TCC - Bacharelado em Sistemas da Informação (Sede)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/427
Navegar
Item Alocação otimizada de horários acadêmicos com disponibilidade restrita de professores usando algoritmos genéticos(2022-06-01) Demiro, Matheus Paulo dos Santos; Garrozi, Cícero; http://lattes.cnpq.br/0488054917286587; http://lattes.cnpq.br/8926398361586659A geração de horários acadêmicos é uma das atividades mais complexas e árduas enfrentadas pelas instituições de ensino no começo de cada período letivo. Na maioria dos casos, a solução encontrada para esse problema, comumente chamado na literatura de “timetabling”, é realizada de forma manual, o que torna o processo muito cansativo e moroso para as instituições. Este problema e considerado um grande desafio da otimização combinatória, devido ao amplo conjunto de variáveis e restrições envolvidas, sendo considerado um problema NP-Completas, onde não existe a possibilidade de encontrar uma solução por meio de métodos convencionais de programação. Este artigo trata do uso de técnicas de algoritmos genéticos para encontrar uma solução ótima ao problema do escalonamento de horários acadêmicos que leve em consideração as restrições do corpo discente e corpo docente, a fim de favorecer o rendimento acadêmico dos alunos e se adequar a disponibilidade dos professores. Para este trabalho espera-se desenvolver um algoritmo genético que seja capaz de obter resultados válidos que atendam as restrições do problema em um espaço de tempo razoavelmente considerável. Tecnicamente falando, é esperado que o algoritmo a partir de um conjunto de dados de entrada processe e retorne uma solução que possua o maior valor de aptidão - menor número de infrações cometidas - dentre as gerações de indivíduos (soluções). Este artigo usa como base de dados a grade do curso de Sistemas de Informação da Universidade Federal de Rio Grande Norte. Após modificações na base e realizados os experimentos o algoritmo genético mostrou-se eficiente e conseguiu cumprir com os objetivos, gerando horários acadêmicos adequados e compatíveis com as restrições estabelecidas.Item Avaliação de plataformas para o reconhecimento de placas veiculares brasileiras(2021-12-14) Amaral, Carlos Ivan Santos do; Garrozi, Cícero; http://lattes.cnpq.br/0488054917286587; http://lattes.cnpq.br/8099840025648951Com a crescente quantidade de veículos particulares no Brasil se faz cada vez mais necessário melhores métodos de gestão e fiscalização da frota veicular. As placas veiculares (PV) são objetos únicos e obrigatórios com o objetivo de identificar o veículo assim como seu proprietário. É recomendável que a coleta eficiente das informações presentes nas placas veiculares sejam realizadas por meio de sistemas automatizados para a detecção e reconhecimento de PV. Estes sistemas são fundamentais para se realizar a fiscalização e a gestão de diferentes atividades relacionadas ao tráfego de veículos. Neste sentido, este trabalho apresenta um estudo que identifica métodos de detecção e reconhecimento de PV com algoritmos baseados em aprendizagem de máquina. Para a produção desse experimento, sucedeu a coleta de um banco de imagens de veículos em praças de pedágio que estão localizadas no município de Cabo de Santo Agostinho - PE e fazem acesso ao Complexo Industrial Portuário Governador Eraldo Gueiros - SUAPE. O objetivo desse trabalho foi prover uma comparação entre o serviço de visão computacional da Microsoft Azure para detecção de objetos PV em conjunto com os serviços de Reconhecimento Óptico de Caracteres (Optical Character Recognition - OCR) da Google Vision com o algoritmo de Aprendizagem Profunda YOLO v4. O resultado do experimento expôs que em condições semelhantes de configurações em ambos dos modelos estudados, o YOLO v4 apresentou melhor desempenho, obtendo uma taxa de 92% de precisão na detecção e reconhecimento de placas veiculares.Item Desenvolvimento de um sistema auxiliar para controle de acesso de veículos para a Universidade Federal Rural de Pernambuco(2024-03-08) Izidio, Stefany Vitória da Conceição; Garrozi, Cícero; http://lattes.cnpq.br/0488054917286587; http://lattes.cnpq.br/0642557485551355Atualmente, o controle de acesso de veículos à Universidade Federal Rural de Pernambuco é feito manualmente em papéis por funcionários da universidade. Também há a liberação direta de veículos que se cadastram na universidade e recebem um adesivo específico para usar no para-brisa. Este tipo de controle não é muito seguro, por poder ser facilmente clonado e usado por veículos sem autorização real. Além disso, há um curto desvio de atenção do funcionário quando ele realiza o trabalho manual de anotar a placa no papel. Este trabalho tem o objetivo de tornar o processo de controle de veículos mais confiável e seguro através do desenvolvimento de um protótipo de um sistema que auxilia no controle de acesso. Este trabalho propõe uma solução mediante a captura de uma imagem da placa, identificação da placa do veículo e da verificação em uma base de dados se a placa é previamente cadastrada ou não. E, o sistema produz um sinal luminoso para indicar ao funcionário se a placa é ou não cadastrada. Para isso, foi montado um produto de hardware e desenvolvido um software embutido. O hardware é composto por um conjunto de dispositivos eletrônicos como LEDs, câmera, dispositivo de processamento, etc. O software é um conjunto de bibliotecas que foi, em sua maior parte, desenvolvido em Python. Para o software embutido, foi usado um conjunto de imagens com fotos de placas de carros brasileiros para treinar um modelo de detecção de objetos para detectar as placas. Por fim, foi utilizado um serviço de reconhecimento ótico de caracteres para extrair o conteúdo da placa, possibilitando assim registrar e emitir o sinal luminoso ao usuário.Item Otimização de equipes em League of Legends utilizando algoritmos genéticos multiobjetivo(2022-06-03) Vieira, Lucas Marsol; Garrozi, Cícero; http://lattes.cnpq.br/0488054917286587O League of Legends, jogo da categoria Multiplayer Online Battle Arena ou MOBA (como é conhecido popularmente), segue sendo um dos jogos eletrônicos que mais pagam em premiação no mundo. Esta categoria se baseia em dois times que se enfrentam em um mapa simétrico com o objetivo de destruir a base adversária. Um dos principais pontos nesse estilo de jogo e mais especificamente no League of Legends é a etapa de seleção de personagens (também conhecidos como campeões), visto que irá guiar a estratégia de cada equipe. Nesta etapa, os jogadores selecionam quais personagens irão utilizar dentro da partida, onde cada personagem possui características e habilidades distintas dos demais. Por envolver diversos fatores no processo de seleção, é considerado um problema complexo que pode ser resolvido com técnicas de busca e inteligência artificial para encontrar as melhores soluções. Neste projeto uma nova abordagem através de Algoritmos Evolucionários Multiobjetivo (MOEA) é apresentada para geração de equipes no jogo. Com o objetivo de estimar a qualidade das equipes geradas, foi conduzida uma pesquisa com um grupo de jogadores. Foram atingidos resultados significantes com essa abordagem, obtendo uma avaliação média de 4.5 para um total de cinco pontos.Item Um sistema de apoio à decisão para priorização e estruturação de histórias de usuários: um suporte para equipe ágeis(2018-08) Calado, Alex Rogério da Silva; Garrozi, Cícero; Sampaio, Suzana Cândido de Barros; http://lattes.cnpq.br/0066131495297081; http://lattes.cnpq.br/0488054917286587; http://lattes.cnpq.br/1189807442146524Apesar dos avanços obtidos na Engenharia de Software com os métodos ágeis o mercado ainda apresenta taxas de sucesso em projetos insatisfatórias. Ao longo de um projeto de software, mudanças de requisitos e prioridades são inevitáveis e recorrentes. Esse é um fator importante para empresas de desenvolvimento de software principalmente as de pequeno porte que possuem recursos limitados. O uso de técnicas ágeis como Scrum e Histórias de Usuário (US) beneficiam as empresas e as tornam mais competitivas. Um dos problemas enfrentados com requisitos ágeis é obter uma priorização de US segura de acordo com o valor de negócio dado pelo cliente em consenso com especificações técnicas. Esse trabalho se propõe em apresentar um ensaio que serve de base para construção de uma ferramenta de apoio à decisão na priorização das US. Para tanto foi considerado um projeto de software como uma organização temporária e sugeridas métricas que melhor se adequem às necessidades de pequenas equipes evitando retrabalho, aumento de prazos e custos, sem desconsiderar a satisfação do cliente nas entregas interativas. Baseado no modelo de levantamento de requisitos Volere e na revisão de literatura foi proposto a adoção de cinco métricas a serem consideradas na priorização de Histórias de Usuários: a satisfação do cliente em receber a US e a insatisfação do cliente em não receber a US, substituindo o tradicional valor de negócio; a já usual complexidade; necessidade de aprendizagem da equipe e; riscos de software. Usando formulários online foram captados dados sobre essas métricas e a priorização dada a cada US em projetos de software que usam o método ágil Scrum. Árvore de Decisão foi a sugestão proposta para predição de priorização de US por possuir visualização prática e interpretação mais intuitiva, facilitando a aceitação como método de apoio a decisão de profissionais da área. Apesar do baixo volume da base de dados os resultados obtidos através da ferramenta Weka, como a Curva ROC e a precisão, mostraram-se satisfatórios sem tendências de predição e com bons índices de acertos, após ajustes dos algoritmos e da base de dados para evitar overfitting e underfitting.Item Utilização de filtragem colaborativa no auxílio de recomendação personalizada para leitores de mangá(2024-03-04) Brochardt, Rodrigo Nativo do Brasil; Garrozi, Cícero; http://lattes.cnpq.br/0488054917286587Este trabalho investigou, elaborou e comparou duas abordagens para a geração de recomendações de mangás: o modelo de Decomposição em Valores Singulares (SVD) e o Coeficiente de Correlação de Pearson. A metodologia envolveu a preparação dos dados a partir do desenvolvimento e execução de um rastreador web para extrair informações de obras de mangá e avaliações de um fórum bastante movimentado na internet. As dificuldades que surgem para a aplicabilidade destes métodos de extração de dados, bem como alternativas para lidar com situações de bloqueio da fonte, treinamento dos modelos de recomendação e avaliação de desempenho, foram abordadas, com foco na filtragem colaborativa e recomendações personalizadas para perfis de usuários e para obras de mangá. Na implementação do SVD, foi possível identificar padrões latentes nos dados de avaliação dos usuários, permitindo recomendações personalizadas com base nas preferências individuais a partir do compartilhamento de experiências com perfis similares. No entanto, métricas como o Mean Absolute Error (MAE) e Root Mean Squared Error (RMSE) revelaram a necessidade de refinamento do modelo para melhorar sua precisão, assim como alternativas de implementações para realização de comparações e métricas relacionadas à massa de dados específica utilizada no trabalho. Por sua vez, a abordagem baseada no Coeficiente de Correlação de Pearson priorizou a similaridade entre as avaliações de mangás para gerar recomendações focadas em itens. Embora dependesse significativamente do número de avaliações disponíveis, essa metodologia ofereceu uma lógica direta e válida para recomendações personalizadas a partir dos relacionamentos advindos das avaliações. A conclusão destacou a possibilidade futura de explorar métodos híbridos que combinem as vantagens do SVD e do Coeficiente de Correlação de Pearson, visando alcançar recomendações mais precisas e abrangentes, bem como a possibilidade de validar técnicas que ofereçam abordagens diferentes de recomendação para obter um comparativo palpável. A utilização de dados adicionais reunidos na massa de dados gerada para enriquecer a qualidade das recomendações, a fim de utilizar parâmetros mais detalhados em sua recomendação, assim como a utilização de abordagens indiretas, como por exemplo, a utilização de LLMs para auxiliar no processo de recomendação. Por fim, o trabalho concluiu a importância dos avanços destas tecnologias de recomendação para facilitar a vida do leitor, auxiliando na filtragem de grandes conteúdos oferecidos pela indústria e internet.