Agenda de defesas Agenda de defesas

Voltar

Pós em Ciência da Computação promove defesas de dissertações de mestrado nesta quinta-feira

Defesas dos mestrandos Pedro Clericuzi, Milton Neto, Rodrigo Oliveira e Elisa Soares ocorrerão virtualmente

O Programa de Pós-Graduação em Ciência da Computação (PPGCI) da UFPE promove, nesta quinta-feira (10), das 8h às 14h, as defesas de dissertações de mestrado dos alunos Pedro Clericuzi, Milton Neto e Rodrigo Oliveira, e da aluna Elisa Soares. As apresentações ocorrerão de forma virtual. Para receber o link de acesso de cada defesa, os interessados em assistir devem entrar em contato com os mestrandos por meio dos respectivos endereços de e-mail.

As bancas examinadoras serão compostas pelos professores do Centro de Informática (CIn) da UFPE: Patricia Tedesco, Germano Vasconcelos, Adriano Sarmento, Victor Medeiros, Edna Barros, Adriano Oliveira, Cleber Zanchettin, Sérgio Soares e Valéria Times. Além deles, participarão os professores Jairson Barbosa Rodrigues da Universidade Federal do Vale do São Francisco (Univasf), Victor Medeiros da Universidade Federal Rural de Pernambuco (UFRPE), Renato Vimieiro da Universidade Federal de Minas Gerais (UFMG) e Dario José Aloise da Universidade do Estado do Rio Grande do Norte (Uern).

Confira os títulos e os horários das defesas

Horário: 9h
Título: Desenvolvimento de um Sistema de Gerenciamento de Uso de Equipamentos em um Laboratório baseado em RFID
Mestrando: Pedro Vinícius Batista Clericuzi
E-mail: pvbc@cin.ufpe.br
Orientadora: Edna Natividade da Silva Barros

Horário: 8h
Título: Análise comparativa de Explainable AI e extração de explicações textuais a partir do SHAP
Mestrando: Milton Vasconcelos da Gama Neto
Orientador: Germano Crispim Vasconcelos

Horário: 13h
Título: Detecção de Posicionamento em Tweets sobre Covid-19 no Brasil utilizando métodos de Aprendizagem de Máquina
Mestrando: Rodrigo Ludermir de Oliveira
E-mail: rlo2@cin.ufpe.br
Orientador: Cleber Zanchettin

Horário: 14h
Título: Um Mapeamento Sistemático de Problemas de Otimização no Compartilhamento de Caronas 
Mestranda: Elisa de Fátima Andrade Soares
E-mail: efas@cin.ufpe.br
Orientadora: Valéria Cesário Times

Resumo 1

Novas tecnologias voltadas para o controle no uso de bens têm surgido ano após ano para tornar o controle patrimonial cada vez mais ágil e confiável. Este trabalho teve como objetivo o desenvolvimento de um sistema de monitoramento de uso dos equipamentos de um laboratório usando a tecnologia RFID. O sistema foi desenvolvido a fim de possibilitar que os alunos do Centro de Informática (CIn) da Universidade Federal de Pernambuco (UFPE) usem o laboratório de hardware a qualquer hora sem a supervisão de terceiros e os equipamentos contidos nele estejam sempre seguros e sob supervisão automatizada. No contexto atual, isso não é possível, as baias são abertas apenas com chave e só quem tem acesso a elas são os monitores e funcionários. Isso é um problema porque o CIn funciona 24 horas todos os dias, sendo o laboratório de hardware um dos poucos que funcionam apenas em dias e horários específicos. A solução desenvolvida usa como meio de acesso às baias crachás com tags RFID, tecnologia essa que é amplamente utilizada no CIn. Para os equipamentos, também foram utilizados leitores RFID dentro das baias para garantir que os equipamentos estejam no local correto após seu uso. Todas as informações do monitoramento e log de uso ficam armazenadas em um sistema na nuvem, desenvolvido no contexto deste trabalho. O sistema em nuvem permite identificar os usuários dos equipamentos, enviar notificações de uso e efetuar reservas para uso do laboratório em horários não comerciais.

Resumo 2

As soluções de Inteligência Artificial (IA), mais especificamente de Aprendizagem de Máquina (AM), estão cada vez mais complexas e performáticas devido ao avanço do poder computacional. Essa complexidade tem aumentado a dificuldade de interpretar o funcionamento interno que conduz um modelo de AM a tomar determinada decisão. Em muitos domínios existe uma grande necessidade de entender o comportamento dessas soluções. Com objetivo de aumentar o interpretabilidade e manter a acurácia desses modelos complexos, também conhecidos como black-box, surgiu a área Explainable AI. Este trabalho apresenta uma ampla análise do estado da arte da área, através da análise teórica e prática, por meio de experimentos com as principais técnicas da literatura. Os experimentos foram realizados em uma base de dados educacional para um modelo treinado para classificar o desempenho escolar. Diferente de alguns trabalhos comparativos, a análise em uma mesma base de dados fornece uma visão mais justa das explicações geradas. Além da contribuição da análise comparativa, este trabalho propõe um método a partir de limitações encontradas nos experimentos e na literatura, o qual demonstram uma lacuna entre a explicação gerada e o entendimento do usuário final. Foi proposto o Textual SHAP, um método que extrai as principais informações do gráfico da interpretação global do SHAP, método do estado da arte de XAI, e converte para um formato mais simples por meio de textos. O método foi avaliado por pessoas com conhecimento no domínio de educação e sem familiaridade com IA. Os resultados demonstraram que a abordagem proposta é menos complexa de interpretar e obtém maior nível de compreensão do que é exposto.

Resumo 3

A onipresença da pandemia de covid-19 durante os últimos dois anos acarretou na urgência de ações responsivas contra o avanço da contaminação do novo coronavírus e em estratégias de imunização da população, através de políticas de saúde pública e medidas sanitárias preventivas por parte das autoridades responsáveis e também da sociedade civil. No Brasil, de modo semelhante a outros países, esse processo foi profundamente politizado, suscitando discussões polarizadas que inundaram as redes sociais – ocupando agora, mais do que nunca, diante do isolamento social, o centro das discussões sociais e políticas – com opiniões e posicionamentos acerca das medidas adotadas contra a covid-19 e suas repercussões. Enquanto um paradigma emergente no campo de mineração de opiniões nas redes sociais, sistemas de detecção de posicionamento têm produzido resultados frutíferos. Isso ocorre principalmente em aplicações que utilizam métodos de Processamento de Linguagem Natural e Análise de Redes, sobretudo quando são implementados para classificar o posicionamento de usuários e/ou textos implicados em temas sociais e políticos. A tarefa de detecção de posicionamentos, no entanto, alcança um maior desempenho quando os objetos de classificação, sejam usuários ou textos, estão segmentados por um tópico alvo sobre o qual os posicionamentos foram direcionados. Desse modo, esta dissertação investiga a utilização de métodos de aprendizagem de máquina no desenvolvimento de sistemas de detecção de posicionamento em Tweets – publicações na rede social Twitter – de usuários brasileiros comentando as medidas relacionadas ao covid-19, exercidas por eles próprios e pelo governo brasileiro em seus diferentes órgãos e níveis de atuação. O trabalho envolve quatro partes principais: (1) Construção da base de dados, na qual houve o levantamento de aproximadamente 6 milhões de tweets e retweets em português que mencionam palavras relacionadas à covid-19 entre janeiro de 2020 e outubro de 2021, das quais cerca de 350 mil tweets foram rotulados (pseudo-labels), através de métodos de anotação fraca (weak supervision), em 'favoráveis' ou 'contrários' às medidas do governo federal frente à pandemia. (2) Limpeza, análise exploratória e segmentação da base rotulada por tópicos mais relevantes e frequentes: Vacinação, Lockdown, Tratamento Precoce, Uso de Máscaras, CPI da Covid e atuação dos Governadores e Prefeitos. (3) Avaliação de modelos tradicionais de Aprendizagem de Máquina na detecção de posicionamentos. (4) Avaliação de modelos de aprendizagem profunda, sobretudo Transformers, na mesma tarefa. Uma arquitetura específica foi investigada em detalhes através de três abordagens de aprendizagem distintas, mas complementares. Utilizando o modelo de linguagem de domínio geral em português-brasileiro BERTimbau, que segue a arquitetura base do BERT, foram realizados experimentos com: (1) adaptação de domínio, usando os dados não rotulados; (2) uso de dados relacionais dos usuários (rede de interações – retweets, mentions e replies); (3) Aprendizado via Multi-tasking, realizando o ajuste-fino em todos os tópicos ao mesmo tempo. Os experimentos realizados demonstraram que os modelos inicializados usando BERTimbau e treinados combinando as três abordagens citadas acima se sobressaem sobre os demais em seu desempenho diante da variedade de tópicos relacionados à covid-19 no contexto brasileiro.

Resumo 4

O compartilhamento de caronas (CC) é um serviço de mobilidade compartilhada que traz diversos benefícios ambientais, econômicos e sociais. Sistemas de Compartilhamento de Caronas englobam diferentes problemas e, para solucioná-los técnicas de otimização são empregadas para realizar a intermediação entre motoristas e passageiros que tenham horários e itinerários semelhantes. Para efetivação das caronas é indispensável o uso de algoritmos para definição das rotas dos participantes. Além disso, para obter os melhores resultados desse tipo de serviço são considerados alguns desafios, como: maximizar o número de participantes, determinar as melhores rotas e minimizar os custos da viagem. Nesse contexto, o objetivo desta pesquisa é investigar os problemas de otimização existentes no compartilhamento de caronas e, também, identificar os métodos, as ferramentas, os algoritmos e as técnicas utilizados para solucionar tais problemas. Para esta pesquisa, um protocolo foi elaborado para a condução de um Mapeamento Sistemático da Literatura (MSL), método utilizado para identificar, classificar, analisar e sintetizar as evidências encontradas através dos estudos selecionados que abordam o compartilhamento de caronas. Nesse mapeamento sistemático, foram analisados 138 artigos publicados no período entre 2012 e 2020, e resultados dessa análise mostram os problemas e as soluções de otimização voltadas para o compartilhamento de carona. Diante das análises e dos resultados desta pesquisa, constata-se que há um interesse crescente de pesquisadores nos últimos anos por essa área. Conforme os estudos selecionados, conclui-se que 134 autores consideram o compartilhamento de caronas somo sendo do tipo dinâmico, assim como grande parte deles utilizam a abordagem exata e definem problemas de otimização multiobjetivo para serem solucionados. Por fim, foi identificado que 15 métodos e algoritmos diferentes foram empregados na resolução de problemas otimização para o compartilhamento de caronas.

Data da última modificação: 08/03/2022, 17:06