prêmio Change Agent (ACM e Anita Borg Institute) e por 3 vezes o Prêmio de Excelência Académica Zeferino Vaz (UNICAMP – 1997, 2001 e 2009). Em 2007, outorgada Doctor Honoris Causa pela Universidad Antenor Orrego, Trujillo, Peru e em 2008 admitida na Ordem Nacional do Mérito Científico, como comendadora. Em 2012, tornou-se ACM Distinguished Speaker. Em 2013, recebeu o prêmio Reconhecimento Docente pela Dedicação ao Ensino (UNICAMP – associado a toda a carreira). Em 2015, outorgada Dr. Honoris Causa pela Université Paris Dauphine, França. Membro do Council da Research Data Alliance (2018-2020) e do Conselho da Association of Computing Machinery (2018-2020). Em 2018, recebeu o Prémio de Mérito LatinoAmericano em Informática, outorgado pelo CLEI (Centro de Estudios LatinoAmericanos en Informática). Também em 2018, eleita para a Academia Brasileira de Ciências. Em 2020, tornou-se membro do Conselho Científico da WDS (World Data System).

Defesa de dissertação (22/10/2020): Gustavo Pacheco Epifanio

Discente: Gustavo Pacheco Epifanio

Título: Problema de Alocação de Chaves em Sistemas de Distribuição de Energia Elétrica com Geração Distribuída

Orientadora: Laura Silva de Assis

Banca: Laura Silva de Assis (Presidente), Diego Barreto Haddad (CEFET/RJ), José Frederico Vizcaino González (FEG/UNESP) e Christiano Lyra Filho (FEEC/UNICAMP)

Dia/Hora: 22 de outrubro de 2020, às 14h

Sala remota: meet.google.com/bkx-zbcf-yzi

Resumo: O Problema de alocação de chaves (PAC) em redes de energia elétrica consiste em determinar de forma otimizada os melhores locais, quantidade e tipos de chaves a serem alocados em uma rede de distribuição com o objetivo de minimizar os custos, mantendo um nível estipulado de confiabilidade. A geração distribuída (GD) refere-se a existência de um gerador de eletricidade no usuário final ou próximo a ele, permitindo fazer uso de tal fonte de energia. A expectativa é que tal configuração na rede provoque uma redução de perdas na rede elétrica e também auxilie na atenuação do impacto da falha no sistema. A intenção é que a GD conduza a um impacto positivo na confiabilidade da rede, devido ao seu potencial de fornecer caminhos alternativos de fornecimento de energia, após a ocorrência de uma contingência, por meio da operação do sistema com ilhamento. Este trabalho de pesquisa tem como objetivo investigar o PAC que engloba uma série de tomadas de decisão enfrentadas pelas concessionárias de distribuição, a fim de reduzir custos operacionais e manter níveis predeterminados de confiabilidade em uma rede de distribuição com GD.  A solução se baseia em algoritmos genético e memético. Um método de otimização é proposto para escolher um conjunto adequado de valores para os hiperparâmetros. Experimentos computacionais são conduzidos para avaliar a metodologia em redes reais de grande porte. Os resultados mostram a efetividade da abordagem em solucionar o PAC e os benefícios na confiabilidade que podem ser obtidos com o uso da GD.
Dissertação

Seminários da Escola de Informática & Computação

O Seminário da Escola de Informática & Computação (SEIC) é organizado pelo Programa de Pós-graduação em Ciência da Computação (PPCIC) em conjunto com Escola de Informática & Computação (EIC). O objetivo do SEIC é fortalecer os conteúdos vistos em sala de aula, além de propiciar aos alunos e à comunidade uma oportunidade de conhecer as atividades de ensino, pesquisa e extensão relacionadas à Computação nas instituições de pesquisa do Rio de Janeiro. As palestras são feitas tanto por professores quanto por alunos, que podem aproveitar a oportunidade para expor as suas propostas de dissertações, trabalhos de conclusão de curso, trabalhos de iniciação científica, projetos de ensino ou projetos de extensão.

A iniciativa é aberta ao público. Os seminários acontecem de forma remota no canal do PPCIC no YouTube: https://www.youtube.com/c/ppcic. Inscrevam-se no canal para receber as notificações dos seminários.

Para obter certificado de participação, é necessário fazer a inscrição prévia e assinar a lista de presença durante o seminário transmitido no YouTube. Para se inscrever nos Seminários da Escola de Informática & Computação, acesse: https://eic.cefet-rj.br/seminarios.

Horário dos seminários: 19:30h

Agenda SEIC 2020.2

  1. 01/10/2020 – Algoritmo Genético Aplicado ao Problema da Geometria de Distâncias Moleculares – Sarah Carneiro (discente de Engenharia da Computação, CEFET/RJ campus Petrópolis)
  2. 08/10/2020 – Avanços Recentes no Processamento de Linguagem Natural com Deep Learning – Eduardo Bezerra (PPCIC)
  3. 15/10/2020 – Abordagem Multi-objetivo para o Problema de Localização de Bases de Unidades de Resgate: Aplicação no Rio de Janeiro – Glaydston Mattos Ribeiro (PET/COPPE/UFRJ)
  4. 22/10/2020 – Distritamento aplicado ao Problema de Faturamento em Redes de Serviço – Augusto Mendonça (discente do PPCIC)
  5. 29/10/2020 – Algoritmo Genético Aplicado à Otimização do Controle de Topologia de uma Rede de Sensores Sem Fio – Jorge Augusto Gomes de Brito (discente do PPCIC)
  6. 05/11/2020 – Computação, Otimização e Ensino – Luidi Gelabert Simonetti (PESC/COPPE/UFRJ)
  7. 12/11/2020 – Análise de Dados em Operações de Resgate: Uma Abordagem de Otimização Combinatória – Igor Morais (discente do PPCIC)
  8. 19/11/2020 – Detecção Online de Eventos em Streaming de Dados de Séries Temporais – Rebecca Pontes Salles (discente do PPPRO)
  9. 03/12/2020 – Sistemas de Recomendação de Conteúdo e Caches: Inteligência Artificial e Redes de Computadores a Serviço do Usuário – Daniel Sadoc Menasché (UFRJ)

Defesa de dissertação (28/09/2020): Ellen Paixão Silva

Discente:  Ellen Paixão Silva

Título: A Influência de Mídias Multissensoriais na Aprendizagem de Crianças com Dislexia

Orientadores: Joel André Ferreira dos Santos (orientador) Silva e Glauco Amorim (coorientador)

Banca: Joel André Ferreira dos Santos (Presidente), Glauco Amorim (CEFET/RJ), Gustavo Guedes (CEFET/RJ), Renata Mousinho (UFRJ) e Maria da Graça Campos Pimentel (USP)

Dia/Hora: 28 de setembro de 2020, às 19h

Sala remota:

MS Team (https://teams.microsoft.com/l/meetup-join/19%3ameeting_NmJkN2EwMDAtNjVjZS00OThiLThlMzktODI0OGI2OTI0OWUx%40thread.v2/0?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%2264f8dc5c-d07e-4edc-acf2-16d1e4d1205d%22%7d)

Resumo:

A dislexia é um transtorno específico de aprendizagem que pode afetar as habilidades de leitura e escrita prejudicando, principalmente, o processo de alfabetização. Na leitura, a sobrecarga na memória de trabalho prejudica a compreensão de textos sendo observado sintomas como erros de reconhecimento de palavras e dificuldade de decodificação de palavras. Pesquisas publicadas na literatura indicam que a formação da memória engloba diferentes sentidos humanos e que estímulos provenientes de conteúdos multimídia melhoram o desempenho de escolares com dislexia. No entanto, a maioria das aplicações multimídia estimulam apenas dois dos cinco sentidos humanos: a visão e a audição. Pesquisas recentes buscam adicionar estímulos aos demais sentidos em aplicações multimídia, na forma das chamadas aplicações mulsemídia (multimídia multissensorial). Na forma de um livro multissensorial, este trabalho propõe o uso de conteúdos multissensoriais incorporando sons, variação cores e intensidade da luz do ambiente, vento e cheiro ao conteúdo do texto. Tais conteúdos são sincronizados à leitura com o uso de um rastreador ocular.
O MBook é um aplicativo desenvolvido neste trabalho capaz de armazenar e apresentar livros multissensoriais. Ele utiliza um rastreador ocular para mapear a posição dos olhos no display que exibe o texto e assim identificar instantaneamente qual a palavra está sendo lida. Com essa
informação é possível verificar se aquela palavra ou sequência de palavras possuem conteúdos multissensoriais associados e com isso executar os conteúdos correspondentes. O MBook desacopla o conteúdo textual do livro da lógica da experiência multissensorial. Dessa forma, permite que os autores se concentrem na história e marquem os locais da história em que um conteúdo multissensorial pode ser apresentado, e os produtores de conteúdo explorem as histórias existentes para aumentar a experiência do leitor, incluindo conteúdo multimídia tradicional e efeitos sensoriais.
Neste trabalho, partimos da hipótese de que “o uso de conteúdos multissensoriais sincronizados com a leitura diminui a sobrecarga na memória de trabalho necessária para a leitura, auxiliando assim, um indivíduo com dislexia a compreender e memorizar o conteúdo que esta sendo lido”. Para avaliar essa hipótese foram realizados dois estudos: (i) uma análise comparativa entre dois estudos de caso individuais, sendo um com uma criança com dislexia e um com uma criança sem dislexia com o perfis pareados; e (ii) uma análise de um estudo de caso coletivo com cinco crianças com dislexia. Os resultados obtidos indicam um aumento da motivação intrínseca de leitura, um ganho de velocidade na leitura e um aumento da compreensão de texto quando conteúdos multissensoriais são incluídos na leitura. Os resultados também indicam que o MBook pode ser uma ferramenta terapêutica importante para o tratamento de escolares com dislexia minimizando assim os prejuízos causados por esse transtorno.

Dissertação