Seleção Regular 2022.2 - Mestrado e Doutorado

Seleção Regular 2022.2 - Mestrado e Doutorado

O Programa de Pós-graduação em Engenharia de Computação (PPGEC) da Universidade de Pernambuco anuncia a abertura do processo de seleção para alunos regulares (turma 2022.2) do curso de MESTRADO E DOUTORADO.

Datas importantes podem ser encontradas no edital da seleção.

Inscrições até o dia 24/06/2022.


Maiores informações consultar o Edital Mestrado (disponível AQUI) e Edital Doutorado (disponível AQUI).

Inscrição inteiramente online. A apresentação dos documentos presencialmente ou através de vídeo conferência só ocorre no momento da matrícula.

Atenção: durante o preenchimento do formulário de inscrição indique no campo Orientador, três orientadores com os respectivos projetos de pesquisa do seu interesse, no seguinte formato:

  • Primeiro nome do 1o professor (código do projeto); Primeiro nome do 2o professor (código do 2o projeto); Primeiro nome do 3o professor (código do 3o projeto)
Os projetos oferecidos pelo corpo docente na seleção em curso estão disponíveis na seção de Downloads do website.

O modelo da carta de recomendação pode ser acessado AQUI


  • Errata 01 (AQUI)

    • Edital Aberto

    Entrega do Pré Projeto da turma 2021.1 - Ano 2022.1

    Entrega do Pré Projeto de Qualificação da turma 2021.1 - Ano 2022.1

    Atenção

    Informamos que o prazo limite para entrega dos pré-projetos de qualificação da Turma 2021.1 será até o dia 08/04/2022, entregues eletronicamente para o email da secretaria ( Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo. ). As apresentações dos pré-projetos serão realizadas entre os dias 25/04/2022 a 29/04/2022. Lembramos que as informações: data, horário e link da sala remota ou sala física serão divulgados no dia 24/04/2022.

    Defesa Nº 246 do Discente Thomás Tabosa de Oliveira

    Divulgação - Defesa Nº 246

    Aluno: Thomás Tabosa de Oliveira

    Título: “Development of machine learning models to aid in the diagnosis of arboviruses using clinical data”

    Orientadora: Patricia Takako Endo - (PPGEC)

    Co-orientador: Vanderson de Souza Sampaio - (FMT)

    Examinador Externo: Ivanovitch Silva - (UFRN)

    Examinador Interno: Wellington Pinheiro dos Santos - (PPGEC)

    Data-hora: 30/Março/2022 (9:00h) - AM
    Local: Formato Remoto (https://meet.google.com/exr-vomk-qhu)

    Resumo:

    Among the neglected tropical diseases (NTDs), arboviruses have a significant number of cases worldwide. In addition, the effects of the lockdown caused by COVID-19 contributed to the increase in cases of this type of virus. Its correct classification is a complex process due to the great similarity of symptoms between arboviruses. In addition, the lack of laboratory tests, especially in the interior of the country, is an additional obstacle to this problem. Given this context, this work proposes a machine learning model to assist health professionals in the clinical diagnosis of patients suspected of the most common arboviruses, Dengue and Chikungunya. For this, the model will make a multi-class classification between DENGUE, CHIKUNGUNYA and INCONCLUSIVE, to identify patients who do not have any of this two diseases. Eight models were initially tested and optimized through Grid Search technique, feature selection techniques were also performed to select the best attributes (symptoms and patient history) from the dataset. Finally, an evaluation of the selected attributes was also carried out with experts in the field to create a model that is more interpretable for health professionals. This work developed the GBM-Specialist, a Gradient Boosting model validated by experts, which achieved 76% sensitivity in the CHIKUNGUNYA class. Finally, a prototype, VALERIA, was developed so that the model can be used by healthcare professionals in real-world application.

    Página 19 de 47

    Go to top