Agenda de defesas Agenda de defesas

Voltar

Pós-Graduação em Ciência da Computação promove defesa de tese de mestrado e doutorado

Defesas serão realizadas na próxima terça-feira (29), de forma virtual

O Programa de Pós-Graduação em Ciência da Computação, do Centro de Informática (CIn) da UFPE, promove a defesa de uma tese de doutorado e uma dissertação de mestrado. Ambas acontecerão na próxima terça-feira (29) e ocorrerão de forma virtual. Para receber o link de acesso de cada defesa, os interessados em assistir devem entrar em contato com os estudantes por meio dos respectivos endereços de e-mail.

A dissertação “Using Item Response Theory to evaluate feature relevance in missing data scenarios”, produzida pela mestranda Jessica Tais de Souza Reinaldo, orientada pelo professor Ricardo Bastos Cavalcante Prudêncio e coorientada pelo professor Telmo de Menezes e Silva Filgo, será defendida às 9h. A dissertação com a banca examinadora formada pelos professores George Darmiton da Cunha Cavalcanti (CIn/UFPE), Rafael Gomes Mantovani (UTFPR), Ricardo Bastos Cavalcante Prudêncio (CIn/UFPE). Interessados em assistir devem entrar em contato com a aluna através do seu e-mail jtsr@cin.ufpe.br.

No mesmo dia, às 9h30, será a defesa da tese de doutorado “Safe and Constructive Design with UML Components”, pela doutoranda Flávia Mérylyn Carneiro Falcão. Orientada pelo professor Augusto Cezar Alves Sampaio e coorientada pelo professor Lucas Albertins de Lima, a tese contará com a banca examinadora forma pelos professores Alexandre Cabral Mota (CIn/UFPE), Juliano Manabu Iyoda (CIn/UFPE), Márcio Lopes Cornélio (CIn/UFPE), Ana Cristina Vieira Melo (USP) e Marcel Vinícius Medeiros Oliveira (UFRN). Interessados em assistir devem entrar em contato com a aluna através do seu e-mail fmcf2@cin.ufpe.br.

Resumo 1

A Teoria de Resposta ao Item (em inglês, Item Response Theory - IRT) tem sido historicamente usada para avaliar as habilidades latentes de respondentes humanos a um conjunto de itens. Recentemente, esforços têm sido feitos para propor soluções que utilizem a TRI para resolver problemas de classificação, onde os respondentes são classificadores e os itens são as instâncias de um conjunto de dados. O ß^3-IRT oferece uma ferramenta poderosa para analisar conjuntos de dados e classificadores, pois formula o problema de TRI com duas variáveis latentes (2-PL), onde as instâncias são descritas em termos de dificuldade e discriminação, e os classificadores têm uma habilidade associada. A formulação do ß^3-IRT permite utilizar a predição da probabilidade de cada classificador para cada instância, o que é uma abordagem muito mais rica em informação do que modelos anteriores que propunham utilizar simplesmente uma resposta dicotômica, isto é, apenas mapeando erros e acertos de cada classificador na predição de cada instância. Uma aplicação possível de TRI em problemas de classificação é utiliza-la para resolver problemas em que faltam dados no momento do teste. A falta de dados é um problema desafiador na classificação, principalmente quando ocorre no momento de teste, ou seja, quando um classificador que já foi treinado com os dados completos precisa ser usado para fornecer uma previsão para uma nova instância, para a qual está faltando o valor de alguma variável. Nesses casos, antes de aplicar o classificador, deve-se decidir se vale a pena adquirindo o valor real do recurso ou apenas imputando o valor ausente. A imputação pode ser uma alternativa melhor, por exemplo, se a coleta de recursos for muito cara e/ou não se espera que o recurso seja realmente relevante para melhorar a qualidade do classificador predição. Neste trabalho, propomos um workflow onde esses dados faltantes em tempo de teste são preenchidos com valores imputados com diferentes técnicas de imputação, baseado nos dados de treinamento disponíveis, a fim de avaliar o quanto esses dados faltantes podem afetar a habilidade dos classificadores e a dificuldade e discriminação das instâncias em um conjunto de dados. Essa abordagem representa uma alternativa às técnicas de seleção de atributos que é capaz de fornecer uma visão geral da relevância dos recursos tanto em nível global quanto individualmente para cada instância. A análise do desempenho de classificadores e como a falta de dados impacta os modelos e as instâncias do ponto de vista da TRI ainda não foi investigada na literatura.

Resumo 2

A Engenharia de Software baseada em modelos surgiu como uma abordagem para lidar com a complexidade do desenvolvimento de sistemas atuais. Em particular, as estratégias de composição assumem que os sistemas podem ser construídos a partir de unidades reutilizáveis e fracamente acopladas. No entanto, ainda é um desafio garantir que propriedades desejadas sejam válidas para a integração de componentes. Apresentamos um modelo baseado em componentes para UML, incluindo um metamodelo, condições de boa formação e semântica formal via tradução para BRIC; a apresentação da semântica é dada por um conjunto de regras que abrangem todos os elementos do metamodelo e os mapeiam para suas respectivas denotações BRIC. Usamos BRIC como um framework de desenvolvimento de componentes subjacente (e totalmente oculto) para que nossa abordagem se beneficie de toda a infraestrutura formal desenvolvida para BRIC usando CSP (Communicating Sequential Processes). A composição do componente especificada por meio de diagramas estruturais UML, garante a aderência às propriedades concorrentes clássicas: nosso foco é a preservação da ausência de deadlock. O suporte automatizado é desenvolvido como um plug-in para a ferramenta de modelagem As tah. A verificação é realizada usando FDR (um verificador de modelos para CSP), mas isso é transparente para o usuário. Um diferencial de nossa abordagem é o suporte à rastreabilidade. Por exemplo, quando o FDR descobre um deadlock, um diagrama de sequência é construído a partir do trace de deadlock e apresentado ao usuário como um modelo UML. Ilustramos a aplicabilidade da nossa abordagem com um exemplo apresentado de forma recorrente no texto e dois estudos de caso adicionais. Destacamos também as contribuições do modelo de componentes proposto e da estratégia de modelagem por meio de uma comparação com outras abordagens da literatura.

Data da última modificação: 25/03/2022, 15:34