Bacharelado em Engenharia da Computação

URI Permanente desta comunidade

https://repositorio.ifmg.edu.br/handle/20.500.14387/663

Navegar

Agora exibindo 1 - 14 de 14

Algoritmo genético compacto e modelo de Markowitz aplicados à otimização de portfólio em carteiras de criptomoedas.
(2023-12-11) Carlos Eduardo de Sousa Faria; Ciniro Aparecido Leite Nametala
A seleção de carteiras de investimentos é uma tarefa complexa que envolve a escolha dos ativos que compõem um portfólio. No contexto das criptomoedas, essa atividade torna-se particularmente desafiadora devido à alta volatilidade e complexidade inerentes a esse mercado. Apesar dessas características, as criptomoedas têm ganhado uma crescente popularidade nos últimos anos, tornando-se uma opção de investimento atrativa para muitos. Neste cenário, identificou-se uma necessidade premente de abordar a otimização da seleção de carteiras de criptomoedas, explorando o potencial dos Algoritmos de Estimação de Distribuição (EDAs). O propósito fundamental deste trabalho é a implementação de um tipo de EDA chamado Algoritmo Genético Compacto, empregando a Teoria Moderna de Portfólio de Markowitz como base. O objetivo é a otimização da composição do portfólio de investimentos, enfocando a maximização dos retornos e a minimização dos riscos associados. Para alcançar essa finalidade, os preços de fechamento das criptomoedas selecionadas foram obtidos de maneira abrangente por meio da plataforma CoinGecko, cobrindo um período histórico de três anos (de 2020 a 2022) segmentados em três experimentos. Os resultados obtidos mostram que a técnica foi capaz de gerar bons resultados. Utilizando a métrica do índice Sharpe, a melhor carteira identificada pelo Algoritmo Genético Compacto, no conjunto de treino ficou classificada entre os 100 melhores retornos no conjunto de teste, durante os três experimentos conduzidos em um espaço de soluções contendo 1000 carteiras geradas.
Análise de técnicas de agrupamento de dados para notícias de futebol
(2023-11-30) CRUZ, Mateus Araújo ; Doutor Marcos Roberto Ribeiro
Agrupamento de dados é uma técnica de aprendizado não supervisionado que busca padrões ocultos em um conjunto de dados. Para isso, o conjunto é dividido em subgrupos com características semelhantes entre si e distintas dos demais grupos. O presente trabalho investiga as técnicas de agrupamento K-Means, Hierárquico, DBSCAN e mistura gaussiana, aplicadas em notícias do Campeonato Brasileiro de Futebol. A pesquisa tem como objetivo analisar o funcionamento das técnicas e proporcionar possibilidades de identificação de padrões nos dados. No estágio inicial, realizou-se o pré-processamento dos dados, incluindo tokenização e remoção de palavras de parada. As notícias foram representadas através da técnica TF-IDF. Em seguida, empregou-se a técnica de redução de dimensionalidade a partir da Análise Semântica Latente. O agrupamento das notícias foi realizado com o número de grupos definido em 21, representando a quantidade de times participantes no campeonato. Os resultados indicaram que tanto o algoritmo K-Means quanto o Modelo de Mistura Gaussiana alcançaram uma acurácia de 75%, demonstrando desempenho superior perante os demais. Adicionalmente, foram realizados experimentos sem a definição prévia do número de clusters, empregando busca em grade para determinar o melhor coeficiente de silhueta. Os algoritmos variaram entre 25 e 32 grupos, sugerindo que essa faixa é apropriada para a divisão da base de dados das notícias.
Análise do impacto de notícias na previsão do índice Bovespa
(2023-08-09) Emanuel Elias; Doutor Marcos Roberto Ribeiro
Atualmente, o principal canal de informação dos brasileiros são as redes sociais. Em uma sociedade na qual os cidadãos possuem fácil acesso à informação, a propagação de notícias ocorre rapidamente. Visto que, através de redes sociais as informações podem ser facilmente disseminadas. Este trabalho, se propõe à auxiliar na previsão de preço do IBOV, considerando os efeitos de informações veiculadas na internet. A fim de contribuir para a compreensão de seus impactos e, como resultado, minimizar os prejuízos. Em virtude que é possível, estabelecer uma relação, entre o conteúdo das notícias e tweets com as oscilações do mercado financeiro. Os modelos preditivos desenvolvidos foram obtidos com os métodos da classe Box-Jenkins, e enriquecidos com o valor de sentimento de notícias e tweets. Os modelos que obtiveram melhores resultados consideravam os sentimentos de tweets. De 2018 a 2022, o modelo de previsão diária que considerava toda a série histórica do preço de fechamento do IBOV, obteve melhor desempenho. Considerando apenas os sentimentos de tweets, o protótipo foi capaz de realizar previsões com diferença média entre o valor previsto e o valor real de aproximadamente 0,0066 de MAPE.
Aplicação de técnicas de mineração de dados para predição do consumo de energia elétrica em ambiente doméstico
(2024-05-10) Carvalho, Ana Caroline Coutinho; Mestre Felipe Lopes de Melo Faria; Mestre Calebe Giaculi Júnior
A presente monografia tem como objetivo a aplicação de técnicas de Mineração de Dados, como RNA, KNN e Random Forests, para a predição e análise de resultados, a fim de possíveis tomadas de decisão, na área de energia elétrica no ambiente doméstico. A base de dados utilizada engloba informações como: consumo de energia elétrica em ambientes domésticos e dados meteorológicos, sendo que a residência, que é o objeto de estudo, está localizada na Bélgica. Os registros foram coletados e anotados por Candanedo, Feldheim e Deramaix (2017). Métodos matemáticos foram aplicados, como: análise de correlação para compreender as relações entre atributos/variáveis, e normalização para melhorar a visualização da base, padronizando a escala dos dados. A avaliação e validação dos resultados obtidos deram-se por meio de métricas como, MAE, MAPE e RMSE. Destaca-se que os resultados deste estudo superaram os obtidos na pesquisa base, apresentando resultados de 22,83 para MAE, 22,14% para MAPE e 54,52 para RMSE. E a pesquisa base apresentou resultados de 31,36 para MAE, 29,76% para MAPE e 70,74 para RMSE. Para trabalhos futuros, diversas oportunidades destacam-se para aprimorar e expandir os resultados obtidos. Verificar se o WEKA trata Overfitting. Aplicação de novas técnicas de predição e novos métodos de validação. Outra possível abordagem: análise dos tipos de eletrodomésticos utilizados e os horários de maior demanda de energia, podendo analisar em períodos e intervalos diferentes, como em semanas ou em meses, com foco na identificação de economias na energia e fazer comparações nacionais, se todas as residências economizassem. Por fim, replicar o estudo no contexto brasileiro.
Coffecolor: desenvolvimento de um aplicativo para detecção do grau de torra de café baseado na cor
(2022-11-29) Rodrigues, João Vitor Veloso; Marcos Roberto Ribeiro; Fábio Pereira Dias
O café é um dos produtos agrícolas de maior relevância para a economia do Brasil, e sua qualidade final é determinada por diversos fatores, sendo um deles a torra. A torra do café determina as características sensoriais do produto, proporcionando mudanças no sabor, aroma, textura e cor. Durante o processo de torra, a cor dos grãos é utilizada como critério para interromper o processo. O grau de torra, muitas vezes, é determinado de forma subjetiva pelo torrefador. Existem padrões de representação de grau de torra dos grãos aceitos internacionalmente, como a escala Agtron. Entretanto, a utilização da escala Agtron envolve a aquisição de equipamentos consideravelmente caros ou comparação visual com discos impressos, o que, novamente, leva ao problema da subjetividade. O presente trabalho propõe uma metodologia alternativa e automatizada para a análise da cor do café torrado em grãos, com base na escala Agtron, por meio de uma aplicação computacional para dispositivos móveis. Através de experimentos e otimizações, foi desenvolvido um algoritmo de classificação utilizando florestas aleatórias que obteve uma precisão de 92.1% na predição da cor da torra de café em grãos. Os resultados obtidos são promissores e representam uma alternativa viável de baixo custo para avaliar o café torrado em função da cor.
Desenvolvimento de um aplicativo para delivery de bebidas
(2023-12-01) Veloso, Luiz Augusto Silva; Doutor Marcos Roberto Ribeiro
Diante de uma análise no mercado de delivery, foi observado que os aplicativos de sucesso não atendem às pequenas cidades do Brasil. Entretanto, em lojas de aplicativos, ou mesmo em trabalhos acadêmicos, é possível encontrar aplicativos de delivery que atendem aos estabelecimentos com serviços de refeições. Assim, o objetivo deste trabalho é informatizar a entrega de bebidas por meio do desenvolvimento de um aplicativo para dispositivo móveis, atendendo, também, as pequenas cidades do Brasil. No decorrer do trabalho, foram realizadas análises com os aplicativos existentes no mercado e com os aplicativos desenvolvidos em trabalhos acadêmicos, e, a partir disso, foram definidos os requisitos. Posteriormente, desenvolveram-se os protótipos das interfaces do usuário, a modelagem do banco de dados NOSQL, a implementação do aplicativo, utilizando-se o framework Flutter e a linguagem de programação Dart, sendo que, ao final, executaram-se os testes com as funcionalidades desenvolvidas. No trabalho, foi realizada a implementação do aplicativo para os clientes, e os estabelecimentos e os produtos foram adicionados diretamente no banco de dados.
Desenvolvimento de um aplicativo para recomendação de corretivos e fertilizantes com base em análise de solo
(0023-11-30) Rezende, Jean Gustavo Ferreira; Doutor Marcos Roberto Ribeiro; Doutor Carlos Manoel de Oliveira
Os gastos com fertilizantes impactam diretamente o custo de produção na agricultura. Assim, é importante utilizar tal insumo de forma racional para garantir a produtividade da lavoura sem aumentar o custo de produção. Considerando o crescente uso de ferramentas tecnológicas no setor rural, o objetivo do presente projeto foi desenvolver um aplicativo capaz de interpretar a análise de solo e recomendar as indicações de corretivos e fertilizantes para o cultivo das principais culturas anuais do Brasil. O desenvolvimento do aplicativo utilizou tecnologias multiplataforma, para que possa ser disponibilizado para diversos públicos. As metodologias utilizadas para as recomendações foram o método de saturação das bases, para a calagem; o teor de argila, para a gessagem; e as tabelas de extração, para a adubação. Como resultado, o presente trabalho criou um banco de dados com tabelas de extração de nutrientes, que possibilita a inclusão de outras culturas no futuro. O aplicativo gerado tem potencial para trazer benefícios significativos para a agricultura a um custo acessível.
Desenvolvimento de um material de ensino para kodular: uma abordagem prática para o ensino de programação para dispositivos móveis
(2024-08-07) Morais, Denilson Aparecido de; Mestre Cláudio Ribeiro de Sousa
Este trabalho abordou a importância do ensino de programação para dispositivos móveis, destacando o uso crescente de smartphones e tablets. A plataforma Kodular, que permite a criação de aplicativos móveis para Android sem a necessidade de programação textual, foi o foco da pesquisa. O objetivo foi desenvolver um material didático, gratuito e acessível para estudantes iniciantes, facilitando o aprendizado de desenvolvimento de aplicativos. A monografia começou com uma justificativa baseada no aumento da demanda por desenvolvedores de aplicativos móveis, evidenciada pelo crescimento do mercado de trabalho na área. Em seguida, foram discutidas as dificuldades comuns enfrentadas por iniciantes, como a complexidade de entender blocos de comando e estruturas de lógica. A partir dessas observações, foi proposto o desenvolvimento de um livro didático que abordasse o uso do Kodular de maneira prática e estruturada, oferecendo exemplos de projetos e exercícios práticos. A metodologia adotada organizou o conteúdo em níveis de complexidade, desde conceitos básicos até o desenvolvimento de aplicativos completos, de forma a se adequar a disciplina de Desenvolvimento para Dispositivos Móveis, do curso Técnico em Informática do IFMG - Campus Bambuí. O material incluiu instruções passo a passo e explorou a potencialidade do Kodular como ferramenta educativa, enfatizando sua capacidade de promover habilidades criativas e lógicas nos alunos. Apesar de não ter sido aplicado em sala de aula, concluiu-se que o Kodular é uma ferramenta promissora para o ensino de programação móvel e pode contribuir para a formação de profissionais capacitados e preparados para o mercado. O material foi submetido ao edital 185/2024 da editora do IFMG - Campus Bambuí, com o objetivo de democratizar o acesso ao conhecimento e incentivar o desenvolvimento de competências em programação.
Desenvolvimento de um objeto virtual de aprendizagem para o ensino de programação orientada a objetos: uma abordagem lúdica e interativa
(2024-04-02) Silva, Julia Gabriella Corrêa; Mestre Cláudio Ribeiro de Sousa
A relevância da programação e a crescente necessidade de habilidades nesse domínio têm sido cada vez mais evidentes. No entanto, é comum encontrar estudantes enfrentando dificuldades e desmotivação ao longo do processo de aprendizagem da programação. Na programação orientada a objetos, é crucial internalizar não apenas a sintaxe da linguagem, mas também os conceitos e a lógica por trás da organização modular e da abstração de dados. Além disso, a falta de prática e feedback adequado pode tornar o processo desmotivador para muitos estudantes. O estudo sobre o uso de jogos como forma de aprendizado tem se tornado cada vez mais relevante e difundido nas áreas da educação e tecnologia. Assim, este trabalho teve como propósito a criação de um jogo virtual como ferramenta de suporte ao ensino-aprendizagem dos conceitos principais da programação orientada a objetos. Durante o progresso, foi elaborada uma história simples, ambientada em um contexto medieval, e aplicadas técnicas de gamificação. O jogo foi desenvolvido na plataforma Unity e estruturado em três fases de dificuldade progressiva, cada uma introduzindo e explorando conceitos específicos que são ensinados através da narrativa. Ao finalizar o desenvolvimento, foram conduzidos testes de caixa-preta e correções das falhas, para garantir a qualidade e a integridade do sistema. Os resultados mostraram uma possibilidade futura de conduzir testes em uma disciplina, o que poderia ser realizado por meio da implementação de um estudo de caso com um grupo de estudantes para fortalecer a validação da ferramenta.
Desenvolvimento de um sistema iot para monitoramento de reservatórios: um estudo de caso no IFMG - Campus Bambuí
(2024-03-11) Silva, Luiz Augusto da; Especialista Carlos Renato Nolli
O problema da entrada de ar nas tubulações de água é uma questão recorrente na rede de abastecimento do IFMG - Campus Bambuí, acarretando uma série de complicações que afetam tanto a comunidade do Campus quanto o próprio sistema de fornecimento de água. Como proposta de solução para esse problema, este trabalho propôs o desenvolvimento de um sistema IoT para monitoramento de reservatórios como solução. O objetivo foi criar um sistema capaz de alertar os responsáveis pela manutenção sempre que houvesse risco de entrada de ar nas tubulações. A implementação desse projeto envolveu a utilização de diversas tecnologias, incluindo o microcontrolador ESP32, o pacote de recursos Selenium e o framework para aplicações Web Django. Após o desenvolvimento e a validação do sistema, constatou-se que essa solução, no caso, o envio do alerta de que o nível estava em um estado crítico, apresentou redução considerável no tempo de tomada de decisão, o que comprovou a eficácia da solução.
Detecção de outliers em séries temporais de carga com redes neurais recorrentes
(2023-12-11) Santos, Lucas Batista dos; Doutor Ciniro Aparecido Leite Nametala
Um aspecto importante da curva de carga horária disponibilizada pelo Operador Nacional do Sistema Elétrico (ONS) é a capacidade de analisar a variação no consumo de energia ao longo do tempo. A demanda horária, influenciada pela sazonalidade, serve como um indicador do consumo esperado de energia e do adequado funcionamento do Sistema Interligado Nacional (SIN). Embora seja possível identificar visualmente outliers na série temporal de carga horária, essa abordagem torna-se trabalhosa e imprecisa. Portanto, é preferível detectar automaticamente os outliers, levando em consideração os padrões sazonais. Neste trabalho, um modelo de Rede Neural Artificial (RNA) com células Long Short-Term Memory (LSTM) foi empregado para identificar outliers com base na sazonalidade. Foram utilizados dados históricos de consumo de energia coletados ao longo do tempo no subsistema Sudeste/Centro-Oeste (SECO). Para rotular os dados, utilizou-se a técnica Interquartile Range (IQR). O treinamento da RNA foi conduzido com base nos dados rotulados para os anos de 2020 e 2021. Posteriormente, o modelo foi testado com dados do ano de 2022. Os resultados foram positivos, alcançando métricas de precision e recall de 98% e 96%, respectivamente.
Multimedidor didático de baixo custo para motores de indução trifásicos
(2024-04-18) Barros, Sandy Cristina ; Francisco Heider Willy dos Santos
Diante da crescente demanda por aparelhos didáticos fundamentais para a equalização e aplicação de conceitos ensinados em sala de aula, a criação de dispositivos de medição acessíveis torna-se essencial. No entanto, os custos elevados associados a esses equipamentos representam um obstáculo significativo para sua adoção em bancadas didáticas. Portanto, o intuito deste trabalho de conclusão de curso foi desenvolver um multimedidor para fins didáticos, que possa ser aplicado a motores de indução trifásicos e permita a análise das variáveis, por meio de interfaces de comunicação. Para isso, utilizaram-se componentes como ESP32, ACS712, circuitos retificadores e display I2C, Python. Os resultados obtidos dos parâmetros medidos, entre eles tensão, corrente nas três e fases e RPM, foram satisfatórios, visto que com componentes de baixo custo foi possível desenvolver uma ferramenta didática, que permitiu avaliar o motor em diferentes condições de operação.
O uso da plataforma Roblox para a criação de objetos virtuais de aprendizagem: um estudo por meio do desenvolvimento de experiências e elaboração de tutorial
(2024-04-09) Murilo, Jorge Luís Vieira; Mestre Gabriel da Silva
No âmbito desta pesquisa, realizou-se um estudo sobre a viabilidade de se utilizar a plataforma Roblox na criação de Objetos Virtuais de Aprendizagem (OVA), cujo o intuito foi investigar a possibilidade de aplicação dessa ferramenta por professores sem experiência em programação, visando assim, expandir o uso de OVAs no ambiente educacional. Para alcançar este objetivo, optou-se por empregar a metodologia Design Science Research (DSR), que se mostrou adequada para definir o escopo de construção de dois artefatos: um tutorial destinado a professores leigos em programação e os próprios OVAs gerados a partir deste tutorial. Após a elaboração destes artefatos e aprofundada a exploração da plataforma, chegou-se à conclusão de que, embora o Roblox apresente um ambiente intuitivo para criação, ainda assim, é necessário possuir conhecimento prévio em programação para enfrentar os desafios inerentes à construção das experiências propostas. Consequentemente, a plataforma Roblox pode ser considerada uma opção viável para a construção de OVAs, desde que o usuário tenha um entendimento básico de programação para lidar com a criação de scripts. Este estudo evidencia a importância do contínuo desenvolvimento de ferramentas educacionais inovadoras, bem como da necessidade de preparo técnico dos docentes para a utilização eficaz de tais recursos no processo de ensino-aprendizagem.
Redução de dimensionalidade em dados de clima com uso de Stacked Autoencoders.
(2023-12-11) Silva, Kevenn Henrique de Paula; Doutor Ciniro Aparecido Leite Nametala
Durante as últimas décadas, as bases de dados vêm crescendo exponencialmente. Esse aumento não ocorre somente na quantidade de amostras de dados, mas também em relação à quantidade de características que descrevem as variáveis, deixando os datasets cada vez mais massivos. Devido a isso, torna-se necessária uma simplificação desses conjuntos de dados por meio de uma redução nessas dimensionalidades. Os dados climáticos são exemplos de dados que, geralmente, possuem muitas amostras e características envolvidas. Estes fatores acarretam uma alta dimensionalidade e, por sua vez, esse cenário afeta o custo computacional e a capacidade preditiva, prejudicando a busca por padrões e descoberta de conhecimento. Além disso, a redução de dimensionalidade irá beneficiar a visualização e o armazenamento de grandes conjuntos de dados climáticos. Desse modo, este trabalho propôs utilizar uma Rede Neural Artificial (RNA) com arquitetura Autoencoder (AE), especificamente um tipo chamado de Stacked Autoencoder (SAE), para realizar a compressão de dados climáticos de entrada, criando uma representação compacta e de menor dimensão. Após isso, com a capacidade do AE de reconstruir os dados de entrada a partir dessa representação latente, verificou-se que a redução de dimensionalidade é boa o suficiente para reconstruir os dados. Estes dados reconstruídos foram avaliados por meio do erro quadrático médio (EQM), obtendo-se um valor de 0.01605. Com esse resultado, é possível confirmar que a RNA cumpriu sua função de reduzir a base de dados climáticos.

Navegar

Navegando Bacharelado em Engenharia da Computação por Título

Resultados por página

Opções de Ordenação