Categoria:Proposta

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.

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.

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.

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).