Trabalho de Conclusão de Curso
URI Permanente para esta coleção
Navegar
Submissões Recentes
- ItemAplicações de redes neurais na previsão de operações day trade(2023-11-22) Santos, Yuri Gandra; Mestre Mário Luiz Rodrigues Oliveira; Mestre Rodrigo Menezes Sobral ZacaroniEsta monografia abordou o desenvolvimento e análise de quatro modelos de redes neurais: Autoencoders, Redes neurais convolucionais, Redes neurais Long Short-Term Memory (LSTM) e as Redes neurais multilayer perceptron (MLP), visando avaliar seu desempenho em operações de day trade. Os resultados destacaram a complexidade da implementação de redes neurais no ambiente financeiro, com cada modelo apresentando características únicas e trade-offs significativos. O estudo ressaltou a importância de abordagens adaptativas e cuidadosas na escolha e implementação de redes neurais em sistemas de negociação, reconhecendo a inexistência de uma solução universal. No trabalho esses modelos foram implementados, testados e avaliados utilizando métricas como lucro obtido, numero de negociações, porcentagem de negociações com lucro, fator de lucro e fator de recuperação. Para treinamento dos modelos foi utilizado o período de 01/2018 até 01/2023, com 70% dos dados coletados destinados a treinamento e 30% para teste. Utilizou-se 5 features como entrada para cada uma das redes implementadas, sendo: preço de abertura, preço de fechamento, máxima, mínima e uma média móvel de 21 períodos. Ao fim do trabalho conclui-se que o melhor modelo de rede neural dentre as analisadas foi o autoencoder. Por obter o maior lucro e na maior parte dos testes os melhores resultados de acordo com as métricas adotadas. Isso não indica que as outras são ruins ou não podem ser utilizadas no mercado financeiro. Apenas que para o tempo gráfico de 15 minutos o modelo que apresentou o melhor resultado foi o autoencoder e que nesse cenário ele é a melhor opção.
- ItemEstudo e implementação de classificadores binários para detecção de malwares de Android baseados em features estáticas(2023-11-21) Azevedo, Rafael Alvarenga de; Mestre Mário Luiz Rodrigues OliveiraEste trabalho oferece uma visão abrangente sobre a crescente dependência da sociedade contemporânea em relação à tecnologia, em particular aos dispositivos móveis . Diante disso, destaca-se que aplicativos maliciosos de Android podem ser usados para uma ampla gama de atividades ilícitas que afetam a segurança e a privacidade dos usuários. Logo, é necessário uma intervenção por parte de pesquisadores para responder e mitigar esse tipo de ameaça cibernética. Para contribuir com essa premissa, conduziu-se uma revisão sistemática da literatura, de estudos entre os anos de 2015 a 2021, para identificar técnicas e ferramentas que tratam problemas de Análise de Malware em dispositivos Android. Consequentemente, leram-se 60 artigos na íntegra para compilar e classificar técnicas e ferramentas, tipos de malwares e técnicas anti-análise de malware, mais recorrentes. Por conseguinte, os resultados deste trabalho permitem concluir que a análise de malwares em dispositivos Android está em constante evolução, pois existem técnicas tanto para analisar amostras, como para impedir esta análise. Ainda, identificaram-se 118 técnicas, de classes distintas, para tratar os problemas dessa área de estudo; 357 ferramentas, classificadas como as técnicas; 9 técnicas anti-análises; e 14 tipos de malwares. Adicionalmente, por meio da montagem de um dataset com 10000 aplicativos, legítimos e maliciosos, com o emprego das técnicas Permission based Analysis, Call Graph Analysis e Taint Analysis, conclui-se que é possível caracterizar aplicativos Android, na medida em que são identificados métodos alcançáveis no call graph de um app e métodos que vazam informações sensíveis do usuário. Com o dataset pronto, implementou-se e avaliou-se os resultados dos seguintes classificadores binários: Decision Tree, Random Forest, Adaboost, Naive Bayes e SVM (RBF).
- ItemFiltragem Híbrida para Sistema de Recomendação de Livros utilizando Redes Neurais(2023-12-19) Mendes, Bruna Cristina; Mestre Everthon Valadão dos SantosEsta monografia aborda o desenvolvimento de um sistema de recomendação híbrido para livros, combinando abordagens colaborativas e baseadas em conteúdo, impulsionado por Redes Neurais. A crescente complexidade e diversidade dos dados tornam essencial a adoção de modelos híbridos, e este trabalho justifica-se pela necessidade de oferecer aos leitores sugestões mais relevantes e personalizadas, superando as limitações dos modelos tradicionais. O objetivo do trabalho é estudar, implementar e avaliar um sistema de recomendação híbrido, utilizando uma Deep Neural Network (DNN), que não apenas sugira obras com base em preferências passadas, mas também leve em conta características literárias específicas, proporcionando recomendações mais contextuais. A validação foi conduzida por meio de experimentos utilizando os conjuntos de dados do BookCrossing e da Amazon, e a avaliação é feita comparando a precisão das recomendações com o modelo de filtragem colaborativa e identificando melhorias na personalização do modelo híbrido proposto. As principais contribuições deste trabalho incluem a implementação de um sistema híbrido eficaz, que possibilita a avaliação comparativa com modelos tradicionais e análise das melhorias alcançadas.
- ItemO uso do NSGA-II para maximizar o lucro e a distribuição dos recursos entre apostas esportivas(2023-12-12) Sales, João Geraldo Borges; Mestre Everthon Valadão dos SantosO mercado de apostas esportivas online está em ascensão, movimentando dezenas de bilhões de dólares. A abordagem convencional de aproveitar as oportunidades decorrentes de erros de precificação nas casas de apostas (surebets) pode não ser sustentável quando empregada sem moderação. Investimentos elevados, voltados para maximizar o lucro, facilitam a identificação dessa estratégia, como consequência possíveis restrições, podem ocorrer cancelamento de apostas ou até mesmo o bloqueio de suas contas por parte das casas de apostas. Este trabalho propõe o desenvolvimento de um protótipo de software para otimizar o lucro e a distribuição eficiente de recursos entre um conjunto de surebets disponíveis, aproveitando oportunidades decorrentes de erros das casas de apostas. A solução proposta adota o uso da meta-heurística NSGA-II, uma abordagem multi-objetivo, para gerar soluções que maximizem não só o lucro, mas também otimizem a distribuição do investimento entre as apostas com a intenção de evitar bloqueios e/ou limitações. Utilizando dados coletados de janeiro a outubro/2023 por meio de uma API e da construção de um algoritmo, montamos um dataset contendo mais de 2.400 jogos e centenas de surebets identificadas. Para validar o algoritmo foram considerados quatro cenários, explorando diferentes operadores de crossover. Com meta-heurística parametrizada, é gerado um conjunto de soluções que maximizam o lucro e a distribuição eficiente de recursos entre as surebets. Os resultados alcançados por este trabalho se traduzem em um protótipo de software que proporciona soluções adaptáveis a diversos perfis de apostadores, desde os mais conservadores, que preferem distribuir o investimento entre várias surebets, até os mais arrojados, que buscam maximizar o lucro e preferem investir na surebet que oferece o maior lucro.
- ItemUma ferramenta de um aplicativo para propor e exibir rotas para a coleta de resíduos sólidos em ambientes urbanos(2023-11-13) Mário Luiz Rodrigues OliveiraA coleta de lixo é uma atividade muito importante na sociedade atual, por causa dessa relevância os municípios estabelecem diretrizes legais para o cumprimento e realização dessa atividade. Segundo o plano municipal de saneamento básico da prefeitura de Formiga e conforme a lei Federal nº. 11.445/2007 do código de limpeza urbana, a coleta de lixo é um dos serviços de limpeza urbana que são responsabilidades básicas do poder executivo. Dados de 2008 produzidos pelo IBGE indicam que 98% dos domicílios localizados em zonas urbanas têm serviço de coleta de lixo. Além disso, o lixo coletado no Brasil no ano de 2020 alcançou a taxa média de 379,2 kg/hab/ano, ou seja, o Brasil produz aproximadamente 79 milhões de toneladas de lixo em 2018 (IBGE, 2012). Dada a importância do tema, propõe-se um protótipo de aplicativo para exibir graficamente rotas a serem seguidas na coleta de resíduos sólidos na cidade de Formiga. Neste trabalho, abordou-se o problema para definição de rotas para coleta de resíduos sólidos como instancia do Problema Roteamento de Veículos Capacitado (CVRP). Identificou-se na literatura que as abordagens algorítmicas mais utilizadas na resolução do CVRP são: Algoritmos Genéticos, Colônia de Formiga e Optimização por enxame de partículas. Implementaram-se tais algoritmos e realizaram-se computacionais em alguns benchmarks. Os resultados experimentais indicaram que a abordagem utilizando algoritmos genéticos é a mais promissora. Assim, aplicou-se tal abordagem para propor rotas de coleta de resíduos sólidos em bairros da cidade de Formiga. Por fim, foi construído um aplicativo em Flutter para mostrar os resultados e também uma API em Spring Boot para fazer a comunicação entre os códigos.