A utilização de dispositivos móveis tem se tornado cada vez maior na sociedade, o que tem gerado um aumento no tráfego de dados nas redes que compõem a internet. Esse aumento pode ocasionar problemas na rede, como o aumento na latência, o que pode ocasionar degradação da qualidade do serviço (QoS) e, consequentemente, da Qualidade de Experiência dos usuários (QoE).

Para mitigar esses problemas, a indústria e a academia têm proposto novas soluções, como a computação na borda, que visa trazer a computação mais próxima do usuário, diminuindo o caminho entre a fonte dos dados (dispositivos) e o processamento. Contudo, mesmo com o desenvolvimento dessa arquitetura e a aproximação da computação ao usuário, outros problemas são enfrentados em relação à QoS e QoE. Por exemplo, diversos servidores presentes nessa arquitetura são distribuídos em localizações geográficas diferentes, o que pode gerar problemas de QoS, como aumento da latência, indisponibilidade/instabilidade dos servidores. Dessa forma é necessário que seja implementado um algoritmo que saiba lidar com esses problemas, para a otimização do sistema.

O objetivo principal deste trabalho é propor uma arquitetura de migração de serviços em ambiente de computação em nuvem, visando a melhoria da QoE dos usuários, aplicada a transmissão de vídeos de realidade virtual em 360 graus. Para isso, foi feito o levantamento de informações em relação à arquitetura de computação na borda e computação em nuvem, assim como pesquisa sobre trabalhos relacionados à otimização de QoE dos usuários.

O sistema proposto realiza tomada de decisão em relação à migração dos serviços. Uma avaliação experimental mostrou que essa arquitetura aumentou em média 24,54% a QoE dos usuários em relação ao sistema de gerenciamento que não considera a migração de serviço.

Seja G = (V, E) um grafo e v um vértice em G. A vizinhança aberta de v em G, denotada por N (v), é definida como o conjunto de vértices vizinhos de v em G. Um conjunto de empacotamento aberto em um grafo G é um conjunto de vértices S ⊆ V (G) tal que, para todo u, v ∈ S, N (u) ∩ N (v) = ∅, isto é, para todo par de vértices em S, suas vizinhanças são disjuntas. O tamanho de um conjunto de empacotamento aberto máximo em G é denotado por ρo(G). O problema de se encontrar um empacotamento aberto de tamanho k em G é NP-Completo. Neste trabalho, aglomeramos informações do estado da arte sobre a complexidade computacional do problema de empacotamento aberto em diferentes classes de grafos, assim como apresentamos um algoritmo guloso para encontrar o conjunto de empacotamento aberto em uma árvore.

Dados demográficos estatísticos são importantíssimos para direcionar a política de um estado democrático, porém essas informações também representam um risco à privacidade dos cidadãos. Para garantir o direito da população à privacidade foi criada a LGPD, em 2018, que estabelece que dados demográficos precisam ser anônimos para poderem ser publicados. A anonimização por desidentificação e amostragem é a metodologia mais frequentemente usada no Brasil, por instituições como o Instituto Brasileiro de Geografia e Estatística, para proteger esse tipo de dados. Esse trabalho busca verificar se essa estratégia de anonimização resulta, ou não, em dados que permanecem vulneráveis à re-identificação. São avaliados dados da pesquisa PeNSE, realizada pelo IBGE, e é observado que re-identificações bem sucedidas são extremamente prováveis, o que pode configurar uma violação da LGPD.

Cyber-security 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 and prevention of these attacks. Nevertheless, they still can not keep up with the fast-paced nature of these adversarial attacks. In this work, we are proposing to study a trendy method called Graph Neural Networks to evaluate its efficiency and robustness over these challenges, specifically in the self-driving vehicles environment, using a publicly available dataset. The preliminary results showed that the measured metrics achieved a great performance, which paves the way for future works looking to assess stronger variables and sophisticated scenarios.

Nos últimos anos, a estrutura organizacional dos clubes de futebol no Brasil passou por uma transformação significativa, com a adoção do modelo de Sociedades Anônimas de Futebol (SAF). Esse movimento resultou em uma gestão mais profissional e focada no lucro, como evidenciado pelo aumento substancial das receitas de bilheteria. Em 2023, os clubes da Série A do Campeonato Brasileiro arrecadaram R$ 503.857.100,37 apenas com a venda de ingressos.

Nesse contexto, este trabalho visa desenvolver um modelo de previsão de público em estádios de futebol utilizando técnicas de aprendizado de máquina, com ênfase no algoritmo XGBoost, que demonstrou o melhor desempenho entre as abordagens testadas. O modelo considera variáveis preditoras como o time mandante, o período do dia, dia da semana, clima, rivalidade, a posição dos times na classificação, os resultados recentes das equipes e o momento do campeonato. No conjunto de teste, o modelo apresentou um Root Mean Squared Error
(RMSE) de 7.773,53 e um coeficiente de determinação (R2) de 0,7215.

O objetivo é fornecer uma ferramenta que ajude os clubes a entender melhor o comportamento do público e a prever a demanda de torcedores. Isso permitirá otimizar a gestão dos recursos, aumentar as receitas e reduzir os custos operacionais, maximizando os lucros por partida. O trabalho também aborda os desafios relacionados à precisão na quantificação de fatores subjetivos e na obtenção de
dados precisos, ressaltando a complexidade da modelagem das interações entre diferentes variáveis contextuais.

Esse estudo investiga a eficiência de três algoritmos meta-heurísticos baseados em população — Algoritmo Genético (GA), Evolução Diferencial (DE) e Otimização por Enxame de Partículas (PSO) — na recriação de imagens estáticas. Os algoritmos foram implementados e testados em quatro pinturas famosas com resoluções variadas. Os resultados indicam que o DE consistentemente supera o GA e o PSO em termos de velocidade de convergência e qualidade da solução. O estudo destaca a robustez e eficiência do DE, sugerindo seu potencial para aplicações mais amplas em processamento de imagens e tarefas de otimização.

Sistemas multiagentes (SMA) são ambientes em que vários agentes estão interagindo. Os objetivos desses podem ser os mesmos, assim tendo uma relação de cooperação, ou divergentes em que eles competem. Jogos estratégia em tempo real (RTS) podem ser vistos como SMAs e possuem um ambiente dinâmico com informações parciais do oponente e do mapa. Além disso, requerem dos jogadores gerenciamento da economia e recursos, criação e movimentação de unidades, construção de edifícios, aprimoramento de tecnologias e controle de embates contra oponentes. Essas características tornam esse tipo de ambiente complexo, em que o agente tem que lidar com um grande espaço de estados e de ações, tempo de raciocínio limitado e recompensas em longo prazo. O trabalho foca na parte de combate desse estilo de jogo, em que dois exércitos compostos por múltiplas unidades lutam. Dessa forma, foram propostas quatro formas de se lidar com esse cenário. (I) Aprendizado independente em que agentes não consideram outras. (II) Friend or-Foe, método de coordenação que aprende com a pressuposição de que certas unidades são aliadas e outras são inimigas. (III) Correlated-Q, método de coordenação que aprende a partir do equilíbrio correlacionado dos agentes. (IV) Deep Q-Network (DQN) que é um método que utiliza uma rede neural para aproximar valores Q para as ações das unidades.

O avanço dos Modelos de Linguagem Ampla (LLM – Large Language Model) permitiu a evolução de aplicações nos mais diversos campos da ciência, inclusive na área da saúde. Muitas pesquisas tem sido realizadas envolvendo diagnósticos de patologias, utilizando os mais variados tipos de dados disponíveis, porém, ainda é rara a utilização de LLMs naquele primeiro contato que os profissionais de saúde tem com os pacientes. Diante do cenário promissor de evolução dos LLMs e da existência dessa lacuna, este trabalho apresenta um estudo da capacidade dos LLMs aplicados na área da atenção primária à saúde, buscando criar uma ferramenta que seja capaz de colaborar com um atendimento individual mais personalizado, com informações realmente úteis para que a comunicação da equipe médica realmente traga valor para os pacientes. Para atingir esse objetivo, uma pesquisa será realizada em todas as etapas de desenvolvimento dos LLMs, buscando compreender os desafios e limitações existentes que impactam na obtenção de um modelo que seja eficiente em cumprir o propósito deste trabalho. A primeira etapa consiste na avaliação da qualidade dos dados disponíveis, buscando compreender os impactos de características como tamanho, legibilidade e gramática do texto nos resultados gerados pelos LLMs. Devido às particularidades da língua portuguesa, será utilizado um pipeline de pré-processamento de dados específico para esse idioma, melhorando a qualidade dos resultados obtidos. Em uma etapa seguinte, é realizado um estudo dos métodos de tokenização que são utilizados para o processamento de linguagem natural, priorizando as duas técnicas principais (técnicas essenciais para o treinamento e uso eficaz de LLMs, como GPT-2 e BERT): BPE (Byte-Pair-Encoding) e WordPiece.

Este trabalho apresenta a implementação e validação de um chatbot voltado para o agendamento de atendimentos para microempreendedores, com foco na integração das APIs do WhatsApp for Business e Google Calendar. O objetivo principal foi desenvolver um software que pudesse facilitar a gestão de agendamentos, atendendo às necessidades específicas de microempreendedores que muitas vezes enfrentam dificuldades na administração de seus negócios.

A pesquisa utilizou metodologias como o Design Thinking e a arquitetura DDD (Domain-Driven Design) para criar um MVP (Produto Mínimo Viável), que foi validado em um ambiente real com um microempreendedor do ramo de barbearia.

(UFMG) é um centro de ensino multifuncional que busca trabalhar as individualidades de cada aluno para não só formar pessoas com conhecimento teórico, mas também indivíduos que possam impactar a sociedade com seu trabalho, independente do formato e área escolhida. Com isso, além das diversas matérias oferecidas pelas grades dos cursos, é de suma importância que haja uma busca por parte dos alunos e dos coordenadores em formas de complementar o ensino direcionado para a locais de maior interesse através de iniciação científica, estágio, participação em empresa júnior e afins. Pensando na vertente de empreendedorismo e inovação, temos nas empresas juniores uma grande fonte de vivência e conhecimento devido ao trabalho empresarial no dia a dia e no contato direto com pessoas necessitadas de diferentes formas de soluções. No entanto, o benefício das empresas juniores vai muito além apenas da vivência empresarial de seus voluntários, o ecossistema criado pelo movimento brasil junior trás diversas vantagens para diversas áreas cruciais da sociedade, tais como a de saúde e a de educação. Com isso, esse trabalho entra em mais detalhes sobre esses benefícios e corrobora com melhorias para o movimento.

Exercícios físicos são uma prática essencial para a prevenção de diversas doenças, inclusive câncer e diabetes. Apesar disso, parte considerável da população brasileira não os pratica. Como auxílio para a ampliação do acesso à prática de exercícios físicos, pode-se contar com um profissional para definir e mensurar os exercícios para um indivíduo. Monitorar a realização dos exercícios, entretanto, é uma tarefa dinâmica e repetitiva. Para isso, este trabalho apresenta uma metodologia para contagem de movimentos em exercícios físicos em tempo real através de visão computacional, contemplando três movimentos: levantamento de peso, agachamento e flexão. Ao final do trabalho é ainda apresentado um aplicativo para sistemas Android, desenvolvido para validar o método com indivíduos reais, processo no qual cerca de 80% dos exercícios foram computados adequadamente.

A análise de dados manualmente é um trabalho exaustivo, que nem sempre recupera todos os insights possíveis dos dados, independente do tema a ser analisado. Dado a quantidade de dados da internet, esse trabalho fica ainda mais desafiador. Nesse contexto, buscou-se analisar os dados dos posts de um blog de cunho feminista com o apoio de algoritmos de análise de texto e identificação de tópicos a fim de gerar visualizações que representem os dados e facilitem uma análise qualitativa e quantitativa de maneira mais automatizada. Assim, foi possível estabelecer relações de frequência entre os temas do site e obter uma visão geral e temporal das publicações. Entretanto, nem todos os algoritmos aplicados geraram resultados relevantes e alguns evidenciaram a dificuldade em analisar textos em português.

Resumo:

O presente trabalho foi desenvolvido com o objetivo de realizar a classificação de minerais utilizando ferramentas de aprendizado de máquina. Para isso uma base de dados com fotomicrografias de 16 espécies minerais diferentes foi organizada, e passada como entrada para um algoritmo de redes neurais convolucionais. Neste sentido foram desenvolvidos alguns modelos com variações no número de classes e hiperparâmetros, além de análises comparativas que são apresentadas no presente documento.

O presente trabalho trata sobre como algoritmos generativos que são usados para a produção de artes plásticas podem ser usados de maneira análoga para a criação de designs de joias. Ao longo do texto são abordados detalhes sobre as etapas de revisão da literatura, análises das ferramentas, implementação e avaliação. Elas por sua vez tratam, respectivamente, dos principais artigos relacionados avaliando quais os algoritmos utilizados, interfaces de desenvolvimento e métodos de avaliações utilizados; análise e escolha de interface de desenvolvimento; implementação dos algoritmos do Jogo da Vida de Conway e Diffusion Limited Aggregation e a avaliação do código e da estética das peças geradas. Os resultados obtidos até então são uma amostra do potencial do uso de código para a criação de design de joias, com variabilidade estética.

A vacinação desempenha um papel crucial no combate às doenças em todo o mundo, devido ao seu alto custo-benefício. A imunização da população tem se mostrado altamente eficaz, tendo inclusive possibilitado a erradicação de doenças como a poliomielite no Brasil. No entanto, tanto no Brasil quanto em outros países, tem sido observada uma preocupante queda na cobertura vacinal de diversos imunizantes, especialmente aqueles destinados a crianças. Diante desse cenário, o presente trabalho propõe a criação de um sistema web interativo, com o intuito de fornecer uma forma de investigar e esclarecer as taxas de vacinação no contexto brasileiro.