Categoria:Proposta

Defesa de Proposta de Dissertação (17/12/2025): Ana Gabriela Viana de Araújo

Discente: Ana Gabriela Viana de Araújo

Título: Aplicação de Métodos Baseados em Concept Drift para a Previsão de Gols no Futebol Profissional

Orientador: Jorge de Abreu Soares (Cefet/RJ)

Banca: Jorge de Abreu Soares (Cefet/RJ), Glauco Fiorott Amorim (Cefet/RJ) e Carlos Eduardo Ribeiro de Mello (Unirio)

Dia/Hora: 17/12 às 10h

Sala: Defesa de exame de qualificação – Ana Gabriela Viana | Ingresso na Reunião | Microsoft Teams

Resumo: Este estudo apresenta uma análise preliminar sobre a aplicação de técnicas de concept drift na previsão de gols em partidas de futebol, a partir de dados ofensivos intra-partida. O objetivo é investigar se mudanças de conceito ao longo do jogo podem indicar variações no comportamento ofensivo que antecedem a ocorrência de gols. Foram utilizados dados da temporada 2015/2016 da La Liga, agregados em intervalos de um minuto, com a detecção de drift realizada por meio do algoritmo Page-Hinkley. Os experimentos consideraram diferentes combinações de variáveis e parâmetros, avaliadas por métricas de precision, recall e F1-score. Embora os resultados ainda sejam modestos, o estudo demonstra a viabilidade da abordagem e abre caminho para novas investigações que explorem conjuntos de variáveis multivariadas, técnicas alternativas de detecção de drift e análises longitudinais entre temporadas. Conclui-se que, apesar de preliminar, a proposta apresenta potencial para contribuir com avanços na compreensão da dinâmica ofensiva no futebol, oferecendo subsídios aplicáveis à análise de desempenho, às apostas esportivas e ao apoio à decisão técnica.

Defesa de Proposta de Dissertação (10/12/2025): Felipe de Ávila Tavares

Discente: Felipe de Ávila Tavares

Título: Avaliação Comparativa de Métodos de Imputação em Variáveis Categóricas

Orientador: Jorge de Abreu Soares

Banca: Jorge de Abreu Soares (Cefet/RJ), Eduardo Soares Ogasawara (Cefet/RJ) e Ronaldo Ribeiro Goldschmidt (IME)

Dia/Hora: 10/12/2025 às 10h

Sala: Defesa de exame de qualificação – Felipe Tavares | Ingresso na Reunião | Microsoft Teams

Resumo: Este trabalho investiga o desempenho de diferentes métodos de imputação aplicados a variáveis categóricas, considerando cenários com distintas estruturas de dados. O estudo contempla três classes de conjuntos: bases contendo apenas uma variável categórica, bases mistas com variáveis numéricas e categóricas e bases totalmente categóricas. A metodologia proposta envolve a geração artificial de valores ausentes segundo o mecanismo Missing Completely at Random (MCAR), em diferentes taxas (10%, 20% e 30%) e com múltiplas sementes aleatórias, de modo a avaliar a estabilidade e a sensibilidade dos métodos. Três abordagens de imputação são analisadas: KNN (incluindo variações com normalização, ponderação por Eta² e distância de Gower), Random Forest e XGBoost, aplicados em regime supervisionado. Os resultados preliminares, obtidos com a taxa de 20% de ausência na base Glass Identification, indicam diferenças marcantes entre as famílias de métodos, evidenciando que modelos baseados em árvores apresentam desempenho superior e maior estabilidade em relação às variantes do KNN. A continuidade da pesquisa incluirá a aplicação do protocolo completo às demais categorias de bases e às demais taxas de ausência, permitindo uma análise abrangente dos efeitos estruturais dos dados no desempenho das técnicas de imputação.

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).