Eventos
Divulgação - Defesa Nº 197
Aluna: Aline Ferreira Barbosa
Título: “Artefatos instrucionais para da Análise de Conflitos na Engenharia de Requisitos com base na CNV”.
Orientadora: Profa. Maria Lencastre P. Menezes e Cruz
Data-hora: 29/Agosto/2019 (14:30h)
Local: Escola Politécnica de Pernambuco – SALA I-5
Resumo:
“A Engenharia de Requisitos (ER) envolve inúmeras interações sociais que requerem do analista um alto nível de cooperação e empatia com pessoas de personalidades, valores e interesses diferentes. Nessas interações, falhas na comunicação podem ser percussoras para o surgimento de conflitos nas equipes de desenvolvimento de software, podendo levar ao comprometimento do projeto, elevação de custos e mal-estar na equipe. Esta pesquisa investiga a utilização da comunicação não violenta no contexto da ER, visando contribuir na antecipação e administração de conflitos. O trabalho contempla a proposta de novos artefatos instrucionais a serem aplicados em disciplinas que incluam a ER. Entre os
artefatos propostos estão as transcrições dos Cenários de conflito reais levantados em nove diferentes empresas de TI e a sua classificação. Estes cenários foram levantados utilizando como método de coleta entrevistas semiestruturada com profissionais da área, que foram essenciais para o aprofundamento nas situações de conflitos recorrentes na ER. Os artefatos instrucionais incluem também um template para suporte à análise dos conflitos, baseado em CNV, e um jogo chamado ConectER que visa tornar mais motivadora e lúdica a análise das situações de conflito na disciplina. De forma complementar, foram realizados dois experimentos da proposta em turmas de ER (graduação e
pós graduação) visando a validação dos mesmos.”
Divulgação - Defesa Nº 196
Aluna: Carlos César Bezerra Fonseca
Título: “Análise de Dados no Cadastro da Rede de Distribuição Secundária de Energia”.
Orientador: Prof. Alexandre Magno Andrade Maciel
Data-hora: 26/Agosto/2019 (14:00h)
Local: Escola Politécnica de Pernambuco – SALA I-5
Resumo:
“O trabalho visa criar um modelo inteligente de análise de dados no cadastro da rede de distribuição secundária de energia, com ênfase na busca por possíveis anomalias que podem ser apenas cadastrais ou realmente físicas. Para isso, utiliza algumas técnicas de mineração de dados, dando foco para a detecção de anomalias. Este estudo utilizou um banco de dados privado contendo informações sobre os ativos que compõem a rede de distribuição secundária de energia, tais como: postes, transformadores, seccionadores, entre outros. A pesquisa foi desenvolvida seguindo todos os passos apresentados na metodologia CRISP-DM. Para detectar as anomalias, foram utilizados os algoritmos Isolation Forest, DBSCAN e BIRCH. Como resultado, os três algoritmos apontaram para um conjunto específico de anomalias, que posteriormente foram validadas por um especialista, no entanto, o Isolation Forest obteve uma maior acurácia na inferência das anomalias. A partir deste estudo, as empresas de distribuição de energia poderão identificar antecipadamente situações arriscadas ou problemáticas financeiramente.”
Divulgação - Defesa Nº 195
Aluna: Iago Richard Rodrigues Silva
Título: “Modelos Baseados em Aprendizado de Máquina para Diagnóstico da Doença de Alzheimer”.
Orientadora: Profª. Roberta Andrade de Araujo Fagundes
Coorientador: Wellintong Pinheiro Santos
Data-hora: 21/Agosto/2019 (14:00h)
Local: Escola Politécnica de Pernambuco – SALA I-7
Resumo:
“A doença de Alzheimer (DA) é uma das doenças neurodegenerativas mais comuns presentes na sociedade. A DA está relacionada ao envelhecimento e é a forma mais comum de demência, com isso ela afeta em quase sua totalidade os idosos devido às alterações que ocorrem no cérebro. A DA apresenta-se como uma perda progressiva de características comportamentais e intelectuais. O declínio da memória, linguagem e percepção são alguns dos problemas. Não existe cura para Alzheimer, entretanto quando a doença é diagnosticada precoce e corretamente, tratamentos existentes podem amenizar a qualidade de vida do indivíduo. Existem diversos tipos de diagnósticos para esta doença, que podem seguir-se através de abordagens que utilizam testes cognitivos, sinais elétricos ou exames de imagem. Para análise destes exames, a utilização de algoritmos inteligentes têm se mostrado eficiente. Diante deste contexto, esta dissertação tem como objetivo apresentar dois modelos para diagnóstico da Doença de Alzheimer utilizando algoritmos aprendizado de máquina em imagens de ressonância magnética. O primeiro modelo consiste na utilização de extração explícita de atributos, tendo como o algoritmo de extração de texturas desenvolvido por Robert Haralick como agente. O segundo modelo foi elaborado a partir de extração de atributos por intermédio de uma rede neural convolucional proposta neste projeto de pesquisa. Em ambos os modelos foram executados algoritmos clássicos de aprendizado de máquina para classificação dos dados gerados pelos extratores de características, como SVM, Random Forest e K-NN. Ambos os modelos foram avaliados seguindo métricas tradicionais da literatura, como acurácia, sensibilidade e especificidade. Os resultados obtidos e avaliados mostram que houve contribuição na proposição destes novos modelos, e que eles contém resultados compatíveis com o estado da arte. O primeiro modelo apresenta-se com uma acurácia próxima a 80%, tendo mostrado avanço enquanto a trabalhos relacionados ao diagnóstico da doença utilizando três classes em imagens de ressonância magnética. Enquanto o segundo modelo apresentou resultados superiores a 90%, resolvendo o problema de classificação de duas classes.”
O Programa
