Navegando por Assunto "Machine learning"
Agora exibindo 1 - 10 de 17
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Analyzing the impact of dimensionality reduction over human intestinal absorption prediction through machine learning(2022-02) CARDOSO, Eduardo Gil Serrão; RODRIGUES, Caio Marcos Flexa; http://lattes.cnpq.br/7685787461835870; SALES JÚNIOR, Claudomiro de Souza de; http://lattes.cnpq.br/4742268936279649Uma propriedade desejável no desenvolvimento de drogas é entrega oral. A triagem virtual de compostos químicos de acordo com sua biodisponibilidade oral com inteligência computacional pode acelerar a predição de sua absorção intestinal humana (HIA). A despeito da existência de vários estudos almejando predizer a permeabilidade intestinal de compostos químicos, nenhum tentou avaliar o impacto do uso de propriedades fisicoquímicas e estruturais relacionadas à biodisponibilidade oral com técnicas de redução de dimensionalidade (DR) e aprendizado de máquina (ML). Este estudo de caso apresenta uma análise sobre o impacto da aplicação de técnicas de redução de dimensionalidade tais como Análise de Componentes Principais (PCA), PCA baseado em Kernel (KPCA), Ivis, Aproximação e Projeção de Manifold Uniforme (UMAP) e Decomposição de Valor Singular Truncado(TSVD), conjuntamente com preditores de ML tais como Redes Neurais Artificiais (ANN), K-Vizinhos mais Próximos (KNN), Máquina de Vetores de Suporte (SVM) e Floresta Aleatória (RF) na predição de HIA de pequenas moléculas, dando foco ao comportamento dos modelos conforme a dimensionalidade varia. Os resultados demonstram que, apesar de reduzir a dimensionalidade em mais de 90%, os modelos de menor dimensionalidade para o KNN, RF e SVM ainda apresentaram resultados competitivos, demonstrando a viabilidade e o potencial de técnicas de DR enquanto etapa de pré-processamento.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Aprendizado de máquina para análise de óleo na manutenção preditiva de equipamentos móveis na indústria de mineração(2026-07-14) CONCEIÇÃO, Jade Melo da; TEIXEIRA , Raphael Barros; http://lattes.cnpq.br/4902824086591521; https://orcid.org/0000-0003-2993-802XA análise de óleo lubrificante é uma ferramenta importante para identificar falhas prematuras em equipamentos, prolongar a vida útil dos componentes e reduzir custos de manutenção. Nesse contexto, torna-se necessário desenvolver métodos que contribuam para a melhoria da qualidade dos diagnósticos e para a antecipação de possíveis falhas. Dessa forma, este trabalho propõe a aplicação de técnicas de aprendizagem de máquina para classificar os resultados de análises de óleo em equipamentos móveis da indústria de mineração, identificando a condição do óleo com base em parâmetros estabelecidos pela gestão de ativos. Para a realização do estudo, foram utilizados dados de diagnósticos coletados com amostragem diária ao longo de dois anos. O conjunto de dados foi submetido a etapas de pré-processamento e dividido em subconjuntos de treino (80%) e validação (20%), permitindo treinamento e avaliação de diferentes algoritmos de classificação, incluindo Random Forest, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Árvore de Decisão e Multilayer Perceptron (MLP). Os modelos foram aplicados com o objetivo de identificar padrões nos dados e classificar o estado do óleo de acordo com os parâmetros definidos nas classes normal, monitorar e crítico. Os algoritmos avaliados apresentaram índices competitivos de assertividade, com destaque para o Random Forest, que obteve o melhor desempenho global ao atingir 83,25% de acurácia e 82,02% de F1 score Macro e elevada estabilidade na curva Precision-Recall (Average Precision de 0,84 para a classe crítico). Desse modo, o estudo valida a eficácia do aprendizado de máquina como uma ferramenta robusta de apoio à tomada de decisão em estratégias de manutenção preditiva.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Um classificador supervisionado para relatos policiais no Estado do Pará(2022-12-16) MATOS, Helder Mateus dos Reis; SANTOS FILHO, Reginaldo Cordeiro dos; http://lattes.cnpq.br/9157422386900321Os diversos setores públicos estão se voltando para as tendências de aplicações de ciência e mineração de dados, muito em razão do aumento exponencial do volume de seus dados ao longo dos últimos anos, da consequente demanda cada vez mais frequente por informações escondidas na massa de dados gerados a cada dia, e das soluções oferecidas por estas áreas do conhecimento na automação e melhoria de processos internos. A segurança pública tem um grande potencial de adquirir benefícios gerados por ferramentas de automação de extração de conhecimento em bases de dados, incluindo a classificação de textos inclusos em relatos policiais. Este trabalho descreve o desenvolvimento de um classificador supervisionado de relatos policiais, construído a partir do conhecimento extraído de bases de dados públicas de relatos policiais, para os anos entre 2019 e 2021, no estado do Pará, Brasil. Dentre as técnicas utilizadas, destacam-se o uso de da metodologia de mineração de dados CRISP-DM, Processamento de Linguagem Natural, vetorização de sequências de texto através de word embeddings e um modelo de aprendizado profundo baseado em Redes Neurais Convolucionais. Este modelo alcançou uma acurácia geral de aproximadamente 78% para a predição de 463 classes únicas relacionadas com segurança pública. Tais classes incluem categorias derivadas da legislação brasileira, como homicídio, furto, roubo, estupro e ameaça, com a inclusão de classes específicas ao ambiente policial, como a comunicação de óbito, a morte por intervenção de agente do estado e o tráfico de drogas. O modelo resultante também foi usado para melhoria de processos estatísticos de analistas criminais, tanto em termos quantitativos, quanto qualitativos, através da implantação de uma ferramenta de classificação de relatos policiais diários do estado do Pará, reduzindo os esforços diários de processamento e consolidação dos dados em até 5 horas.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Detecção de EPI's com ferramenta de visão computacional(2024-11-27) OLIVEIRA, Matheus da Silva; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237Este trabalho de conclusão de curso aborda o desenvolvimento de um sistema de reconhecimento de Equipamentos de Proteção Individual (EPIs) utilizando a técnica YOLO (You Only Look Once). A detecção automática de EPIs em ambientes de trabalho é fundamental para garantir a segurança dos trabalhadores e cumprir com as normas regulamentares de segurança. O uso de EPIs, como capacetes, luvas, coletes reflexivos e óculos de proteção, é essencial em diversos setores, especialmente na construção civil e na indústria. No entanto, a fiscalização manual do uso desses equipamentos pode ser ineficiente e suscetível a erros humanos. O YOLO é um dos algoritmos mais avançados para detecção de objetos em tempo real, conhecido por sua alta velocidade e precisão. Este projeto envolveu a coleta e anotação de um conjunto de dados de imagens de trabalhadores equipados com diversos EPIs. As imagens foram cuidadosamente selecionadas para representar uma ampla gama de cenários e condições de iluminação, garantindo a robustez do modelo. O algoritmo YOLO foi então treinado com esses dados, utilizando técnicas de aprendizado profundo para ajustar seus parâmetros e otimizar seu desempenho. Durante o processo de treinamento, várias estratégias foram implementadas para melhorar a precisão do modelo. Após o treinamento, o modelo foi testado em um conjunto de dados de validação para avaliar sua capacidade de reconhecer corretamente os EPIs nas imagens. Os resultados foram analisados com base em métricas como precisão, recall e F1-score, demonstrando a eficácia do modelo desenvolvido.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Ferramentas no-code/low-code aplicadas ao desenvolvimento de inteligência artificial e de machine learning: uma revisão sistemática da literatura(2026-02-27) RABELO, Jonas da Silva; MENDES, Ingrid Nery; https://lattes.cnpq.br/7079854122764802; https://orcid.org/0009-0003-0916-3906; TEIXEIRA, Otávio Noura; https://lattes.cnpq.br/5784356232477760Este trabalho apresenta uma Revisão Sistemática da Literatura sobre o uso de Ferramentas No-Code e Low-Code (LC/NC) no desenvolvimento de soluções de Inteligência Artificial e Machine Learning. O objetivo é mapear e analisar as plataformas utilizadas, identificando características, benefícios, limitações e tendências. A revisão seguiu as diretrizes de Kitchenham e considerou estudos publicados entre janeiro de 2020 e agosto de 2025 nas bases ACM Digital Library, IEEE Xplore, ScienceDirect, Scopus e SpringerLink. Após os critérios de inclusão e exclusão, 67 estudos foram selecionados. Os resultados mostram que as ferramentas LC/NC ampliam o acesso ao desenvolvimento de IA e ML, especialmente para usuários sem formação técnica avançada. Contudo, foram identificadas limitações relacionadas à flexibilidade, personalização e dependência de ecossistemas, além da predominância de estudos descritivos e de viabilidade.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Inteligência artificial: uma breve revisão bibliográfica de ferramentas de machine learning e deep learning na medicina(2023-12-19) JESUS, Victor Almeida de; COQUEIRO, Thiago Antônio Sidônio; http://lattes.cnpq.br/7138516629071389Após um longo período, a inteligência artificial (IA) tornou-se uma presença cotidiana, sendo essencial em diversas áreas. O foco atual está na compreensão da IA, suas ferramentas e técnicas, e como ela está integrada à aplicabilidade em medicina. Isto é, sendo utilizadas em aplicações como diagnósticos de doenças crônicas, câncer, e predição de doenças cardiovasculares. As abordagens do tipo aprendizado de máquina (ML) e aprendizado profundo (DP) são ferramentas de inteligência artificial, que se concentra na construção de algoritmos computacionais capazes de aprender com dados, em vez de depender de instruções pré-programadas, a fim de predizer, classificar ou detectar padrões. Nesse sentido, o objetivo deste trabalho foi de fazer uma revisão e levantamento das principais técnicas de Machine Learning e Deep Learning aplicados na medicina. Foram feitos uma revisão bibliográfica sobre os conceitos de IA e um levantamento de artigos para identificar as principais técnicas de ML e DP, além de sua aplicabilidade na medicina.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Uma metodologia em cascata de quatro etapas para classificar códigos NCM usando técnicas de PLN(2022-09-30) PINHEIRO, Pedro Luiz Braga; GONZÁLEZ, Marcos Tulio Amaris; http://lattes.cnpq.br/9970287865377659Esse trabalho tem como objetivo desenvolver um processo para classificar as descrições dos produtos presentes nas Notas Ficais eletrônicas (NF-e). Essa classificação e feita sobre os 8 dígitos da Nomenclatura Comum do Mercosul (NCM), separado em 4 partes, Capítulo, Posição, Subposição e item/Subitem. A classificação foi realizada utilizando o algoritmo de Máquina de Vetores de Suporte (SVM) e o algoritmo de Naive Bayes em conjunto com as técnicas de Processamento Natural de Linguagem (PNL), para o processamento de uma base de dados de 340.000 produtos distintos. Os dados foram divididos em 80% treinamento e 20% teste e obteve-se um acurácia de 90% para um total de 98 classes.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Minha casa, mas e meu emprego? A relação entre a localização dos empreendimentos do PMCMV e as oportunidades de trabalho disponíveis no entorno(2024-10-29) SILVA, Lucas Eduardo da Conceição; SANTOS, Victor Igor Monteiro dos; MOREIRA, Frederico Guilherme Pamplona; http://lattes.cnpq.br/3186899504227811Nos países em desenvolvimento, programas de habitação social, como o Programa Minha Casa, Minha Vida (PMCMV), têm sido centrais para transformar o ambiente urbano e oferecer moradias acessíveis a populações de baixa renda. Embora contribuam para reduzir o déficit habitacional, muitos empreendimentos estão sendo inseridos em áreas periféricas com baixa oferta de empregos e serviços públicos, o que pode acentuar a segregação socioespacial e limitar as oportunidades econômicas dos moradores, colocando em questão a real efetividade deste programa. Assim, este estudo tem como objetivo analisar a relação entre o número de unidades habitacionais contratadas (UHC) do PMCMV e a disponibilidade de empregos nas proximidades dos empreendimentos na região metropolitana de Belém. Para isso, foram utilizadas abordagens de aprendizado de máquina e modelos de regressão linear pelo método de mínimos quadrados ordinários (MQO), que incluíram variáveis de controle e efeitos fixos para município e ano, além de especificações espaciais, como os modelos Spatial Autoregressive Model (SAR) e Spatial Error Model (SEM), para capturar influências socioeconômicas e geográficas compartilhadas. Nesse contexto, serão investigados os padrões de inserção desses empreendimentos em relação à oferta de empregos no entorno e como essa dinâmica varia conforme as faixas de renda dos beneficiários. Os resultados mostraram que a Faixa 1 do PMCMV requer mais área de empreendimento quando comparado com as faixas 2 e 3, e a área do empreendimento modera positivamente a relação entre os vínculos de empregos ativos as unidades habitacionais contratadas.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Modelagem preditiva de variáveis climáticas na Amazônia: uma análise comparativa de algoritmos de machine learning(2025-04-07) CRUZ, Jhon Wallacy Virginia da; FERREIRA JUNIOR, José Jailton Henrique; http://lattes.cnpq.br/9031636126268760Este trabalho tem como objetivo, realizar uma comparação entre al goritmos de aprendizado de máquina para previsão de características meteo rológicas como precipitação e temperatura máxima, tendo como conjunto de dados informações reais da região amazônica e analisar através de métricas de desempenho os modelos executados considerando a relação entre variáveis previsoras e variável prevista para diferentes conjuntos de dados. Dessa forma foi possível revelar informações importantes para aprimoramento de modelos de previsão climática na Amazônia.Trabalho de Curso - Graduação - Capítulo de Livro Acesso aberto (Open Access) O uso do ChatGPT no ensino de física: vantagens e desvantagens(2025-07-22) DIAS, Eliton Cruz; COSTA, Daniana de; http://lattes.cnpq.br/8838183313851024; https://orcid.org/0000-0002-8523-6156; ALVES, Lília Cristina dos Santos Diniz; http://lattes.cnpq.br/6114447007933261; https://orcid.org/0000-0003-2423-797XO presente trabalho tem como objetivo analisar a utilização do ChatGPT no ensino de Física, explorando suas vantagens e desvantagens. Para tanto, realizamos uma pesquisa de campo de abordagem quali-quantitativa com sete professores de Física de escolas no município de Salinópolis-PA, tendo o questionário como instrumento para produção de dados. A partir da análise dos dados obtidos, observou-se que a maioria dos professores já conhecia e havia utilizado o sistema de inteligência artificial em suas práticas profissionais, emergindo desafios, possibilidades e reflexões acerca da utilização dessa ferramenta em situações de ensino e aprendizagem de conceitos de física. Pode-se concluir que ChatGPT é uma ferramenta promissora para melhorar o ensino de Física, sendo necessário considerar suas limitações e desafios para utilizá-lo de forma eficaz e responsável.