Lista Pública de Trabalhos Acadêmicos

Curso:

Pesquisar: Ano:

Permite filtrar a lista de TCCs com o curso, o termo e o ano
escolhidos. O termo pode ser, por exemplo:

Autor ou orientador;
Nome do TCC;
Palavra-chave;
Conteúdo dos resumos.

Resumo Os serviços de armazenamento em nuvem têm se tornado cada vez mais populares entre usuários domésticos e empresariais, devido às vantagens que oferecem, como serviço sob demanda, escalabilidade e não necessidade de compra e gerenciamento de infraestrutura própria de armazenamento físico. Os provedores desses serviços oferecem armazenamento hierárquico com diferentes preços baseados no nível de armazenamento utilizado. O objetivo deste trabalho é propor um modelo preditivo de classes para objetos armazenados em nuvem, que possibilite aos usuários escolherem de forma correta a classe de seus objetos com base nos seus padrões de acesso a dados. Para isso, o trabalho se dedica a explorar técnicas de aprendizado de máquina focadas em regressão que possam prever acessos futuros com base em padrões de acesso aos objetos, e através de um modelo de custo, classificar esses objetos corretamente. Será também avaliado o desempenho deste modelo ao se utilizar de bases reais de traços de dados de um serviço de armazenamento em nuvem, para que os usuários possam aproveitar de uma maior economia de custos, sem perda de qualidade e desempenho dos serviços de armazenamento.

Ano 2023

Orientador SAULO MORAES VILLELA Co-Orientador HEDER SOARES BERNARDINO Palavras-chave Armazenamento em nuvem, modelo preditivo, padrões de acesso, aprendizado de máquina, regressão, economia de custos

Resumo A vacinação em massa contra a COVID-19 é essencial para combater a propagação do vírus e reduzir o número de mortes. Com a introdução de doses adicionais da vacina, é importante investigar sua eficácia e impacto na saúde dos pacientes. Este estudo utiliza um modelo de classificação para avaliar a possibilidade de evolução dos casos clínicos de pacientes que tomaram a terceira dose da vacina da COVID-19 no estado do Rio de Janeiro. O objetivo é realizar a classificação dos pacientes que receberam a terceira dose, usando transferência por aprendizado de um modelo treinado com uma base de dados balanceada. Resultados preliminares mostram que os modelos treinados com bases balanceadas superam os treinamentos com bases desbalanceadas. O modelo de melhor desempenho, treinado com uma base balanceada, obteve uma acurácia de 79\%.

Ano 2023

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador Karla Tereza Figueiredo Leite Palavras-chave Aprendizado de Máquina, IA, Inteligência Artificial, Florestas Aleatórias, XGBoost, Transferência de Aprendizado, Algoritmos de Classificação

Resumo As regressões Ridge e Lasso são casos especiais de regressão linear. Com base na teoria da otimização multiobjetivo, ambas podem ser vistas como problemas de otimização biobjetivo. As frentes de Pareto resultantes desse problema oferecem uma variedade de modelos de regressão dentre os quais uma solução ideal pode ser selecionada, de acordo com uma estratégia de escolha pré-determinada entre as soluções não dominadas. Neste trabalho, foi utilizado um algoritmo para gerar pontos na frente de Pareto da regressão Ridge, considerada como um problema biobjetivo, e propôs-se uma heurística para a seleção de um ponto ótimo na frente de Pareto. A heurística proposta consiste em verificar se o ponto mais próximo ao ponto ideal apresenta soluções satisfatórias em relação a métricas de erro como MSE e MAE. Os resultados apontam para uma direção favorável a essa hipótese, visto que, em experimentos realizados em quatro conjuntos de dados, a escolha dos pontos desta maneira proporciona soluções com erro reduzido.

Ano 2023

Orientador SAULO MORAES VILLELA Co-Orientador Wilhelm Passarela Freire Palavras-chave Otimização Multiobjetivo, Regressão Ridge, Regressão Lasso, Frente de Pareto

Resumo Este trabalho de conclusão de curso tem como propósito investigar a concepção da futura geração das redes móveis (6G) no cenário mundial. A necessidade de uma nova geração de tecnologia móvel, como o 6G, surge em resposta às demandas crescentes por comunicações cada vez mais rápidas, confiáveis e eficientes. As gerações anteriores, como o 4G e o 5G, trouxeram avanços significativos em relação à velocidade de dados e à capacidade de conexão, mas à medida que novas tecnologias e aplicações emergem, surgem novos desafios que exigem uma nova infraestrutura de comunicação. A sexta geração promete revolucionar a forma como nos comunicamos e interagimos com o mundo, proporcionando velocidades de dados ultrarápidas, maior capacidade de conexão de dispositivos e latência quase zero. Neste estudo, será examinado as principais características do 6G, as tecnologias e inovações subjacentes, bem como os impactos potenciais nas áreas de telecomunicações, indústria, saúde, transporte e outros setores. Além disso, serão abordadas as preocupações relacionadas à segurança, privacidade e sustentabilidade associadas ao desenvolvimento e implantação da tecnologia 6G.

Ano 2023

Orientador ALEX BORGES VIEIRA Co-Orientador Palavras-chave 6G, IA, IoT, aplicações, redes móveis, tecnologia, dispositivos, comunicação

Resumo Em um mundo cada vez mais conectado, garantir a segurança em sistemas de saúde pode ser um grande desafio. Infraestruturas tradicionais baseadas na confiança em perímetro, acabam se mostrando insuficientes para garantir a segurança nesse ambiente. Uma vez que esse modelo funciona com a atribuição direta de confiança ao usuário, caso sejam comprometidas as credenciais ou o dispositivo do usuário, toda a rede se torna vulnerável. Assim, este trabalho propõe e avalia uma arquitetura Zero Trust para o aumento considerável de segurança em ambientes e-health. O modelo proposto é baseado na redução de privilégios e na análise de confiança do usuário para realizar o controle de acesso. Resultados obtidos através da avaliação em cenários distintos, comprovam a eficácia da proposta para o controle de acesso, ao proteger principalmente os recursos mais sensíveis.

Ano 2023

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave Zero Trust, Saúde, Controle de acesso

Resumo Com a crescente necessidade do monitoramento por meio de sensores, a orquestração de diversos dispositivos e a tomada de decisões por meio da coleta e grandes volumes de dados, os dispositivos interligados pela chamada Internet das Coisas vêm crescendo cada vez mais com o passar dos anos. Redes para interconectar esses tipos de dispositivos estão se popularizando, e a LoRaWAN se destaca entre uma das alternativas mais promissoras. Sua grande área de de cobertura e baixo consumo de energia motivam os engenheiros de redes. Porém, atualmente esses gestores não possuem uma ferramenta apropriada, capaz de auxiliar no planejamento e na implementação desse novo tipo de rede, atendendo às suas particularidades. A dificuldade em construir um serviço capaz de garantir uma conexão estável, sem gastar uma quantidade substancial de recursos é um problema de otimização complexo. Portanto, neste trabalho propomos um sistema capaz de entregar uma solução referente à quantidade e localização de gateways apropriada para o cenário inserido pelo administrador de rede.

Ano 2023

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave LoRa, LoRaWAN, LPWAN, Otimizador, Datasets, Gerador de Instâncias

Resumo No contexto atual do tratamento de dados pessoais impulsionado pelo Big Data, a prática automatizada de coleta de dados, conhecida como data scraping, ganha relevância, especialmente na web e na obtenção de dados pessoais. Esta pesquisa analisa os dilemas éticos do direito à privacidade nas redes sociais, examinando a efetividade da proteção dos usuários e os princípios de liberdade e autonomia na internet. Além disso, explora temas como propaganda direcionada, marketing digital e compartilhamento excessivo de dados, contextualizando-os em relação à privacidade e apresentando estratégias de remediação. Conforme revisão da literatura acerca do tema privacidade e Big Data, o estudo se destaca por explorar casos de estudo específicos, visando oferecer reflexões aprofundadas sobre dilemas éticos e garantia dos direitos fundamentais. Esses aspectos ressaltam a importância da manutenção do Estado Democrático de Direito, considerando a interseção entre a proteção de dados pessoais e a vivência democrática no ciberespaço. Ao examinar leis relevantes, como a Lei Geral de Proteção de Dados (LGPD), o Regulamento Geral de Proteção de Dados da União Europeia e o marco civil da internet, a pesquisa contribui para uma compreensão mais ampla dos desafios éticos na coleta de dados pessoais nas redes sociais.

Ano 2023

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave Privacidade. Ética da informação. Redes sociais. Lei Geral de Proteção de Dados Pessoais.

Resumo Com a crescente utilização de métodos e ferramentas de mineração de dados, empresas estão buscando aprimorar suas estratégias com o uso de {web scraping, a fim de obter vantagem competitiva. Tal técnica permite a extração automatizada de informações de websites, onde um software é programado para navegar por páginas da Internet, coletar o conteúdo desejado e armazená-lo em formato estruturado. No contexto do processo seletivo, web scraping e o uso de algoritmos têm sido empregados para melhorar diversas etapas do processo que antes eram realizadas manualmente. Este trabalho propõe o desenvolvimento de um software baseado em web scraping e ranqueamento de usuários conforme perfil de vagas de empregos. Como resultado, tem-se a apresentação do embasamento teórico e prático relacionado à coleta de dados em mídia social, além do estudo de caso da sua aplicação no auxílio ao processo seletivo de candidatos para o cargo de programador.

Ano 2023

Orientador EDELBERTO FRANCO SILVA Co-Orientador Palavras-chave People Analytics.Automaçao. Software. Scraping

Resumo Este trabalho tem como objetivo desenvolver um sistema de análise de desempenho acadêmico em cursos de graduação, com foco na identificação dos principais impactos do desenvolvimento dos alunos. O sistema proposto busca fornecer informações relevantes às instituições de ensino permitindo identificar disciplinas com altas taxas de reprovação, quantificar a evasão dos alunos e avaliar a eficácia das políticas de ingresso e cotas. O estudo ressalta a importância de atualizar a base de dados da Universidade para aprimorar as análises dos alunos, em especial no que se refere à identificação dos que se enquadram nas políticas de cotas. A falta dessas informações prejudica a realização de análises eficientes. Como estudo de caso neste trabalho foi utilizado dados dos últimos 10 anos do Curso de Sistemas de Informação da Universidade Federal de Juiz de Fora.

Ano 2023

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador Palavras-chave desempenho acadêmico, cursos de graduação, sistema de análise, pol??tica de cotas

Resumo Para automatizar e garantir melhorias de processos, corporações investem recursos para criação de projetos de softwares. Adicionalmente, dependendo de seu contexto, estes softwares podem ter grande orçamento e equipes de desenvolvimento quando são essenciais para a corporação, porém, caso não sejam, o orçamento e mão-de-obra empregados na construção destes acaba por não viabilizar tempo e recursos necessários para seu bom desenvolvimento e manutenção. Com isso, existe a possibilidade de projetos internos se tornarem demasiadamente complexos por não observarem os princípios da engenharia de softwares desde que são concebidos. Este trabalho aplica ferramentas de análise de qualidade de código-fonte em um projeto do Departamento de Ciência da Computação da Universidade Federal de Juiz de Fora e, dadas as métricas encontradas, cria abordagens para solução dos problemas apontados. Adicionalmente, cria estratégias que podem ser aplicadas para que o projeto possa ser mantido e evoluído o mais próximo possível das melhores práticas de desenvolvimento. Em adição, demonstra as consequências da não adoção de técnicas de engenharia de software na tentativa de aplicação tardia da mesma.

Ano 2023

Orientador MARCO ANTONIO PEREIRA ARAUJO Co-Orientador Palavras-chave Engenharia de software, Sonarqube, Orientação a objetos, Teste de unidade, Documentação de software

Resumo When employing reinforcement learning techniques in real-world applications, it is often desirable to constraint the agent, such that it does not perform actions that would lead to potential damage, harm or unwanted scenarios in general. In order to specify and enforce these constraints, current state-of-the-art safe reinforcement learning algorithms rely on the constrained Markov decision process framework which makes use of a cost function to inform the agent about how unsafe each transition is. Particularly, recent approaches focus on developing safe behavior under conditions where the full observability assumption is relaxed and, instead of having acess to the true state of the environment, the agent receives observations with incomplete information. In this vain, we develop a method that combines distributional reinforcement learning techniques with methods used to facilitate learning in partially observable environments. Our approach, called distributional safe stochastic latent actor-critic (DS-SLAC), uses a implicit quantile network as safety critic and learns based on a stochastic latent representation of the environment. We evaluate the DS-SLAC performance on four Safety-Gym tasks. Ultimately, DS-SLAC obtained results better than those reached by sate-of-the-art algorithms in two of the evaluated environments, while being able to develop a safe policy in three of them. Lastly, we also identify the main challenges of performing distributional reinforcement learning in the safety constrained partially observable setting.

Ano 2023

Orientador HEDER SOARES BERNARDINO Co-Orientador Palavras-chave Reinforcement Learning, Safety, Distributional RL

Resumo Com a pandemia do Covid-19 as instituições de ensino superior implementaram o Ensino Remoto Emergencial. Na UFJF este foi implementado em setembro de 2020 e durou até abril de 2022. Durante esse período de tempo alunos e professores tiveram de se adaptar à um modelo de ensino inédito para muitos. A carga e o modo como muitas disciplinas eram avaliadas mudaram, assim como os hábitos de estudo dos alunos, que após seis meses sem aula foram apresentados a esse novo cenário. Para avaliar como o desempenho e a motivação desses alunos se comportou durante esse período, o objetivo deste trabalho aqui apresentado busca analisar a nota de todos os estudantes da UFJF durante esse período e no período anterior à pandemia, buscando entender através de análises estatísticas como as notas se comportaram. Além disso, para entender melhor a parte motivacional e emocional desses alunos a análise estatística anterior é complementada com uma pesquisa feita através do Google Forms. Os resultados obtidos mostraram um grande aumento na das notas na maioria dos cursos, principalmente nos cursos de Ciências Exatas, porém as respostas do formulário apontaram uma grande desmotivação dos estudantes durante o ERE junto com um sentimento de queda de aprendizado, o que levanta alguns questionamentos sobre as estratégias que foram utilizadas durante esse período e sobre qual foi o real nível de aprendizado dos estudantes. O trabalho também disponibiliza através de um repositório todas as análises e ferramentas, possibilitando estudos posteriores mais precisos.

Ano 2023

Orientador VICTOR STROELE DE ANDRADE MENEZES Co-Orientador Palavras-chave ERE; Covid-19; Pandemia; UFJF; Análise Estatística; Motivação; Desempenho

Resumo O consumo excessivo de álcool é um dos principais males que uma sociedade pode enfrentar, sendo responsável por um alto número de doenças e mortes. Porém, ainda que seja um problema grave, ele ainda é de difícil resolução pois, apesar de existirem vários métodos para tratamento, poucos apresentam uma efetividade comprovada. Com isso em mente, a gamificação aplicada em conjunto com uma intervenção de consumo de álcool surge como um meio que pode ajudar a resolver esse problema. Diante disso, este trabalho tem como foco realizar uma análise em um aplicativo móvel gamificado chamado Álcool \& Saúde para verificar a usabilidade, a experiência do usuário e se a aplicação de técnicas de gamificação ajudaram ele nesse processo. Para isso, um questionário foi desenvolvido, assim como um projeto que teve que ser submetido para o Comitê de Ética, sendo todo esse processo documentado e servindo de base para trabalhos futuros envolvendo seres humanos. Além disso, outras funcionalidades ligadas a jogos também foram implementadas. As análises das respostas dos usuários ao questionário foram positivas e mostram que um aplicativo com elementos de jogos pode gerar bons resultados.

Ano 2023

Orientador HEDER SOARES BERNARDINO Co-Orientador Palavras-chave Gamificação, Consumo excessivo de álcool, Intervenção Breve, Sistema Móvel, Comitê de Ética, Avaliação.

Resumo Brain-computer interfaces (BCIs) are systems that use brain signals to interact with external devices, with a wide variety of applications spanning from entertainment to healthcare. Within BCIs, motor imagery brain signals are one of the most commonly used, enabling individuals to control external devices by mentally simulating body movements. In this context, convolutional neural networks (CNNs) can be used to classify motor imagery electroencephalogram (EEG) signals and translate them into specific commands. However, these signals are usually noisy and can vary significantly over time and among people, making it frequently necessary to collect a large amount of data to calibrate these models. This process can be time-consuming and fatiguing for BCI users, a particularly significant issue in healthcare settings. In order to address this problem, this work investigates the effectiveness of data augmentation in reducing the need for data and improving classification accuracy. Five data augmentation methods previously documented in the literature are evaluated across two motor imagery benchmark datasets utilizing a few-parameter CNN. The evaluations encompass a variety of configurations of EEG electrodes, motor imagery tasks, and training sample sizes. Each method is then compared against one another in terms of both accuracy and data distribution effects. The overall findings indicate that data augmentation can alleviate the need for original data, resulting in higher accuracy even with fewer training samples. The findings also indicate that combining different data augmentation methods can lead to further improvements in accuracy.

Ano 2023

Orientador HEDER SOARES BERNARDINO Co-Orientador ALEX BORGES VIEIRA Palavras-chave brain-computer interface, motor imagery, convolutional neural network, data augmentation

Resumo Ambientes assistidos são capazes de monitorar e facilitar a vida de seu residente, por meio de um ecossistema composto por uma rede de sensores e diversos dispositivos IoT. Com foco em sensores de captura de áudio, este trabalho almeja avaliar a capacidade que modelos de aprendizagem de máquina possuem para lidar com a classificação de eventos sonoros registrados por tais sensores. Para tal, foi realizada uma comparação de dois modelos de redes neurais artificiais, neste contexto: Convolucional e Long Short-Term Memory. Utilizando Coeficientes Cepstrais de Frequência-Mel como atributos de dados acústicos, que são produtos de uma técnica estabelecida como a melhor para extração de atributos de áudios. Os modelos foram testados com o conjunto de dados focado para tosses, COUGHVID, e alguns dados de instrumentos, para serem o outro rótulo de classificação, com resultados que apresentaram acurácias acima de 80% e bons F1-Scores para ambos modelos, dado que estão próximos do valor máximo na escala.

Ano 2023

Orientador VICTOR STROELE DE ANDRADE MENEZES Co-Orientador Palavras-chave Ambientes assistidos, classificação de áudio, aprendizado de máquina.

Trabalho	Autor	PDF	Extras
Previsão da Frequência de Acesso de Objetos em Serviços de Armazenamento em Nuvem Através de Algoritmos de Regressão	MATHEUS FRANKLIN RODRIGUES SILVA
Transferência de Aprendizado Para Classificar Pacientes Que Tomaram a Terceira Dose da Vacina da COVID-19 no Estado do Rio de Janeiro	FERNANDA GONÇALVES DA SILVA
Analisando a frente de Pareto para encontrar uma solução para regressão Ridge	VITOR MONTEIRO ANDRADE GOULART
Um Survey Sobre a Rede de Comunicação Móvel de Sexta Geração (6G), os Requisitos e Suas Aplicações Futuras	MARIA MEIRIELE DIAS DA SILVA
Zero Trust Como Ferramenta de Segurança para Ambientes E-Health	LUCAS LINO DO CARMO FREITAS
Ferramenta de Planejamento de Redes LoRaWAN	RODRIGO TORRES RÊGO
Ética e Privacidade: Um Estudo Sobre os Problemas da Coleta de Dados Pessoais nas Redes Sociais	VICTOR GUERRA HORTA
Scraping e Análise de Dados no Aperfeiçoamento do Processo Seletivo de Programadores	PEDRO COTTA BADARÓ
Sistema para Análise de Desempenho Acadêmico dos Alunos de um curso de Graduação	ALINE DE PAULA SOTTE
Aplicação de técnicas de engenharia de software para identificação e melhorias no processo de manutenção de código-fonte	JULIO CESAR ROSA TRINDADE
Distributional Safety Critic for Stochastic Latent Actor-Critic	THIAGO SILVA MIRANDA
Análise do impacto do ensino remoto emergencial: um estudo experimental na UFJF	NATHAN TOSCHI REIS
Processo de Avaliação de uma Intervenção Gamificada para a Redução do Consumo Excessivo de Álcool	MATHEUS DE OLIVEIRA CARVALHO
Analyzing Data Augmentation Methods for Convolutional Neural Network-based Brain-Computer Interfaces	GABRIEL OLIVEIRA MOREIRA FARIA
Classificação de Eventos Sonoros em Ambientes Assistidos: um Estudo Experimental para Detecção de Tosse	CAIO SOUZA DE OLIVEIRA

<< Anterior
1
2
3
4
5
6
7
Próximo >>