Categoria:Notícias

Discente: Gabriel Portugal Guadelupe dos Santos

Título: COSMOS: Conjunto de Subsistemas de Monitoramento da Saúde

Orientador: Gustavo Paiva Guedes e Silva

Banca: Gustavo Paiva Guedes e Silva (Cefet/RJ), Diego Nunes Brandão (Cefet/RJ) e Alessandro Copetti (UFF)

Dia/Hora: 16 de outubro de 2025 (quinta-feira), às 14h

Sala: https://teams.microsoft.com/meet/221702080420?p=qjNSZ2ir0Dq3hkxSH7

Resumo: O estudo propõe o desenvolvimento do COSMOS, um conjunto integrado de sistemas que inclui uma Interface Gráfica, Servidor e um Dispositivo de Monitoramento de Sinais Fisiológicos (DMSF) dinâmico e acessível, visando aprimorar o monitoramento domiciliar de pacientes. Ao integrar a Internet das Coisas Médicas (IoMT), o COSMOS permite o monitoramento remoto de sinais fisiológicos, promovendo cuidados personalizados e prevenção de complicações. Os experimentos foram realizados e indicaram que o COSMOS é eficaz na aferição de sinais fisiológicos, proporcionando dados confiáveis. Importante destacar que o projeto foi aprovado pelo comitê de ética sob o CAAE: 65831022.6.0000.5289. Além disso, o sistema recebeu avaliações positivas dos usuários, que destacaram sua eficácia e facilidade de uso em suas rotinas diárias. Esses resultados sugerem que o COSMOS tem potencial para contribuir significativamente para a melhoria da qualidade de vida e do cuidado médico domiciliar personalizado. A capacidade de monitoramento remoto oferecida pelo COSMOS pode facilitar a detecção precoce de alterações no estado de saúde dos pacientes, permitindo intervenções médicas oportunas e adequadas, em consonância com os ODS 3, 9 e 11.

Discente: Arthur Silveira de Siqueira Cavalcanti

Título: Avaliação de Técnicas de Balanceamento de Dados na Detecção de Fraude em Transações Online de Cartão de Crédito

Orientadores: Rafaelli de Carvalho Coutinho (orientadora) e Eduardo Bezerra da Silva (co-orientador)

Banca: Rafaelli de Carvalho Coutinho (PPCIC – Cefet/RJ), Eduardo Bezerra da Silva (PPCIC – Cefet/RJ), Eduardo Ogasawara (PPCIC – Cefet/RJ), Ronaldo Ribeiro Goldschmidt (IME)

Dia/Hora: 15/09/25, às 09h

Sala: https://teams.microsoft.com/l/meetup-join/19%3abf7330f2c27648b7ba998e79d8db5021%40thread.tacv2/1755212796749?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%2254af42a0-5f30-4905-ac8d-10b96c6db26b%22%7d

Resumo: Devido ao aumento do comércio eletrônico e do uso de cartões de crédito, as fraudes com cartões de crédito tornaram-se um grande desafio para as entidades envolvidas. Apesar dos prejuízos, essas fraudes ainda representam uma pequena parte das transações, caracterizando um problema de desbalanceamento de dados nas áreas de detecção de fraudes do sistema financeiro. Este trabalho avalia várias combinações de técnicas de seleção de atributos, balanceamento de classes e algoritmos de classificação. Para balancear as classes, foram usadas técnicas de subamostragem, superamostragem e ajustes de limiares nos classificadores. O objetivo é criar um pipeline que permita a reprodutibilidade e ampliação das avaliações dessas técnicas. As combinações foram testadas em dois conjuntos de dados desbalanceados, avaliados pela métrica escore F1. Os resultados mostram um ganho de desempenho quando são implementadas técnicas de balanceamento de dados e otimização de limiares de classificação.

Discente: Vinicius dos Santos Vancellote Almeida

Título: Construindo uma base de dados para estudos de mobilidade urbana da Cidade do Rio de Janeiro

Orientadores: Rafaelli Coutinho (orientadora) e Diego Moreira de Araujo Carvalho (coorientador)

Banca: Rafaelli Coutinho (PPCIC – Cefet/RJ), Diego Moreira de Araujo Carvalho (PPCIC – Cefet/RJ),  Eduardo Soares Ogasawara (PPCIC – Cefet/RJ), Rafael Garcia Barbastefano (PPPRO – Cefet/RJ),  Fabio Andre Machado Porto (LNCC)

Dia/Hora: 04 de junho de 2025, às 10h

Local: https://teams.microsoft.com/l/meetup-join/19%3ameeting_OGVmOTYwNjMtM2JjYi00N2YxLWE5NTMtY2E5MWI3NjM5MDQ0%40thread.v2/0?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%225089e95b-11e4-4bb0-a4b3-f4eea2039146%22%7d

Resumo: A mobilidade urbana está diretamente relacionada à qualidade de vida nas cidades, especialmente diante do crescimento populacional e dos desafios ambientais. O transporte público desempenha um papel fundamental nesse contexto, mas é frequentemente impactado por eventos climáticos adversos, como chuvas intensas, que podem comprometer sua eficiência. Este trabalho apresenta a construção de uma base de dados integrada e enriquecida para estudos de mobilidade urbana na cidade do Rio de Janeiro. A metodologia desenvolvida realiza o tratamento e enriquecimento dos dados de GPS da frota de ônibus da cidade, integrando informações posicionais, pluviométricas, administrativas e de emissões de gases, a partir de um pipeline automatizado. O resultado do processamento é uma base de dados estruturada em cinco tabelas-resumo (DSTs), cada uma voltada para uma dimensão específica da análise urbana. Como exemplo de usabilidade, foi proposta uma metodologia para identificação de pontos de alagamento durante eventos de chuva, utilizando a técnica de clusterização DBSCAN aplicada sobre observações de ônibus parados em regiões com precipitação moderada a forte. A metodologia apresentada como exemplo foi validada por meio da comparação com registros jornalísticos e mostrou resulta dos promissores para auxiliar o poder público na identificação de gargalos de mobilidade. Todos os dados e scripts foram disponibilizados abertamente, promovendo a ciência aberta e o reuso da informação.

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.

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%.

Discente: Arthur Ronald Ferreira Diogenes Garcia

Dia/hora: 19 de fevereiro de 2025, às 9h.

Local: https://teams.microsoft.com/l/meetup-join/19%3aKcszJdyzz4_vwVbrPDe0h62eXY262TcHQZS6U1eaeio1%40thread.tacv2/1738630105311?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%220534c83a-4cef-4129-9f9f-e8b8c3d50019%22%7d

Resumo: Modelos de séries temporais vêm sendo propostos há décadas, sendo que a maioria desses modelos requer como pré-requisito a condição estacionária, i.e., que a série possua média, variância e covariância constantes. Diante disso, é necessário pré-processá-las a fim de obter uma série estacionária. Não obstante, é desejável para fins de análise que o modelo bem como as propriedades estatísticas da série possam ser interpretáveis, a fim de auxiliar na  análise do usuário, facilitando sua aplicação. Esta dissertação propõe um modelo que combina uma fase de pré-processamento, visando obter a estacionariedade preservando as propriedades estatísticas da série original, e uma fase de modelagem por meio do Autorregressivo Média Móvel.

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).}

Discente: Lucas Daflon Scoralick

Título: Aprimoramento da Detecção de Conluios com Aprendizado de Máquina: Explicabilidade e Análise dos Resultados

Orientadora: Kele Teixeira Belloze

Banca: Kele Teixeira Belloze (CEFET/RJ), Diego Nunes Brandão (CEFET/RJ), Eduardo Bezerra da Silva (CEFET/RJ), Flavia Cristina Bernardini (UFF)

Dia/hora: 30 de dezembro de 2024, às 10h.

Local: https://teams.microsoft.com/l/meetup-join/19%3afeb680f8d4e047d69e7cdb88a09be338%40thread.tacv2/1734221163372?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22d0ca0ae9-1955-4759-a7ad-0b2fa49dbe55%22%7d

Resumo: Conluios são acordos ou combinações secretas entre duas ou mais partes, geralmente para ganhar vantagem em algo ou prejudicar terceiros. A prática de conluios em licitações públicas perturba o equilíbrio de preços do mercado, impactando negativamente tanto os custos quanto a qualidade dos serviços públicos. Neste estudo, propõe-se uma metodologia para aprimorar os modelos de classificação de conluio, utilizando variáveis estatísticas combinadas com a análise de modelos explicáveis para explicação dos resultados. Os resultados mostraram uma melhora no desempenho de 0,04 à 0,25, utilizando a estratégia de balanceamento Smote, método de validação holdout 80% e 20% (treinamento e teste) e MCC como métrica de desempenho. A utilização dos modelos explicáveis SHAP, importância de atributos e LIME foram úteis para confirmar a contribuição das variáveis estatísticas para os modelos de aprendizagem de máquina. Além disso, a explicação de amostras com LIME demonstra potencial para explicação dos limites de decisão de classificação para atributos numéricos.

Dissertação

Discente: Luiz Augusto de Souza Perciliano

Título: Detecção de Eventos Adversos em Mídia Social: uma revisão de literatura e experimentos utilizando o MetaMap para o Português do Brasil

Orientadora: Kele Teixeira Belloze

Banca: Kele Teixeira Belloze (CEFET/RJ), Rafaelli de Carvalho Coutinho (CEFET/RJ), Jairo Francisco de Souza (UFJF)

Dia/hora: 27 de dezembro de 2024, às 10h.

Local: https://teams.microsoft.com/l/meetup-join/19%3a524f2c9ca84d45e79a0cab9dd1e61674%40thread.tacv2/1734221450946?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22d0ca0ae9-1955-4759-a7ad-0b2fa49dbe55%22%7d

Resumo: Nos últimos anos, a área da saúde tem experimentado transformações tecnológicas substanciais, refletidas na expansão de bases de dados biomédicas em virtude de fatores como o aumento populacional, o surgimento de novas doenças, medicamentos e terapias. Além disso, a adesão de países a organizações biomédicas internacionais tem favorecido a implementação de protocolos mais rigorosos e eficientes. No entanto, no contexto da farmacovigilância, ainda há desafios significativos, como a complexidade e a limitação de acesso às bases de dados oficiais mantidas pela Organização Mundial da Saúde (OMS), que recebem contribuições de mais de 140 países. Com o aumento da circulação global de pessoas e a crescente demanda por medicamentos e vacinas, também cresce o número de Reações Adversas a Medicamentos (RAM). Apesar dos avanços, as autoridades responsáveis pela segurança dos medicamentos enfrentam dificuldades para registrar todos os Eventos Adversos (EA) e Reações Adversas a Medicamentos (RAM) reportados, bem como para realizar buscas ativas que reduzam riscos para a população. A dificuldade em acessar e processar essas informações, somada à subnotificação de (EA)s e RAM, impulsiona a busca por novas fontes de dados. Devido às barreiras no acesso às bases de dados oficiais, as mídias sociais têm se mostrado uma alternativa relevante para pesquisas em saúde. Essas plataformas oferecem informações valiosas para auxiliar na tomada de decisões, que podem incluir notificações a fabricantes para ajustar bulas, recolhimento de lotes ou até mesmo suspensão de medicamentos. Diante deste cenário, este trabalho tem como objetivos: i) apresentar uma revisão bibliográfica sobre o tema; ii) explorar o uso de mídias sociais, especificamente o Twitter (atual X), para a detecção de eventos adversos no contexto brasileiro; e iii) executar um experimento utilizando a ferramenta biomédica Metamap, em conjunto com a base de dados Unified Medical Language System (UMLS) adaptada para o português do Brasil. A pesquisa visa mapear termos e conceitos médicos presentes em tuítes, buscando identificar Sinais de Farmacovigilância (SF) e contribuir para a área de segurança de medicamentos no país. O trabalho obteve sucesso na criação de um modelo (UMLS) em português do Brasil, um passo fundamental para a análise de dados em português na área de saúde. Foram coletados e analisados milhares de tuítes sobre medicamentos para enxaqueca e sintomas de dengue. Por meio da ferramenta Metamap, foi possível mapear os termos médicos presentes nos tuítes para conceitos da (UMLS), evidenciado a viabilidade do uso da ferramenta para a detecção de sinais de farmacovigilância em português. Os resultados obtidos fornecem insights sobre o uso de medicamentos e a percepção da população sobre eles. O modelo (UMLS) em português e a metodologia desenvolvida neste trabalho abrem caminho para futuras pesquisas e aplicações de farmacovigilância com base em mídias sociais no Brasil.

Dissertação

Discente: Roberto da Silva Gervasio Pontes

Título: Otimização Multiobjetivo para Problemas de Planejamento de Rotação de Culturas Agrícolas

Orientadores: Laura Assis (orientadora) e Diego Brandão (co-orientador)

Banca: Laura Assis (Cefet/RJ), Diego Brandão (Cefet/RJ), Felipe Henriques (Cefet/RJ), Fábio Usberti (UNICAMP)

Dia/hora: 19 de dezembro de 2024, às 9:30h.

Local: https://teams.microsoft.com/l/meetup-join/19%3aWfXqePNzHUyNHsKx_j1mGEKCA8uCBTA5fBbU9lGpm781%40thread.tacv2/1733775489034?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%2291e505cb-28d8-40f6-a547-adfd127dabca%22%7d

Resumo: A agricultura é considerada um pilar essencial da economia mundial e está no centro da sociedade contemporânea.  Nas últimas décadas, para enfrentar a crise de abastecimento de alimentos e garantir a segurança alimentar, o setor se consolidou e mudou radicalmente a relação homem-ambiente. No entanto, ainda existe uma grande preocupação com a segurança alimentar, dado o crescimento populacional esperado em mais de 9,5 bilhões para 2050. Neste contexto, a introdução da informatização nas cadeias de suprimento agroalimentar tem sido cada vez mais significativa. A agricultura moderna torna-se cada vez mais interdisciplinar buscando um potencial aumento da produtividade deste setor e a promoção de práticas mais sustentáveis. A agricultura de precisão é uma destas práticas que tem como uma das suas ferramentas o Planejamento de Culturas e o Planejamento de Rotação de Culturas que têm grande impacto no meio ambiente e na produtividade. A otimização destes problemas pode permitir ao setor responder às mudanças climáticas, oferecer alimentos saudáveis e seguros e produzir alimentos eficientes em termos de custo. Nesta esteira o presente trabalho apresenta modelos utilizando PL para o PPCM e PPRCM com objetivos de maximizar a renda líquida, maximizar a diversidade de culturas, e maximizar a área utilizada. Os alcançados foram comparados aos modelos com o mesmo conjunto de dados presentes da literatura cujo único objetivo era maximizar a renda líquida. Verificou-se que os modelos propostos apresentam aumento de, em média, 60% na diversidade de culturas plantadas com perdas de retorno líquido inferiores a 5%. A avaliação dos cenários utilizando as metodologias de Soma Ponderada e ε-restrito foi eficaz na exploração da fronteira de soluções ótimas. Embora o Método do ε-restrito apresente maior custo computacional, ele se destaca por sua maior capacidade de discriminar os trade-offs entre os objetivos.

Dissertação

Discente: Tarsila Gomes Bello Tavares

Título: Imputação em cascata no contexto de Inteligência Artificial Centrada em Dados (DCAI).

Orientador: Jorge de Abreu Soares

Banca: Jorge de Abreu Soares (Cefet/RJ), Diego Nunes Brandão (Cefet/RJ), Carlos Eduardo Ribeiro de Mello (Unirio)

Dia/hora: 19 de dezembro de 2024, às 14h.

Local: Bloco E, 5º andar, sala E-518

Resumo: À medida que o volume global de dados aumenta, é comum encontrar bases de dados com valores ausentes, o que requer a aplicação de técnicas de imputação. Tradicionalmente, estas técnicas abordam cenários univariados, tratando a ausência de valores em uma única coluna. Este estudo propõe uma abordagem de imputação em cascata, que é capaz de tratar valores ausentes em múltiplas colunas, reintegrando valores imputados na base de dados antes da imputação do atributo subsequente, permitindo sua reutilização. Adicionalmente, investigou-se a eventual melhoria da eficiência da imputação pela binarização dos dados, segundo padrões de similaridade de ausência antes da imputação, e quais algoritmos de agrupamento apresentam resultados mais interessantes para diferentes características de bases de dados. Portanto, almeja-se avaliar e comparar o desempenho de uma imputação multivariada que utiliza a abordagem em cascata com uma pré-fase de agrupamento, aplicando diferentes classes de algoritmos dessa natureza, tais como K-modes, Agglomerative Clustering, DBSCAN e a rede neural SOM.

Dissertação