{"id":32,"date":"2021-05-06T18:40:53","date_gmt":"2021-05-06T22:40:53","guid":{"rendered":"https:\/\/labcompctcptl.ufms.br\/?page_id=32"},"modified":"2021-06-05T15:12:28","modified_gmt":"2021-06-05T19:12:28","slug":"pesquisa","status":"publish","type":"page","link":"https:\/\/labcompctcptl.ufms.br\/en\/projetos\/pesquisa\/","title":{"rendered":"Pesquisa"},"content":{"rendered":"<p><strong>Uso de ferramentas de gest\u00e3o do conhecimento para apoio a modelagem de requisitos de software.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: A finalidade de todo software comercial \u00e9 atender a um conjunto de requisitos correspondentes \u00e0s necessidades do neg\u00f3cio do cliente. No entanto, uma das principais causas da falta de qualidade de software est\u00e1 nas especifica\u00e7\u00f5es de requisitos incompletas, que pode ocasionar vi\u00e9s de interpreta\u00e7\u00e3o, perda de informa\u00e7\u00f5es, atrasos no projeto, al\u00e9m de custos crescentes. Nesse contexto, o objetivo deste projeto \u00e9 a utiliza\u00e7\u00e3o de um processo de aquisi\u00e7\u00e3o de conhecimento, baseado em sem\u00e2ntica verbal, como um complemento para a modelagem de requisitos. A modelagem de requisitos define uma cole\u00e7\u00e3o de modelos utilizada na fase de an\u00e1lise de requisitos. Os resultados permitir\u00e3o verificar a efic\u00e1cia do processo com rela\u00e7\u00e3o a sua capacidade de obter uma lista contendo os requisitos definidos pelo cliente, os intervenientes, e como eles interagem uns com os outros, assim como verificar quanto ele \u00e9 sistem\u00e1tico, pudendo auxiliar, desse modo, na elimina\u00e7\u00e3o de erros subjetivos de interpreta\u00e7\u00e3o e tornando a an\u00e1lise de requisitos mais simples, \u00e1gil e eficiente.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: <span data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Ivone,Ronaldo,Franciene,Rodrigo,Vitor&quot;}\" data-sheets-userformat=\"{&quot;2&quot;:513,&quot;3&quot;:{&quot;1&quot;:0},&quot;12&quot;:0}\">Franciene Duarte Gomes.<\/span><\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: <span data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Ivone,Ronaldo,Franciene,Rodrigo,Vitor&quot;}\" data-sheets-userformat=\"{&quot;2&quot;:513,&quot;3&quot;:{&quot;1&quot;:0},&quot;12&quot;:0}\">Franciene Duarte Gomes<\/span>.\u00a0<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: N\/A.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2020-2021.<\/span><\/li>\n<\/ul>\n<p><strong>Representa\u00e7\u00f5es semanticamente enriquecidas para minera\u00e7\u00e3o de textos em portugu\u00eas: Modelos e Aplica\u00e7\u00f5es.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Com a crescente gera\u00e7\u00e3o e disponibiliza\u00e7\u00e3o de textos, seja internamente nas organiza\u00e7\u00f5es ou na Web, t\u00e9cnicas de Minera\u00e7\u00e3o de Textos t\u00eam se tornado essenciais no apoio \u00e0 an\u00e1lise e extra\u00e7\u00e3o de conhecimento desses dados. Independentemente da aplica\u00e7\u00e3o ou t\u00e9cnica utilizada, o tratamento sem\u00e2ntico dos textos \u00e9 um grande desafio do processo de minera\u00e7\u00e3o. Esse desafio \u00e9 ainda maior quando se considera textos escritos no idioma portugu\u00eas, visto as particularidades do idioma e o limitado volume de recursos e pesquisas desenvolvidas. Nesse contexto, este projeto visa avan\u00e7ar as pesquisas da \u00e1rea de Minera\u00e7\u00e3o de Textos, com foco no idioma portugu\u00eas, e disseminar o conhecimento da \u00e1rea por meio da aplica\u00e7\u00e3o em diferentes problemas do mundo real. Assim, ser\u00e3o investigados e propostos modelos de representa\u00e7\u00e3o de textos semanticamente enriquecidos, abordando tanto representa\u00e7\u00f5es no modelo espa\u00e7o-vetorial quanto representa\u00e7\u00f5es em rede, bem como sua aplica\u00e7\u00e3o no aprendizado baseado em uma \u00fanica classe. Para viabilizar a pesquisa, cole\u00e7\u00f5es de textos escritos em portugu\u00eas ser\u00e3o coletadas, preparadas e caracterizadas, disponibilizando \u00e0 comunidade informa\u00e7\u00f5es consolidadas sobre cole\u00e7\u00f5es rotuladas e disponibilizadas para pesquisa. Por fim, as representa\u00e7\u00f5es semanticamente enriquecidas ser\u00e3o avaliadas e aplicadas em diferentes problemas pr\u00e1ticos de Minera\u00e7\u00e3o de Textos, como an\u00e1lise de sentimentos, sistemas de recomenda\u00e7\u00e3o, detec\u00e7\u00e3o de not\u00edcias falsas, descoberta baseada em literatura e minera\u00e7\u00e3o de eventos.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: <span data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Solange Oliveira Rezende&quot;}\" data-sheets-userformat=\"{&quot;2&quot;:513,&quot;3&quot;:{&quot;1&quot;:0},&quot;12&quot;:0}\">Solange Oliveira Rezende.<\/span><\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi, Ricardo Marcondes Marcacini.\u00a0<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Funda\u00e7\u00e3o de Amparo \u00e0 Pesquisa do Estado de S\u00e3o Paulo.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2020-Atual.<\/span><\/li>\n<\/ul>\n<p><strong>Plataforma de Gerenciamento de Provas Virtuais.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Uma plataforma web completa para gerenciamento de provas virtuais com o diferencial de incorporar provas adaptativas, intelig\u00eancia artificial para apoiar corre\u00e7\u00e3o de quest\u00f5es discursivas e detec\u00e7\u00e3o de pl\u00e1gio, bem como integra\u00e7\u00e3o com ferramentas de acessibilidade para defici\u00eancia auditiva e visual.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi.\u00a0<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: CAPES &#8211; Centro Anhanguera de Promo\u00e7\u00e3o e Educa\u00e7\u00e3o Social.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2019-Atual.<\/span><\/li>\n<\/ul>\n<p><strong>Aprendizado de Websensors para Agroneg\u00f3cios.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: O agroneg\u00f3cio \u00e9 uma das principais atividades econ\u00f4micas do Brasil, representando anualmente (desde 2006) uma m\u00e9dia de 21% do PIB brasileiro, acumulando um crescimento de 4,4% em 2016, mesmo em per\u00edodo de recess\u00e3o econ\u00f4mica. Por outro lado, a cadeia produtiva do agroneg\u00f3cio \u00e9 considerada complexa devido aos muitos fatores envolvidos, como efeitos clim\u00e1ticos, controle de pragas e doen\u00e7as, controle de insumos (e.g. fertilizantes, sementes, defensivos, vacinas e m\u00e1quinas), servi\u00e7os de cr\u00e9dito (e.g. c\u00e2mbio e taxas de juros), as atividades de produ\u00e7\u00e3o de agricultura e pecu\u00e1ria propriamente ditas; e as etapas p\u00f3s-produ\u00e7\u00e3o, como embalagem, armazenagem, industrializa\u00e7\u00e3o, transporte e distribui\u00e7\u00e3o. Esta diversidade de fatores \u00e9 respons\u00e1vel pelo conceito de riscos e incertezas da cadeia produtiva do agroneg\u00f3cio, com a principal consequ\u00eancia de que o pre\u00e7o de venda durante a etapa de comercializa\u00e7\u00e3o foge ao controle do produtor. Assim, uma gest\u00e3o moderna do agroneg\u00f3cio incorpora instrumentos para gerenciamento de riscos com o objetivo de amenizar tais incertezas e conferir uma estabilidade m\u00ednima ao produtor. Nesse contexto, o gerenciamento de riscos com uso de mercado de futuros, como a Bolsa de Mercadorias e Futuros da BOVESPA (BM&amp;F-BOVESPA) tem se tornado cada vez mais popular, atingindo 1.860.877 contratos de derivativos relacionados ao agroneg\u00f3cio em 2016. Neste mercado, o produtor (avesso ao risco) transfere o risco de oscila\u00e7\u00e3o do pre\u00e7o para empresas e\/ou indiv\u00edduos que operam no mercado de futuros e que esperam receber um pr\u00eamio para assumir tal risco. Definir boas estrat\u00e9gias de gerenciamento de riscos depende de um conjunto adequado de informa\u00e7\u00f5es sobre problema para determinar intervalos de varia\u00e7\u00e3o de pre\u00e7os no futuro. Neste projeto \u00e9 proposto um produto denominado Websensors Analytics para inovar o gerenciamento de riscos em agroneg\u00f3cios. Websensors \u00e9 um framework de aprendizado de m\u00e1quina com o diferencial de coletar e combinar grandes bases de informa\u00e7\u00f5es dispon\u00edveis em diversas fontes sobre agroneg\u00f3cios, como not\u00edcias e boletins especializados, e utilizar tais bases de dados em conjunto com indicadores oficiais (como cota\u00e7\u00f5es de pre\u00e7os) para melhorar tarefas de an\u00e1lise preditiva de pre\u00e7os. Esta proposta de inova\u00e7\u00e3o tecnol\u00f3gica \u00e9 baseada em 4 anos de pesquisa na \u00e1rea, com resultados promissores para apoiar o desenvolvimento deste produto. Al\u00e9m da aus\u00eancia de produtos nacionais similares nesta \u00e1rea espec\u00edfica, o agroneg\u00f3cios est\u00e1 em acentuada expens\u00e3o e exigir\u00e1 cada vez mais de solu\u00e7\u00f5es inovadoras para aumentar a efici\u00eancia deste setor.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi.\u00a0<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Conselho Nacional de Desenvolvimento Cient\u00edfico e Tecnol\u00f3gico.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2019-Atual.<\/span><\/li>\n<\/ul>\n<p><strong>Product2Vec: Representa\u00e7\u00e3o Sem\u00e2ntica de Produtos de Lojas Virtuais utilizando Aprendizado de M\u00e1quina.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Consumidores t\u00eam realizado pesquisas explorat\u00f3rias cada vez mais longas considerando um n\u00famero cada vez maior de diferentes fontes e tipos de informa\u00e7\u00f5es. Lojas virtuais, canais de youtube, agregadores de ofertas, not\u00edcias, f\u00f3runs de discuss\u00e3o, sites de fabricantes e redes sociais s\u00e3o exemplos das diversas fontes de informa\u00e7\u00e3o que consumidores podem utilizar para decidir sua compra. Essas fontes apresentam informa\u00e7\u00e3o de v\u00e1rios tipos, tais como descri\u00e7\u00f5es de produtos, especifica\u00e7\u00f5es, avalia\u00e7\u00f5es de consumidores, revis\u00f5es de especialistas, v\u00eddeos de demonstra\u00e7\u00e3o, imagens dos produtos, perguntas e respostas, entre outros tipos de dados. Essa grande quantidade de informa\u00e7\u00f5es pulverizadas em diversos locais t\u00eam tornada a jornada de pesquisa e de decis\u00e3o de compra tem sido cada vez mais longa e gerado cada vez mais inseguran\u00e7a aos consumidores. Nesse sentido, avan\u00e7os recentes em representa\u00e7\u00f5es multivis\u00e3o (multi-modal) na \u00e1rea de Aprendizado de M\u00e1quina e Deep Learning podem suportar novas aplica\u00e7\u00f5es para facilitar a personaliza\u00e7\u00e3o e explora\u00e7\u00e3o dessa informa\u00e7\u00f5es. Considerar esses avan\u00e7os no dom\u00ednio de produtos (e seus conte\u00fados relacionados) de e-commerce representa um desafio t\u00e9cnico-cient\u00edfico e \u00e9 o objetivo principal deste projeto de pesquisa. Esfor\u00e7os t\u00e9cnicos e de pesquisa cient\u00edfica j\u00e1 t\u00eam sido empregados pela Birdie para coletar e estruturar dados desse dom\u00ednio desenvolver tecnologias que habilitem aplica\u00e7\u00f5es para auxiliar consumidores, como buscas mais sem\u00e2nticas e agrega\u00e7\u00e3o e personaliza\u00e7\u00e3o de diferentes tipos de informa\u00e7\u00f5es. A empresa j\u00e1 conta com uma base de dados com mais de de 50 milh\u00f5es de registros entre ofertas, avalia\u00e7\u00f5es\/reviews, imagens, perguntas e respostas de 420 diferentes fontes, al\u00e9m mais de 5 milh\u00f5es de pre\u00e7os s\u00e3o monitorados e armazenados diariamente. Esses dados est\u00e3o sendo utilizados para criar aplica\u00e7\u00f5es, aplicar e avaliar tarefas de Aprendizado de M\u00e1quina tradicionais como a classifica\u00e7\u00e3o desses registros em categorias, an\u00e1lise de sentimentos de avalia\u00e7\u00f5es, estrutura\u00e7\u00e3o de descri\u00e7\u00f5es de produtos, entre outras. Esses esfor\u00e7os resultaram em alguns produtos, tais como o m\u00f3dulo de matching (de-duplica\u00e7\u00e3o) autom\u00e1tico de diferentes ofertas de um mesmo produto e a consolida\u00e7\u00e3o e agrega\u00e7\u00e3o de diferentes informa\u00e7\u00f5es sobre produtos. A demonstra\u00e7\u00e3o de ambas como produto final ao consumidor pode ser encontrada em http:\/\/find.birdie.ai\/. No entanto, foram utilizados m\u00e9todos tradicionais de aprendizado de m\u00e1quina que dependem muito de valida\u00e7\u00e3o humana, como rotula\u00e7\u00e3o de amostras, cria\u00e7\u00e3o de dicion\u00e1rios e constru\u00e7\u00e3o de listas de refer\u00eancias (marcas, categorias e modelos). Tais limita\u00e7\u00f5es reduzem a escala da solu\u00e7\u00e3o e dificultam sua expans\u00e3o para diversas categorias de produtos. Por outro lado, avan\u00e7os recentes na \u00e1rea de aprendizado de m\u00e1quina que utilizam conceitos de Deep Learning, regulariza\u00e7\u00e3o de similaridades e modelagem por redes heterog\u00eaneas demandam um grande volume de dados para funcionar mas precisam de poucos exemplos rotulados (aprendizado semissupervisionado), possibilitando menor interven\u00e7\u00e3o humana no processo de aprendizado e maior generalidade e escala dos modelos criados. Nesse sentido, este projeto de pesquisa tem como principal intuito adaptar e incorporar m\u00e9todos recentes de aprendizado de m\u00e1quina que lidam com dados heterog\u00eaneos para estruturar a grande quantidade de informa\u00e7\u00f5es contidas no dom\u00ednio de e-commerce. O resultado final da estrutura\u00e7\u00e3o dessas informa\u00e7\u00f5es \u00e9 chamado nesta proposta de Product2Vec, em que \u00e9 obtida uma nova representa\u00e7\u00e3o sobre os produtos de com\u00e9rcio eletr\u00f4nico, integrando fichas t\u00e9cnicas, reviews, coment\u00e1rios, e diversos outros metadados. Essa nova representa\u00e7\u00e3o permitir\u00e1 correlacionar diretamente diferentes tipos de informa\u00e7\u00f5es do modelo e fornecer\u00e1 maior flexibilidade e poder de escala para criar aplica\u00e7\u00f5es relacionadas ao dom\u00ednio da empresa.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Everton Alvares Cherman.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi, Ricardo Marcondes Marcacini.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: N\/A.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2019-2020.<\/span><\/li>\n<\/ul>\n<p><strong>Intelig\u00eancia Anal\u00edtica para Agroneg\u00f3cios: Um Framework de Aprendizado de M\u00e1quina Multivis\u00e3o baseado em Regulariza\u00e7\u00e3o de Similaridades.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Intelig\u00eancia Anal\u00edtica pode ser definida como a explora\u00e7\u00e3o de t\u00e9cnicas computacionais para an\u00e1lises descriticas e preditivas baseadas em grandes bases de dados, com o objetivo de oferecer maior probabilidade de acerto em processos de tomada de decis\u00e3o. Para apoiar o processo de Intelig\u00eancia Anal\u00edtica s\u00e3o utilizadas as cota\u00e7\u00f5es hist\u00f3ricas de pre\u00e7o (para considerar sazonalidade dos pre\u00e7os); previs\u00f5es clim\u00e1ticas que podem afetar a produ\u00e7\u00e3o; informa\u00e7\u00f5es sobre oferta e demanda que atuam diretamente nos pre\u00e7os; planos de incentivo ou subs\u00eddio governamental; taxa de juros e c\u00e2mbio que afetam servi\u00e7os de cr\u00e9dito e custo dos insumos; e not\u00edcias espec\u00edficas sobre o produto em quest\u00e3o, como ocorr\u00eancia de pragas e doen\u00e7as, queimadas, novas variedades, supersafras ou quebra de safras em outras regi\u00f5es, etc. Al\u00e9m da dificuldade de reunir todas as informa\u00e7\u00f5es relevantes, h\u00e1 o grande desafio de extrair e combinar tais informa\u00e7\u00f5es para a an\u00e1lise propriamente dita, j\u00e1 que a grande maioria dessa informa\u00e7\u00e3o est\u00e1 em formato textual por meio de relat\u00f3rios, not\u00edcias e boletins. Em vista desses desafios e dificuldades, recentemente solu\u00e7\u00f5es computacionais baseadas em aprendizado de m\u00e1quina t\u00eam sido propostas para apoiar o desenvolvimento de solu\u00e7\u00f5es de Intelig\u00eancia Anal\u00edtica. A ideia b\u00e1sica dos algoritmos de aprendizado de m\u00e1quina \u00e9 explorar um conjunto de dados que reprenta a informa\u00e7\u00e3o hist\u00f3rica (experi\u00eancia) existente sobre o problema para aprender um modelo (que generaliza a experi\u00eancia) capaz de realizar predi\u00e7\u00f5es a partir de novas informa\u00e7\u00f5es. Atualmente, \u00e9 reconhecido na literatura que as abordagens existentes s\u00e3o limitadas, pois oferecem solu\u00e7\u00f5es gen\u00e9ricas para Intelig\u00eancia Anal\u00edtica. \u00c9 consenso que uma solu\u00e7\u00e3o eficaz de Intelig\u00eancia Anal\u00edtica deve ser (i) orientado ao dom\u00ednio do problema e (ii) poss\u00edvel de agregar de m\u00faltiplas vis\u00f5es dos dados provenientes de diferentes fontes e tipos de conhecimento. Neste projeto \u00e9 investigado solu\u00e7\u00f5es para um problema comum \u00e0s abordagens tradicionais de aprendizado de m\u00e1quina, em que aplica\u00e7\u00f5es para intelig\u00eancia anal\u00edtica utilizam uma representa\u00e7\u00e3o &#8216;monovis\u00e3o&#8217; dos dados, ou seja, as caracter\u00edsticas (ou atributos) do problema, s\u00e3o compostas apenas por termos (palavras-chaves ou express\u00f5es) extra\u00eddos das not\u00edcias e relat\u00f3rios; ou apenas por indicadores econ\u00f4micos. No entanto, tal problema pode ser melhor representado por uma abordagem &#8216;multivis\u00e3o&#8217;, o que permite diferenciar determinados termos conforme sua fun\u00e7\u00e3o no texto, como informa\u00e7\u00e3o temporal, informa\u00e7\u00e3o geogr\u00e1fica, nomes pr\u00f3prios e nomes de organiza\u00e7\u00f5es. Em aplica\u00e7\u00f5es envolvendo Intelig\u00eancia Anal\u00edtica, na qual se deseja mapear e sensoriar fen\u00f4menos do mundo virtual para o mundo f\u00edsico, considerar essas informa\u00e7\u00f5es adicionais naturalmente proporciona resultados mais robustos. Considerando que cada vis\u00e3o dos dados possui uma medida pr\u00f3pria de similaridade (ou correla\u00e7\u00e3o) entre suas inst\u00e2ncias, uma forma de lidar com aprendizado de m\u00e1quina multivis\u00e3o \u00e9 via regulariza\u00e7\u00e3o de similaridades. Na pr\u00e1tica, o objetivo \u00e9 aprender uma nova similaridade entre os dados, ou seja, um novo espa\u00e7o dimensional em que as inst\u00e2ncias provenientes de diferentes espa\u00e7os possam ser comparadas. A defini\u00e7\u00e3o de uma boa medida de similaridade \u00e9 crucial para a efic\u00e1cia de muitos algoritmos de aprendizado de m\u00e1quina. A regulariza\u00e7\u00e3o de similaridades visa obter uma nova medida de similaridade, em um novo espa\u00e7o dimensional, de acordo com as propriedades espec\u00edficas de cada conjunto de dados por meio de um processo de consenso; resultando em uma solu\u00e7\u00e3o \u00fanica e potencialmente mais robusta.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: N\/A.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2018-Atual.<\/span><\/li>\n<\/ul>\n<p><strong>Uma Abordagem Multimodal para Recupera\u00e7\u00e3o Baseada em Conte\u00fado de Imagens M\u00e9dicas Similares em Banco de Dados Relacionais.<\/strong><\/p>\n<ul>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Maxwell Sampaio dos Santos.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Maxwell Sampaio dos Santos.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: N\/A.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2018-Atual.<\/span><\/li>\n<\/ul>\n<p><strong>Aprendizado de M\u00e1quina Baseado em Uma \u00danica Classe: Algoritmos e Aplica\u00e7\u00f5es.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: A quantidade de dados dispon\u00edvel em formato digital na rede mundial de computadores aumenta a cada dia. Esses dados est\u00e3o em diferentes formatos, como (i) textos produzidos dentro das empresas, portais de not\u00edcias, blogs e redes sociais; (ii) imagens produzidas por sat\u00e9lites, drones, c\u00e2meras digitais e exames m\u00e9dicos; (iii) dados num\u00e9rios produzidos por resultados por exames ou aparelhos de mensura\u00e7\u00e3o que gerem tais dados e (iv) sequencias de genes. \u00c9 humanamente imposs\u00edvel realizar tarefas como a organiza\u00e7\u00e3o, gerenciamento, e uma das principais, a extra\u00e7\u00e3o de conhecimento de grandes volumes de dados, os quais s\u00e3o \u00fateis tanto na \u00e1rea acad\u00eamica quanto comercial. Uma das t\u00e9cnicas para se realizar tais tarefas automaticamente \u00e9 a classifica\u00e7\u00e3o autom\u00e1tica. Para que se possa relizar a classifica\u00e7\u00e3o autom\u00e1tica, \u00e9 preciso construir um modelo de classifica\u00e7\u00e3o. Esse modelo \u00e9 normalmente constru\u00eddo por t\u00e9cnicas de aprendizado de m\u00e1quina, as quais visam extrair padr\u00f5es de exemplos e respectivos r\u00f3tulos (identificadores de classe). A maioria das pesquisas e aplica\u00e7\u00f5es pr\u00e1ticas ainda fazem uso do aprendizado supervisionado multi-classe. Neste cen\u00e1rio, o usu\u00e1rio ou especialista de dom\u00ednio respons\u00e1vel pela rotula\u00e7\u00e3o deve definir todas as classes nas quais os documentos poder\u00e3o ser atribu\u00eddos, bem como uma grande quantidade de exemplos de documentos pertencentes a cada uma dessas classes (documentos rotulados). Isso pode ser oneroso ao rotulador e demandar conhecimento absoluto sobre o problema a ser tratado. Uma situa\u00e7\u00e3o mais pr\u00e1tica seria o usu\u00e1rio fornecer apenas exemplos de seu conhecimento ou se seu interesse. Al\u00e9m disso, neste mesmo cen\u00e1rio, ser\u00e1 atribu\u00eddo \u00e0 um exemplo n\u00e3o rotulado sempre uma das categorias que foram informadas durante a constru\u00e7\u00e3o do modelo de classifica\u00e7\u00e3o, mesmo que a classe real desse exemplo n\u00e3o seja uma das classes previamente informada. Para sanar essas dificuldades do aprendizado supervisionado multi-classe tradicionalmente utilizado, e para deixar mais pr\u00e1tica a aplica\u00e7\u00e3o da classifica\u00e7\u00e3o autom\u00e1tica em situa\u00e7\u00f5es em que o usu\u00e1rio esteja interessado em uma \u00fanica classe (tamb\u00e9m denominada classe alvo ou classe de interesse), t\u00eam ganhado interesse nos \u00faltimos anos a \u00e1rea de aprendizado baseado em uma \u00fanica classe. Neste tipo de aprendizado, s\u00e3o informados apenas exemplos da classe de interesse para construir o modelo de classifica\u00e7\u00e3o, e portanto, diminuindo o esfor\u00e7o do usu\u00e1rio de rotula\u00e7\u00e3o e conhecimento do dom\u00ednio por parte do usu\u00e1rio. Nesta abordagem, o classificador ir\u00e1 classificar um exemplo como sendo da classe de interesse ou n\u00e3o sendo da classe de interesse (tamb\u00e9m denominado outlier).<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">:\u00a0 Ricardo Marcondes Marcacini. <\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Conselho Nacional de Desenvolvimento Cient\u00edfico e Tecnol\u00f3gico.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2018-Atual.<\/span><\/li>\n<\/ul>\n<p><strong>Aprendizado de Websensors para Agroneg\u00f3cios.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Motivada pela diversidade de aplica\u00e7\u00f5es que podem ser derivadas por meio de algoritmos para extra\u00e7\u00e3o de conhecimento da web, uma nova dire\u00e7\u00e3o de pesquisa denominada Websensors tem como objetivo converter padr\u00f5es extra\u00eddos de v\u00e1rias fontes da web em um conjunto de sinais, representado por meio de s\u00e9ries temporais, que permitem observar, estudar e monitorar o comportamento de um fen\u00f4meno de interesse. Devido ao grande volume de dados, variedade de fontes de informa\u00e7\u00e3o e requisitos de velocidade para an\u00e1lise desses dados, os websensors s\u00e3o modelos computacionais com grande potencial para lidar com os desafios atuais relacionados \u00e0 tem\u00e1tica de Big Data; que recentemente tem recebido muita aten\u00e7\u00e3o na literatura e ind\u00fastria pelos resultados promissores obtidos na resolu\u00e7\u00e3o de tarefas complexas e para apoiar processos de tomada de decis\u00e3o. A proposta geral deste projeto \u00e9 utilizar conhecimento impl\u00edcito em uma base hist\u00f3rica de milh\u00f5es not\u00edcias sobre agroneg\u00f3cios no Brasil para aprender padr\u00f5es por meio de Websensors que, ao longo do tempo, possam ser explorados para explicar o comportamento passado e predizer comportamento futuro no dom\u00ednio de agroneg\u00f3cios, com apoio de algoritmos de aprendizado n\u00e3o supervisionado de m\u00e1quina. Atividades pr\u00e9vias, como a coleta e organiza\u00e7\u00e3o de uma base de 18 anos de not\u00edcias (composta por milh\u00f5es de registros) e resultados preliminares tem demonstrado que este \u00e9 um caminho promissor.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini.\u00a0<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">:\u00a0 Rafael Geraldeli Rossi.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Conselho Nacional de Desenvolvimento Cient\u00edfico e Tecnol\u00f3gico.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2018-Atual.<\/span><\/li>\n<\/ul>\n<p><strong>Plataforma de Gerenciamento de Provas Virtuais para a Web 3.0.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Uma plataforma web completa para gerenciamento de provas virtuais com o diferencial de incorporar provas adaptativas, intelig\u00eancia artificial para apoiar corre\u00e7\u00e3o de quest\u00f5es discursivas e detec\u00e7\u00e3o de pl\u00e1gio, bem como integra\u00e7\u00e3o com ferramentas de acessibilidade para defici\u00eancia auditiva e visual.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini.\u00a0<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">:\u00a0 Rafael Geraldeli Rossi, Vitor Mesaque Alves de Lima.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Coordena\u00e7\u00e3o de Aperfei\u00e7oamento de Pessoal de N\u00edvel Superior.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2018-2020.<\/span><\/li>\n<\/ul>\n<p><strong>Classifica\u00e7\u00e3o autom\u00e1tica de textos por meio e aprendizado de m\u00e1quina baseado em redes.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Atualmente h\u00e1 uma quantidade massiva de textos sendo produzida (e-mails, relat\u00f3rios, artigos, postagens em redes sociais, e not\u00edcias). Devido a essa grande quantidade de textos, torna-se humanamente imposs\u00edvel organizar, analisar, e extrair conhecimento dos textos. Consequentemente, t\u00e9cnicas para realizar tais tarefas diminuindo a interven\u00e7\u00e3o humana, como a classifica\u00e7\u00e3o (rotula\u00e7\u00e3o) autom\u00e1tica de textos, t\u00eam ganhado import\u00e2ncia. Normalmente empregam-se algoritmos de aprendizado de m\u00e1quina (AM) para &#8220;aprender&#8221; as classes com base no conte\u00fado e r\u00f3tulos de textos, e ent\u00e3o realizar a classifica\u00e7\u00e3o. Entretanto, \u00e9 necess\u00e1rio representar os textos em um formato estruturado para utilizar esses algoritmos. Recentemente, v\u00eam-se destacando representa\u00e7\u00f5es em redes, que permitem representar diferente tipos de entidades, como documentos, termos e outros tipos dependendo do dom\u00ednio, e rela\u00e7\u00f5e de maneira efetiva, al\u00e9m de prover resultados superiores em rela\u00e7\u00e3o \u00e0 outras representa\u00e7\u00f5es. Por\u00e9m, ainda h\u00e1 necessidade de pesquisas em \u00e1reas relevantes utilizando representa\u00e7\u00f5es em redes, as quais ser\u00e3o exploradas nesse projeto. As linhas de pesquisa s\u00e3o: (i) quais tipo de entidades e rela\u00e7\u00f5es podem prover melhores performances de classifica\u00e7\u00e3o para dom\u00ednios de aplica\u00e7\u00f5es espec\u00edficos (ex: not\u00edcias e an\u00e1lise de sentimento em redes sociais); (ii) analisar o uso representa\u00e7\u00f5es em redes na classifica\u00e7\u00e3o multi-r\u00f3tulo; (iii) quais as maneiras mais eficazes de realizar o aprendizado em fluxo de documentos utilizando as modelagem em redes; (iv) quais as maneiras mais efetivas de se classificadores para monitorar fen\u00f4menos de interesse dos usu\u00e1rios na web (websensors), e (v) se as abordagens desenvolvidas nos itens anteriores podem ser aplicadas sem que hajam textos rotulados.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini, Vitor Mesaque Alves de Lima.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: N\/A.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2017-Atual.<\/span><\/li>\n<\/ul>\n<p><strong>Minera\u00e7\u00e3o de Dados para Predi\u00e7\u00e3o de Evas\u00e3o em Ambientes de Ensino a Dist\u00e2ncia.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Estrat\u00e9gias de combate \u00e0 evas\u00e3o no ensino superior t\u00eam recebido grande aten\u00e7\u00e3o nos \u00faltimos anos. As estrat\u00e9gias tradicionais s\u00e3o baseadas na revis\u00e3o dos projetos pedag\u00f3gicos dos cursos, al\u00e9m da implanta\u00e7\u00e3o de pol\u00edticas de assist\u00eancia estudantil, como apoio financeiro e psicol\u00f3gico aos alunos. O uso destas estrat\u00e9gias tradicionais \u00e9 mais desafiador quando o principal meio de intera\u00e7\u00e3o com os alunos \u00e9 pelo ambiente computacional EAD. No entanto, esses ambientes armazenam um rico conjunto de dados que refletem o comportamento dos alunos, desde o registro de acesso e tempo utilizado nos recursos did\u00e1ticos, atividades de avalia\u00e7\u00e3o, at\u00e9 a intera\u00e7\u00e3o do aluno em f\u00f3runs de discuss\u00e3o. M\u00e9todos para Minera\u00e7\u00e3o de Dados s\u00e3o promissores para extrair conhecimento \u00fatil desses dados e, assim, apoiar processos de tomada de decis\u00e3o. Assim, o objetivo deste projeto \u00e9 desenvolver uma plataforma de Minera\u00e7\u00e3o de Dados com foco na predi\u00e7\u00e3o de evas\u00e3o para o sistema UAB. Na etapa de extra\u00e7\u00e3o de conhecimento da plataforma, ser\u00e3o desenvolvidos algoritmos de aprendizado de modelos preditivos, ou seja, que identificam padr\u00f5es nos dados hist\u00f3ricos dos perfis de alunos desistentes; sendo capaz de predizer se um novo perfil entrou no grupo de risco da evas\u00e3o. Como resultado, a plataforma ser\u00e1 distribu\u00edda livremente, permitindo integrar com qualquer ambiente EAD.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi, Vitor Mesaque Alves de Lima.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Coordena\u00e7\u00e3o de Aperfei\u00e7oamento de Pessoal de N\u00edvel Superior.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2017-2018.<\/span><\/li>\n<\/ul>\n<p><strong>Avalia\u00e7\u00e3o e monitoramento colaborativo das condi\u00e7\u00f5es de ruas e estradas por meio de sensores de smartphones.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: No Brasil e no exterior, a malha rodovi\u00e1ria possui um papel fundamental para o transporte de cargas e passageiros. No setor de transporte de cargas, \u00e9 respons\u00e1vel por 61% das movimenta\u00e7\u00f5es nacionais e em rela\u00e7\u00e3o ao transporte de passageiros, predomina com 95% de participa\u00e7\u00e3o. Embora fundamental para a sociedade e crescimento econ\u00f4mico do pa\u00eds, \u00e9 constatado que a maior parte da infraestrutura de ruas e estradas do Brasil \u00e9 inadequada, sendo a qualidade do pavimento um dos maiores problemas. A m\u00e1 qualidade aumenta o tempo das viagens, eleva o custo de manuten\u00e7\u00e3o dos ve\u00edculos, traz mais riscos aos usu\u00e1rios e emiss\u00f5es de poluentes, al\u00e9m de impactar diretamente na composi\u00e7\u00e3o do pre\u00e7o de bens. Para o melhor planejamento de manuten\u00e7\u00f5es e interven\u00e7\u00f5es adequadas nas vias, \u00e9 essencial o uso de instrumentos de avalia\u00e7\u00e3o que permitam o monitoramento constante de suas condi\u00e7\u00f5es. Com o objetivo de reduzir o esfor\u00e7o manual ou o uso de equipamentos de alto custo atualmente utilizados, como os perfil\u00f4metros inerciais a laser, neste projeto de pesquisa \u00e9 proposto o desenvolvimento de um aplicativo m\u00f3vel que faz uso de sensores presentes em smartphones, como aceler\u00f4metros e GPS, em conjunto com algoritmos de aprendizado de m\u00e1quina e an\u00e1lise de sinais para a avalia\u00e7\u00e3o e monitoramento das condi\u00e7\u00f5es de ruas e estradas. Assim, \u00e9 poss\u00edvel que diferentes usu\u00e1rios contribuam para o constante monitoramento de maneira autom\u00e1tica e ub\u00edqua ao utilizarem aplicativos de navega\u00e7\u00e3o em smartphones fixados em seus ve\u00edculos durante a condu\u00e7\u00e3o. O produto a ser desenvolvido neste projeto apresenta vantagens importantes sobre as ferramentas atuais, que al\u00e9m de possu\u00edrem um custo elevado e a depend\u00eancia de um especialista, n\u00e3o permitem uma avalia\u00e7\u00e3o altamente abrangente e o monitoramento constante de um ambiente com frequentes mudan\u00e7as. Com as informa\u00e7\u00f5es do aplicativo, empresas de transporte rodovi\u00e1rio ou usu\u00e1rios convencionais podem planejar rotas que consideram a qualidade do pavimento, visando a economia de tempo de viagem e combust\u00edvel e o aumento da seguran\u00e7a. Al\u00e9m do aplicativo, tamb\u00e9m pretende-se desenvolver um sistema respons\u00e1vel por apresentar relat\u00f3rios sobre a qualidade do pavimento avaliado ao longo do tempo. Tais relat\u00f3rios podem ser estrat\u00e9gicos e auxiliar na tomada de decis\u00e3o de empresas e \u00f3rg\u00e3os p\u00fablicos. Por exemplo, prefeituras ou empresas respons\u00e1veis pela concess\u00e3o de rodovias podem planejar interven\u00e7\u00f5es de maneira mais adequada, possibilitando tamb\u00e9m a realiza\u00e7\u00e3o de estimativas com anteced\u00eancia dos custos or\u00e7ament\u00e1rios de tais interven\u00e7\u00f5es. Desse modo, espera-se que o produto deste projeto seja respons\u00e1vel por impactos sociais e econ\u00f4micos em diversos segmentos da sociedade.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Vin\u00edcius M. A. Souza.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Funda\u00e7\u00e3o de Amparo \u00e0 Pesquisa do Estado de S\u00e3o Paulo.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2017-2017.<\/span><\/li>\n<\/ul>\n<p><strong>Implanta\u00e7\u00e3o e Desenvolvimento do Sistema de Gest\u00e3o de Projetos SIGFAPERO.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: O SIGFAP est\u00e1 em constante desenvolvimento e evolu\u00e7\u00e3o, pois novas funcionalidades surgem com as demandas institucionais. Al\u00e9m disso, \u00e9 importante destacar que a capacidade de inovar, em particular, na utiliza\u00e7\u00e3o e aplica\u00e7\u00e3o das tecnologias de informa\u00e7\u00e3o e de comunica\u00e7\u00e3o, constitui um importante diferencial no planejamento e execu\u00e7\u00e3o de pol\u00edticas p\u00fablicas. A cria\u00e7\u00e3o de um ambiente prop\u00edcio \u00e0 inova\u00e7\u00e3o, adequado ao novo contexto, exige esfor\u00e7os conjuntos por parte dos governos, das universidades e dos formuladores das pol\u00edticas p\u00fablicas. A necessidade de participa\u00e7\u00e3o e democratiza\u00e7\u00e3o nas organiza\u00e7\u00f5es p\u00fablicas demanda a gest\u00e3o de informa\u00e7\u00f5es e de conhecimento de maneira transparente, visando tornar efetivo o processo de tomada de decis\u00e3o, evitando a duplica\u00e7\u00e3o de a\u00e7\u00f5es e a dispers\u00e3o de informa\u00e7\u00f5es. Diante deste fato, este projeto visa implantar o SIGFAP na Funda\u00e7\u00e3o Rond\u00f4nia de Amparo ao Desenvolvimento das A\u00e7\u00f5es Cient\u00edficas e Tecnol\u00f3gicas e \u00e0 Pesquisa do Estado de Rond\u00f4nia (FAPERO) para agilizar e otimizar seus processos internos.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Maxwell Sampaio dos Santos.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Maxwell Sampaio dos Santos, Vitor Mesaque Alves de Lima.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Funda\u00e7\u00e3o de Apoio e Desenvolvimento do Ensino, Ci\u00eancia e Tecnologia do MS &#8211; Aux\u00edlio financeiro.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2016-2017.<\/span><\/li>\n<\/ul>\n<p><strong>Aplica\u00e7\u00e3o de algoritmos de aprendizado de m\u00e1quina semissupervisionado para a descoberta e gest\u00e3o de conhecimento em bases de dados.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Algoritmos de aprendizado de m\u00e1quina semissupervisionado t\u00eam ganhado notoriedade nos \u00faltimos anos por sua capacidade de, misturando dados rotulados e n\u00e3o rotulados, conseguir bom desempenho em uma vasta gama de aplica\u00e7\u00f5es. Existem, na literatura, diversos algoritmos que visam tanto \u00e0 classifica\u00e7\u00e3o semissupervisionada quanto ao agrupamento semissupervisionado de dados. Neste projeto, o objetivo \u00e9 investigar e explorar algoritmos destas natureza para a obten\u00e7\u00e3o e gest\u00e3o de conhecimento em bases de dados. Em sua parte te\u00f3rica, este projeto de pesquisa visa explorar pontos ainda em aberto do aprendizado de m\u00e1quina semissupervisionado, como a incorpora\u00e7\u00e3o de mecanismos incrementais em algoritmos de agrupamento semissupervisionado e o desenvolvimento e melhoria de m\u00e9todos de aprendizado de dist\u00e2ncias em algoritmos de agrupamento e classifica\u00e7\u00e3o semissupervisionada. Por sua vez, em sua parte de aplica\u00e7\u00f5es, este projeto visa \u00e0 aplica\u00e7\u00e3o de algoritmos semissupervisionados em uma vasta gama de aplica\u00e7\u00f5es reais para as quais conta-se com bases de dados, como Minera\u00e7\u00e3o de Dados Educacionais, an\u00e1lise de dados e not\u00edcias da internet e dados oriundos de redes sociais. Nestas aplica\u00e7\u00f5es, ser\u00e1 dada especial aten\u00e7\u00e3o a cole\u00e7\u00f5es de dados de institui\u00e7\u00f5es de ensino e dados relativos ao setor agropecu\u00e1rio e agroindustrial, de grande demanda no estado do Mato Grosso do Sul, auxiliando especialistas e usu\u00e1rios na gest\u00e3o do conhecimento destes setores.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Bruno Magalh\u00e3es Nogueira.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi, Ricardo Marcondes Marcacini.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: N\/A.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2016-Atual.<\/span><\/li>\n<\/ul>\n<p><strong>Aprendizado n\u00e3o Supervisionado de Websensors aplicado em Desafios de Big Data para Agroneg\u00f3cios.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: Motivada pela diversidade de aplica\u00e7\u00f5es que podem ser derivadas por meio de algoritmos para extra\u00e7\u00e3o de conhecimento da web, uma nova dire\u00e7\u00e3o de pesquisa denominada Websensors tem como objetivo converter padr\u00f5es extra\u00eddos de v\u00e1rias fontes da web em um conjunto de sinais, representado por meio de s\u00e9ries temporais, que permitem observar, estudar e monitorar o comportamento de um fen\u00f4meno de interesse. Devido ao grande volume de dados, variedade de fontes de informa\u00e7\u00e3o e requisitos de velocidade para an\u00e1lise desses dados, os websensors s\u00e3o modelos computacionais com grande potencial para lidar com os desafios atuais relacionados \u00e0 tem\u00e1tica de Big Data; que recentemente tem recebido muita aten\u00e7\u00e3o na literatura e ind\u00fastria pelos resultados promissores obtidos na resolu\u00e7\u00e3o de tarefas complexas de tomadas de decis\u00e3o. Nesse contexto, entre as atividades recentes desenvolvidas pelos membros do GEPIC (Grupo de Estudo e Pesquisa em Intelig\u00eancia Computacional &#8211; UFMS), h\u00e1 um particular interesse em explorar websensors aplicado em desafios de Big Data para o dom\u00ednio de agroneg\u00f3cios. Atividades pr\u00e9vias, como a coleta e organiza\u00e7\u00e3o de uma base de 14 anos de not\u00edcias (composta por milh\u00f5es de registros) e resultados preliminares tem demonstrado que este \u00e9 um caminho promissor. Dessa forma, a proposta geral deste projeto \u00e9 utilizar conhecimento impl\u00edcito em uma base hist\u00f3rica de milh\u00f5es not\u00edcias sobre agroneg\u00f3cios no Brasil para aprender padr\u00f5es, ao longo do tempo, que possam ser explorados para explicar o comportamento passado e predizer comportamento futuro no dom\u00ednio de agroneg\u00f3cios, com apoio de algoritmos de aprendizado n\u00e3o supervisionado de m\u00e1quina.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini.<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Rafael Geraldeli Rossi, Vitor Mesaque Alves de Lima.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Funda\u00e7\u00e3o de Apoio e Desenvolvimento do Ensino, Ci\u00eancia e Tecnologia do MS.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2016-2018.<\/span><\/li>\n<\/ul>\n<p><strong>Implanta\u00e7\u00e3o e Desenvolvimento do Sistema de Gest\u00e3o de Projetos SIGFAPDF.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: O objetivo geral do projeto consiste na adapta\u00e7\u00e3o do sistema SIGFAP e no desenvolvimento de novos m\u00f3dulos de acordo com as demandas da FAPDF (http:\/\/www.fap.df.gov.br) para o gerenciamento da divulga\u00e7\u00e3o, submiss\u00e3o, avalia\u00e7\u00e3o, e acompanhamento da execu\u00e7\u00e3o de projetos de CT&amp;I, pedidos de apoio a eventos, e projetos para implementa\u00e7\u00e3o de bolsas DCR, Mestrado, Doutorado, bolsas institucionais, realiza\u00e7\u00e3o de eventos (entre outras modalidades) da FAPDF.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: M\u00e1rcio Aparecido Inacio da Silva.\u00a0<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Maxwell Sampaio dos Santos.<\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Funda\u00e7\u00e3o de Apoio e Desenvolvimento do Ensino, Ci\u00eancia e Tecnologia do MS &#8211; Aux\u00edlio financeiro.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2014-2017.<\/span><\/li>\n<\/ul>\n<p><strong>Aprendizado de M\u00e1quina para WebSensors: Algoritmos e Aplica\u00e7\u00f5es.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: A populariza\u00e7\u00e3o de plataformas web para publica\u00e7\u00e3o de conte\u00fado textual tem motivado o desenvolvimento de m\u00e9todos para extra\u00e7\u00e3o autom\u00e1tica de conhecimento impl\u00edcito nos textos. Em particular, uma nova gama de estudos e aplica\u00e7\u00f5es tem sido proposta para explorar a web como um grande e poderoso &#8220;sensor social&#8221;, permitindo identificar e monitorar v\u00e1rios tipos de eventos a partir de textos publicados em portais de not\u00edcias e redes sociais, como detec\u00e7\u00e3o de epidemias, an\u00e1lise de sentimentos, e a extra\u00e7\u00e3o de indicadores pol\u00edticos e econ\u00f4micos. Atualmente, a constru\u00e7\u00e3o de um sensor da web (websensor) \u00e9 uma tarefa complexa, pois depende de especialistas de dom\u00ednio para defini\u00e7\u00e3o dos par\u00e2metros do sensor, isto \u00e9, express\u00f5es para busca, filtros e monitoramentos de conte\u00fado textual da web. A necessidade de especialistas de dom\u00ednio geralmente limita as aplica\u00e7\u00f5es envolvendo websensors, uma vez que em muitos problemas n\u00e3o h\u00e1 compreens\u00e3o clara dos fen\u00f4menos que se deseja monitorar. Em vista disso, neste projeto de pesquisa s\u00e3o investigados m\u00e9todos de aprendizado de m\u00e1quina para apoiar a constru\u00e7\u00e3o autom\u00e1tica de websensors. A ideia b\u00e1sica \u00e9 utilizar uma amostra de documentos textuais do dom\u00ednio do problema e, em conjunto com algoritmos de aprendizado de m\u00e1quina semi\/n\u00e3o supervisionados, extrair padr\u00f5es dos textos e assim apoiar a constru\u00e7\u00e3o de websensors. Dessa forma, espera-se reduzir a depend\u00eancia de um especialista para defini\u00e7\u00e3o dos par\u00e2metros dos sensores. Cada websensor aprendido a partir dos textos representa um determinado fen\u00f4meno relacionado ao dom\u00ednio do problema que, ent\u00e3o, pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decis\u00e3o.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Solange Oliveira Rezende.\u00a0<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini, Rafael Geraldeli Rossi, <span data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Ivone,Ronaldo,Franciene,Rodrigo,Vitor&quot;}\" data-sheets-userformat=\"{&quot;2&quot;:513,&quot;3&quot;:{&quot;1&quot;:0},&quot;12&quot;:0}\">Ivone Penque Matsuno Yugoshi, .<\/span><\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: Funda\u00e7\u00e3o de Amparo \u00e0 Pesquisa do Estado de S\u00e3o Paulo.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2014-2017.<\/span><\/li>\n<\/ul>\n<p><strong>Agrupamento Hier\u00e1rquico de Textos para Aprendizado n\u00e3o Supervisionado de Websensors.<\/strong><\/p>\n<ul>\n<li style=\"font-weight: 400\"><b>Descri\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: A populariza\u00e7\u00e3o de plataformas web para publica\u00e7\u00e3o de conte\u00fado textual tem motivado o desenvolvimento de m\u00e9todos para extra\u00e7\u00e3o autom\u00e1tica de conhecimento impl\u00edcito nos textos. Em particular, uma nova gama de estudos e aplica\u00e7\u00f5es tem sido proposta para explorar a web como um grande e poderoso &#8216;sensor social&#8221;, permitindo monitorar v\u00e1rios tipos de eventos a partir de textos publicados em portais de not\u00edcias e redes sociais, como detec\u00e7\u00e3o de epidemias, an\u00e1lise de sentimentos, bem como a extra\u00e7\u00e3o de indicadores pol\u00edticos e econ\u00f4micos. Por outro lado, a constru\u00e7\u00e3o de um sensor da web (websensor) \u00e9 uma tarefa complexa, pois depende de especialistas de dom\u00ednio para defini\u00e7\u00e3o dos par\u00e2metros do sensor, ou seja, express\u00f5es para busca, filtro e monitoramento de conte\u00fado textual da web. A necessidade de especialistas de dom\u00ednio geralmente limita essas aplica\u00e7\u00f5es, pois em muitos problemas n\u00e3o h\u00e1 compreens\u00e3o clara dos fen\u00f4menos que se deseja monitorar. Neste projeto de pesquisa s\u00e3o investigados m\u00e9todos n\u00e3o supervisionados de aprendizado de m\u00e1quina, em particular, agrupamento hier\u00e1rquico de textos para apoiar a constru\u00e7\u00e3o autom\u00e1tica de websensors. A ideia b\u00e1sica \u00e9 utilizar uma amostra de documentos textuais do dom\u00ednio do problema e, em conjunto com algoritmos de agrupamento hier\u00e1rquico para extra\u00e7\u00e3o de padr\u00f5es dos textos, apoiar a tarefa de aprendizado n\u00e3o supervisionado de websensors. Dessa forma, espera-se reduzir a depend\u00eancia de um especialista para defini\u00e7\u00e3o dos par\u00e2metros dos sensores. Cada websensor representa um determinado fen\u00f4meno que pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decis\u00e3o.<\/span><\/li>\n<li><b>Coordenador<\/b><span style=\"font-weight: 400\">: Ricardo Marcondes Marcacini.\u00a0<\/span><\/li>\n<li><b>Membro participante do laborat\u00f3rio<\/b><span style=\"font-weight: 400\">: <span data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Ivone,Ronaldo,Franciene,Rodrigo,Vitor&quot;}\" data-sheets-userformat=\"{&quot;2&quot;:513,&quot;3&quot;:{&quot;1&quot;:0},&quot;12&quot;:0}\">Ivone Penque Matsuno Yugoshi, Ronaldo Fiorilo dos Santos, Franciene Duarte Gomes, Rodrigo Mitsuo Kishi, Vitor Mesaque Alves de Lima.<\/span><\/span><\/li>\n<li><b>Financiamento<\/b><span style=\"font-weight: 400\">: N\/A.<\/span><\/li>\n<li><b>Dura\u00e7\u00e3o<\/b><span style=\"font-weight: 400\">: 2013-2016.<\/span><\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Uso de ferramentas de gest\u00e3o do conhecimento para apoio a modelagem de requisitos de software. Descri\u00e7\u00e3o: A finalidade de todo software comercial \u00e9 atender a um conjunto de requisitos correspondentes \u00e0s necessidades do neg\u00f3cio do cliente. No entanto, uma das principais causas da falta de qualidade de software est\u00e1 nas especifica\u00e7\u00f5es de requisitos incompletas, que [&hellip;]<\/p>\n","protected":false},"author":12330,"featured_media":0,"parent":30,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"coauthors":[],"class_list":["post-32","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/pages\/32","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/users\/12330"}],"replies":[{"embeddable":true,"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/comments?post=32"}],"version-history":[{"count":3,"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/pages\/32\/revisions"}],"predecessor-version":[{"id":70,"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/pages\/32\/revisions\/70"}],"up":[{"embeddable":true,"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/pages\/30"}],"wp:attachment":[{"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/media?parent=32"}],"wp:term":[{"taxonomy":"author","embeddable":true,"href":"https:\/\/labcompctcptl.ufms.br\/en\/wp-json\/wp\/v2\/coauthors?post=32"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}