Trabalho de Conclusão de Curso
URI Permanente para esta coleção
Navegar
Submissões Recentes
Agora exibindo 1 - 4 de 4
- ItemDESENVOLVIMENTO DE PRODUTO TÉCNICO: CHATBOT AURORA, UMA ASSISTENTE VIRTUAL PARA INTERAÇÃO HUMANIZADA NO BLOG DIÁRIO DA MÃE EM CONSTRUÇÃO(2025-02-13) Ivanete Fátima de Azevedo; Dra. Sílvia Grasiella Moreira AlmeidaO presente trabalho apresenta o desenvolvimento e a implementação do chatbot Aurora, uma assistente virtual criada para o blog Diário da Mãe em Construção. O objetivo principal da Aurora é facilitar o acesso às cartas temáticas publicadas no blog, proporcionando uma interação mais próxima entre as mães e a plataforma por meio do aplicativo de mensagens WhatsApp. Dessa forma, busca-se contribuir para o fortalecimento da rede de acolhimento e troca de experiências já existentes no projeto do blog. Utilizando a linguagem Python, com automação via Selenium e integração com APIs de Inteligência Artificial, como o GPT e o Gemini, o sistema foi projetado para interagir de maneira humanizada com os usuários, atendendo às suas demandas específicas. Foi desenvolvido um painel administrativo que permite configurações rápidas e intuitivas no chatbot. Ao final do trabalho, é apresentado um tutorial com etapas simplificadas para a implementação da Aurora.
- ItemPrevisão de séries temporais de evapotranspiração de referência com modelos multivariados nos diferentes climas do Brasil.(2025-02-11) Fernandes, Fernando dos Santos Alves; Doutor Carlos Alberto Severiano JúniorEste estudo avaliou o desempenho de modelos de previsão multivariada para evapotranspiração de referência. Seis conjuntos de dados foram selecionados, cada um representando um clima brasileiro, e quatro modelos foram aplicados: VAR, RF, CNN e Transformer. Os resultados do RMSE foram comparados em dois cenários, mostrando que VAR e RF tiveram melhor desempenho em todos os climas. Usar apenas as quatro variáveis mais importantes afetou significativamente apenas o comportamento da CNN.
- ItemPrevisão de Ações Brasileiras utilizando Redes Neurais LSTM e modelo GARCH(2025-12-03) Nascimento, Marco Antonio do; Doutor Carlos Alexandre Silva; Doutor Carlos Alberto Severiano JúniorO propósito deste trabalho é estimar o comportamento dos preços diários das principais ações do mercado de ações brasileiro no período entre 2000 e 2024, a partir de dois modelos: um modelo de Redes Neurais LSTM e um modelo Híbrido onde se insere a estimação de volatilidade GARCH junto ao modelo LSTM, denominado GARCH-LSTM. Como resultados, pode-se afirmar que o comportamento dos preços das séries financeiras examinadas foi adequadamente estimado tanto pelo modelo LSTM quanto pelo modelo LSTM/GARCH. No que tange a escolha do modelo ideal, verificou-se que a maior parte das ações analisadas, apresentaram melhores resultados de estimação junto ao modelo GARCH-LSTM indicando que ao se inserir a estimação de volatilidade no modelo, há uma melhora na previsão do comportamento dos preços de ações.
- ItemAplicação de Modelos de Linguagem de Grande Escala (LLMs) na Automação Cognitiva: uma prova de conceito em atendimento ao cliente(2024-09-13) Santana, Alexandre Fortes; Doutor Frederico Gadelha GuimarãesEste trabalho apresenta a aplicação de modelos de linguagem de grande escala (LLMs), especificamente o GPT-4, na automação da avaliação de atendimentos ao cliente, validando sua eficácia por meio de uma prova de conceito (PoC) implementada em um ambiente real na Efí Bank. A hipótese inicial propôs que o LLM poderia reduzir a necessidade de intervenção humana direta na classificação e análise de chamados, permitindo que ajustes fossem realizados por profissionais não especializados em TI, como líderes de atendimento ou analistas de qualidade. Os resultados corroboram essa hipótese, destacando a flexibilidade dos LLMs em se adaptarem a novas demandas com simples ajustes de prompts. Além disso, o projeto demonstrou que a automação pode realizar milhares de análises com um custo operacional competitivo, liberando os profissionais para focarem em atividades de maior valor agregado. Entre os principais desafios enfrentados, destacam-se a sensibilidade dos LLMs ao formato dos prompts e o fenômeno das ``alucinações", em que o modelo pode gerar dados inexistentes ao tentar responder a uma solicitação inadequada. Para mitigar esses desafios, foram implementadas estratégias de refinamento dos prompts e normalização de dados quantitativos. Os resultados obtidos demonstram que, além de serem economicamente viáveis, os LLMs podem superar as limitações de análises humanas tradicionais em termos de escala e consistência. O projeto também identificou oportunidades de aplicação dessa tecnologia em outras áreas da organização, como na detecção de fraudes e na automação de processos comerciais, ampliando o impacto estratégico da automação cognitiva dentro da empresa.