Nos últimos anos, o volume de dados textuais disponíveis digitalmente tem crescido exponencialmente, gerando uma demanda crescente por ferramentas capazes de processar, compreender e sintetizar essas informações de maneira eficiente e precisa. A Sumarização Automatica de Textos destaca-se como uma tecnica indispensável para facilitar o acesso e a compreensão de grandes quantidades de dados. Este estudo revisa as abordagens mais recentes que empregam Grandes Modelos de Linguagem (LLMs) na sumarização automatica de textos, abordando tanto técnicas extrativas quanto abstrativas. A abordagem extrativa seleciona e concatena as sentenças mais importantes do documento, enquanto a abordagem abstrativa gera novas sentenças que transmitem de maneira concisa as informações mais significativas. Ambas as técnicas podem ser aplicadas na sumarização de um único documento ou de múltiplos textos relacionados a um mesmo tema. A pesquisa foi conduzida através de uma revisão bibliografica sistematica dos trabalhos mais relevantes na área de sumarização automatica e LLMs. Foram utilizados critérios de inclusão e exclusão para selecionar artigos publicados em periódicos ou conferencias entre 2019 e 2024, além de alguns artigos anteriores devido à sua relevância. Os modelos de sumarização extrativa são amplamente utilizados devido à sua simplicidade e eficiência, mas enfrentam limitações em termos de coerência e consistência factual. Modelos de sumarização abstrativa, por outro lado, geram resumos mais fluentes e gramaticais, mas enfrentam desafios relacionados à utilização do contexto completo e à ”maldição do meio”. Abordagens hibridas, que combinam técnicas extrativas e abstrativas, mostram-se promissoras para superar essas limitações. A sumarização automatica de textos com LLMs possui grande relevância para o avanço de tecnologias de NLP e para áreas praticas que demandam a analise e interpretação de grandes volumes de dados textuais. Este estudo contribui para o entendimento do papel dos LLMs na sumarização automatica, promovendo o desenvolvimento de sistemas mais robustos e eficientes. Futuras pesquisas devem focar na melhoria da coerência, precisão factual e relevância dos resumos gerados.
A Integração Humano-Computador (HInt) está emergindo como um novo paradigma na área de Interação Humano-Computador (IHC), definindo e explicando a relação entre humanos e soluções autônomas que atuam como parceiras dos usuários. O Design Fiction é uma prática de design que explora futuros possíveis através da criação de cenários especulativos, e tem potencial para apoiar o design de tecnologias de HInt. Este trabalho explora a prática de Design Fiction como ferramenta especulativa para conceber tecnologias de HInt, permitindo a visualização de futuros possíveis e a reflexão crítica sobre seus impactos. O estudo propõe o VisãoSync, uma tecnologia parceira composta por óculos inteligentes e fones de ouvido conectados, projetada para equilibrar eficiência, autonomia e privacidade em uma abordagem On-body/Off-body. O Design Fiction foi desenvolvido em três etapas principais: formulação de cenários especulativos (“E se?”), prototipação e narrativa (“Visões do Amanhã”), e discussão por meio de grupos focais. Esses processos permitiram avaliar os potenciais efeitos da solução no indivíduo, na sociedade e no ambiente, além de identificar desafios éticos associados, como privacidade, exclusão digital e uso de dados. Os resultados deste trabalho demonstram a flexibilidade e a relevância do Design Fiction para explorar os desafios do design de HInt, fornecendo insights valiosos para o desenvolvimento de tecnologias parceiras. A abordagem destaca a importância de alinhar inovação tecnológica com valores humanos, criando soluções que promovam integração colaborativa, respeito à autonomia e equilíbrio entre suporte tecnológico e controle humano.
In tensor data mining, discovering itemset-like patterns can be highly computationally intensive. This paper introduces a method for reducing the search space by pre-processing tensors to eliminate cells that cannot contribute to valid patterns. The proposed approach involves analyzing intersections between different tensor slices and applying noise limits to refine the search process. By removing subspaces that do not meet the specified criteria, we optimize the efficiency of the mining process without losing information about potential patterns. This technique enhances the computational feasibility of pattern discovery in large-scale tensor data and provides a practical solution for the problem.
Recent years have witnessed an enormous advance in the area of Machine Learning, reflected by the popularity of Artificial Inteligence systems. For most of the history of machine learning research, the main goal was the development of machine learning algorithms that led to more accurate models, but it is now very clear that there are many other important areas to develop. We want models to be fair to unprivileged groups in society, to not reveal private information used in the model training, to provide comprehensible explanations to humans in order to help identifying causal relationships, among many relevant goals other than simply improving model accuracy. In this work, we explore possible new relationships between fairness, privacy and Quantitative Inforamtion Flow. The first exploration is an analysis of papers that explore the impact of privacy-enhancing mechanisms on Machine Learning fairness notions. Our second exploration is the possibility of dividing a fixed local differencial privacy budget between variables with varying degrees of sensitivity. Finally, we explore modeling both local differential privacy parameters within the Quantitative Information Flow framework.
Este trabalho apresenta um estudo do padrão de Sagas, uma solução para o problema de atomicidade em transações distribuídas, que se tornou prevalente com a ampla adoção da arquitetura de microsserviços. O estudo inclui uma revisão bibliográfica abrangente, destacando a importância do padrão Saga e sua aplicação em empresas de tecnologia renomadas. O trabalho também inclui um estudo de caso prático, no qual uma saga de reserva de pacote de viagem é implementada e avaliada na plataforma de orquestração Conductor, usando três abordagens distintas: Push, Pull e Pull Decomposto. Os resultados revelam que a abordagem Push supera as outras em termos de desempenho, enquanto a abordagem Pull Decomposto prioriza a manutenibilidade. O trabalho conclui que a escolha da abordagem ideal depende dos requisitos específicos do projeto, enfatizando a necessidade de pesquisas futuras para otimizar a implementação e o desempenho do padrão Saga em arquiteturas de microsserviços.
Este trabalho aborda a integração de computação em DNA com técnicas de microfluídica para o desenvolvimento de sistemas computacionais avançados usando reações químicas entre moléculas de DNA. A computação em DNA, uma alternativa promissora à computação tradicional baseada em silício, utiliza reações químicas com DNA para realizar operações computacionais. No entanto, desafios como a não linearidade das reações químicas e a falta de ferramentas abrangentes para a simulação e testes de circuitos e lógica computacional são limitadores do avanço dessa pesquisa. Para enfrentar esses desafios, este projeto propõe a integração de simuladores de microfluídica e reações químicas, permitindo a linearização do comportamento das reações e o desenvolvimento de sistemas mais elaborados. O trabalho foi dividido em duas partes. No POC 1, foi criado um sistema base, com o backend integrando ambos os siuladores, além do desenvolvimento de um frontend intuitivo para a inserção de reações químicas e a simulação de seu funcionamento. No POC 2, o objetivo foi a melhoria do sistema, criando novas funcionalidade e apresentação de gráficos e tabelas para a melhor visualização do comportamento dessas reações, além da testabilidade do funcionamento do sistema. Espera-se que o simulador final permita interações mais intuitivas, promovendo a adoção da computação em DNA em diversas áreas de pesquisa e desenvolvimento tecnológico.
Electronic Design Automation (EDA) tools are software applications used by engineers in the design, development, simulation, and verification of electronic systems and integrated circuits. These tools typically process specifications written in a Hardware Description Language (HDL), such as Verilog, SystemVerilog or VHDL. Thus, effective testing of these tools requires programs written in these languages. There are existing resources to provide such input, such as ChiGen, a probabilistic Verilog generator, and ChiBench, a curated suite of Verilog programs from open-source repositories. This study presents the development of an open-source experimental framework designed to evaluate the code coverage achieved by Verilog fuzzers and benchmark suites. The framework automates the execution of coverage experiments, while enabling extensibility and reproducibility. Experiments were conducted on widely used open-source EDA tools to assess the testing effectiveness of both ChiGen and ChiBench. The study underscores the utility of ChiGen and ChiBench for testing EDA tools and highlights the framework’s broader applicability to general code coverage experiments.
A polarização nas discussões políticas no Reddit durante as eleições presidenciais brasileiras de 2018 e 2022 foi investigada utilizando uma metodologia baseada em um modelo de aprendizado de máquina para posicionamento dos usuários stance detection em árvores de discussão. Os resultados indicam o aumento da polarização e uma diminuição dos debates de caráter diverso e ameno ao longo dos períodos analisados. A utilização de modelos com código aberto possibilitou a análise de 27.358 árvores de discussão compostas por 204.296 comentários. As métricas de polarização propostas demonstraram alta correlação e coerência, validando a eficácia da metodologia. A análise qualitativa corroborou os achados quantitativos, destacando a formação de echo chambers e a predominância de discussões unilaterais em 2022, quando comparado com o ano de 2018.
Este projeto desenvolve um sistema de monitoramento para plantas de dessalinização utilizando o ESP32 e um aplicativo móvel. O sistema coleta dados de sensores de pH, temperatura, e os transmite via Bluetooth para o aplicativo móvel, desenvolvido com Flutter. O aplicativo possui três telas principais: conexão com o ESP32, recepção e compartilhamento de dados, e visualização de relatórios. O aplicativo conta também com um sistema de detecção de falhas de comunicação, dados padronizados e um modo de compartilhamento dos dados com o servidor.
Denial of Service attacks have become a disrupting issue for modern applications. In the context of autonomous vehicles, this problem can affect the users in many ways, ranging from security data breaches to a crash in the car’s system, which prevents the broad availability of these services to society. In recent years, a vast majority of studies have proposed the use of contemporary Machine Learning techniques to assist in the detection of these anomalies. Nevertheless, they still cannot cope with the fast-paced nature of this adversarial attack. In this work, we propose to study a trendy method called Graph Neural Networks to evaluate its effectiveness over these challenges in the vehicular network context, specifically regarding the security message transmission sys- tem, using a publicly available dataset. The measured metrics achieved great performance compared to other traditional classifiers, which emphasizes the robustness of this model and paves the way for future works looking to assess stronger variables and sophisticated scenarios.
A estética computacional é um campo de pesquisa que busca replicar decisões estéticas humanas por meio de métodos computacionais, sendo amplamente utilizada na criação de artes evolucionárias. Este projeto teve como objetivo desenvolver uma ferramenta educacional que permite aos usuários explorar o impacto de diferentes medidas estéticas em imagens geradas por algoritmos evolucionários. Utilizando o algoritmo Evolução Diferencial (DE), que se destacou em etapas anteriores por sua eficiência e qualidade de resultados, juntamente com o algoritmo Non-dominated Sorting Genetic Algorithm II (NSGA-II), a fim de combinar múltiplas medidas estéticas, a ferramenta possibilita o uso de medidas estéticas e a análise de seus efeitos em tempo real. Usuários avançados também podem implementar novas medidas, ampliando o potencial da ferramenta. Ao final, foi entregue uma solução de código aberto que promove o entendimento de conceitos avançados em estética computacional e estimula o aprendizado interativo no campo das artes evolucionárias.
No primeiro capítulo, discutimos todos os pré-requisitos essenciais sobre grupos, anéis e módulos, e demonstramos todos os teoremas que serão utilizados ao longo do trabalho (um leitor que já é familiarizado com a teoria dos anéis e com a teoria dos grupos pode pular esse capítulo). O segundo capítulo discute anéis e módulos semissimples, culminando em uma demonstração dos Teoremas de Wedderburn e Artin. Também demonstramos os resultados básicos sobre o radical de Jacobson, e por fim fazemos uma breve discussão da teoria de representações de grupos finitos. O terceiro capítulo foca em álgebras de matrizes complexas, e apresenta diversas demonstrações construtivas e não-construtivas sobre a semissimplicidade de certas álgebras. No quarto e último capítulo, discutimos as noções de esquemas de associação e configurações coerentes, exibindo diversos exemplos importantes relacionados à teoria dos grafos e à grupos finitos. Também discutimos em detalhes o básico de grafos distância-regulares, que são particularmente importantes para combinatória algébrica, e algumas aplicações de esquemas de associação para a teoria dos códigos corretores de erros.
No dinâmico panorama agrícola do Brasil, os seguros rurais desempenham um papel fundamental, abordando preocupações econômicas, de sustentabilidade ambiental, de inclusão social e de desenvolvimento rural. As atividades agrícolas, susceptíveis a diversos riscos, necessitam de estratégias sofisticadas de mitigação e gestão de riscos.
Este estudo tem como objetivo coletar e caracterizar dados de referência, desenvolvendo um método para prever potenciais sinistros em áreas agrícolas ao longo do período contratual. Combinando análise de imagens de satélite, dados espectrais, informações descritivas das áreas seguradas e dados climáticos, o objetivo é classificar cada apólice de seguro. Os resultados previstos são a implementação de um modelo de redes neurais, robusto e capaz de fazer distinção entre propriedades que apresentaram ou não a ocorrência de sinistros.
O principal objetivo do presente trabalho é mostrar como a implantação de uma ferramenta de Business Intelligence pode impactar um sistema do tipo EPM. Neste trabalho é realizado um estudo apontando as principais vantagens e potencialidades da implantação do BI no Sistema de Monitoramento e Gestão da Estratégia do Governo do Estado de Minas Gerais. Através do uso de uma metodologia de pesquisa qualitativa e Estudo de Caso, os resultados mostram exatamente como e em quais áreas a ferramenta de BI pode impactar no Sistema de Monitoramento e Gestão da Estratégia, além de mostrar como se daria o benefício da implantação deste no Sistema. O trabalho aborda o processo de implantação e como surgiu a demanda por este tipo de funcionalidade no Sistema. Por fim, são apontados os principais impactos da implementação do Business Intelligence e como o Governo de Minas Gerais tiraria proveito da capacidade desta ferramenta, transformando a extração das informações do sistema, que hoje é em nível praticamente operacional, para o nível realmente estratégico, gerando inteligência competitiva para a organização como um todo.
O aprendizado de máquina adversarial (em inglês, Adversarial Machine Learning – AML) compreende um campo que estuda os ataques em modelos de aprendizado de máquina, bem como suas defesas. Para a aplicação desses ataques, são usadas amostras adversariais, que consistem em amostras especialmente criadas para comprometer o classificador. Apesar da existência de contramedidas aplicadas com sucesso para defesa dessa ameaça em sistemas de visão computacional, os mesmos não podem ser prontamente aplicados em contextos de cibersegurança. Esses necessitam de adaptações e melhorias específicas para este domínio, como seleção de propriedades do modelo e distribuição de dados de treinamento. Essas limitações, ainda não amplamente exploradas, geram desafios únicos, haja vista que, pequenas perturbações em pixels de uma imagem não a alteram visualmente, mas podem corromper o resultado final do modelo ou afetar seu comportamento. O estudo de AML aborda um subconjunto de técnicas de aprendizado de máquina que vem sendo empregado em diversos campos para compreender os mecanismos por trás dos ataques, como também desenvolver métodos eficazes para mitigar o impacto na detecção de ataques cibernéticos de forma automatizada. Este trabalho de conclusão de curso I estuda os conceitos sobre AML e aplica métodos de geração de amostras adversariais em modelos de classificação de ciberataques, visando avaliar seu impacto sobre o classificador. Para tal, foram estudados e reproduzidos experimentos existentes para comparar o efeito dos métodos de geração de amostras adversariais na identificação de ataques, como PartOfAHorizontalPortScan, DDoS, entre outros. Os resultados apresentados demonstram o potencial risco dos ataques adversariais contra os modelos e os aprendizados alcançados serão aplicados na segunda etapa desta monografia.
A Integração Humano-Computador (HInt) está emergindo como um novo paradigma na área de Interação Humano-Computador (IHC), definindo e explicando a relação entre humanos e soluções autônomas que atuam como parceiras dos usuários. O Design Fiction é uma prática de design que explora futuros possíveis através da criação de cenários especulativos, e tem potencial para apoiar o design de tecnologias de HInt. O objetivo deste estudo é aprofundar o conhecimento sobre Design Fiction e sua aplicação no contexto de HInt, identificando tendências, desafios e oportunidades. Busca-se propor um Design Fiction para uma futura tecnologia parceira de HInt. Inicialmente, foi realizada uma busca na literatura sobre Design Fiction para compreender os fundamentos e aplicação do Design Fiction. Foram identificados e analisados 399 artigos sobre Design Fiction, categorizados entre “Definição”, “Técnica/Metodologia”, “Estudo de Caso/Aplicação”, “Outro” e “Potencialmente Fora do Escopo”. A análise revelou uma distribuição significativa de estudos focados em aplicações práticas de Design Fiction na área de IHC. As próximas etapas buscarão identificar e definir o foco de uma tecnologia parceira específica, baseada em necessidades emergentes e tendências identificadas. Em seguida, propor um Design fiction para uma futura tecnologia de HInt através da elaboração de cenários especulativos, protótipos tangíveis e narrativas ilustrando a aplicação da tecnologia proposta. Este trabalho contribui para a expansão do conhecimento sobre Design Fiction e HInt, oferecendo insights valiosos para o desenvolvimento de tecnologias parceiras que promovem uma integração mais profunda e colaborativa entre humanos e máquinas.
Este trabalho apresenta o design e a implementação de um sintetizador no formato VST (Virtual Studio Technology), explorando algoritmos de síntese sonora e processamento de áudio. O objetivo principal foi desenvolver um sintetizador digital compatível com softwares de Estação de Áudio Digital (DAW), capaz de receber comandos MIDI e gerar sinais sonoros conforme parâmetros definidos pelo usuário, como extensão, velocidade e notas. Realizou-se uma pesquisa bibliográfica sobre técnicas de programação de áudio e processamento digital de sinais (DSP), além da avaliação de ferramentas adequadas para a implementação, com ênfase no uso do framework JUCE e da linguagem C++. O desenvolvimento incluiu a criação de osciladores, filtros, envelopes ADSR e a integração de funcionalidades como síntese FM e modulação de filtros. A interface gráfica foi elaborada utilizando o PluginGuiMagic, proporcionando uma interação intuitiva e visualmente informativa. O resultado é um aplicativo VST funcional, capaz de gerar uma ampla gama de timbres e instrumentos musicais virtuais, contribuindo para os processos de produção musical e oferecendo aos músicos e produtores uma ferramenta personalizada para o design sonoro.
A pesquisa investiga a disseminação de conteúdo potencialmente radicalizado em grupos do Telegram, focando nas mensagens textuais relacionadas ao compartilhamento de links para vídeos em plataformas como YouTube. A pesquisa utiliza técnicas de Processamento de Linguagem Natural (PLN), como análise de sentimentos e toxicidade, para entender as reações e percepções dos membros desses grupos em relação ao conteúdo compartilhado. O estudo examina mensagens enviadas antes e depois do compartilhamento de links, buscando evidências da presença de conteúdo extremista nos vídeos. A análise das interações pode fornecer insights sobre as dinâmicas de radicalização em ambientes digitais.