Divulgação - Defesa Nº 230

Aluno: Angel Antonio Ayala Maldonado

Título: “ KutralNext: An Efficient Multi-label Fire and Smoke Image Recognition Model”.

Orientador: Prof. Dr. Bruno José Torres Fernandes

Coorientador: Francisco Javier Cruz Naranjo (Universidad Central de Chile e Deakin University)

Data-hora: 12 de Março de 2021, às 7:00h
Local: Formato Remoto (https://meet.google.com/zzy-wukg-wwa)

Resumo:

"Early alert fire and smoke detection systems are crucial for management decision making as daily and security operations. One of the new approaches to the problem is the use of images to perform the detection. Fire and smoke recognition from visual scenes is a demanding task due to the high variance of color and texture. In recent years, several fire-recognition approaches based on deep learning methods have been proposed to overcome this problem. Nevertheless, many developments have been focused on surpassing previous state-of-the-art model’s accuracy, regardless of the computational resources needed to execute the model. In this work, is studied the trade-off between accuracy and complexity of the inverted residual block and the octave convolution techniques, which reduces the model’s size and computation requirements. The literature suggests that those techniques work well by themselves. Furthermore, in this research was demonstrated that combined, it achieves a better trade-off. Efficient models are required for hardware constrained systems, such as mobile devices, embedded systems, and robotics, achieving high performance at low-power consumption. This work proposed the KutralNext architecture, an efficient model with reduced number of layers and computacional resources for single- and multi-label fire and smoke recognition tasks. Additionally, a more efficient KutralNext+ model improved with novel techniques, achieved an 84.36% average test accuracy in FireNet, FiSmo, and FiSmoA fire datasets. For the KutralSmoke and FiSmo fire and smoke datasets attained an 81.53% average test accuracy. Furthermore, state-of-the-art fire and smoke recognition model considered, FireDetection, KutralNext uses 59% fewer parameters, and KutralNext+ requires 97% fewer flops and is 4x faster."

Divulgação - Defesa Nº 229

Aluno: João Alberto da Silva Amaral

Título: “Um Modelo para Seleção de Tópicos Relevantes em Documentos Aplicados a Compliance”.

Orientador: Prof. Fernando Buarque de Lima Neto

Data-hora: 12 de Março de 2021, às 07:00h
Local: Formato Remoto (http://meet.google.com/qnr-bgrk-jcy)

Resumo:

" O processamento de linguagem natural (Natural Language Processing - NLP) é uma subárea da Inteligência Artificial que visa permitir que os computadores processem o texto em linguagem natural de forma semelhante a humana. Este trabalho propõe uma abordagem de NLP semântica utilizada para caracterização de informações relevantes às atividades do compliance. Neste contexto é proposto um modelo combinando duas técnicas de modelagem de tópicos: a Análise semântica latente (Latent Semantic Analysis – LSA) e a Alocação de Tópicos Latentes (Latent Dirichlet Allocation – LDA), sendo o primeiro utilizado para auxiliar no processo de redução de dimensionalidade, enquanto o segundo foi selecionado para identificar o quantitativo de temas relevantes abordados nos dados processados. Os resultados de avaliação da proposta foram obtidos através da submissão de três bases ao modelo: Base de relatórios de Auditoria emitidos pela Secretaria da Controladoria-Geral de Pernambuco entre os anos 2010 a 2019; Base de acordão emitidos pelo tribunal de contas da União em 2019 e Base de Leis Europeias entre 1952 a 1990. Avaliamos o desempenho de três métodos de aprendizagem de máquina (K- means, LSA e LDA). Em nossos experimentos, observamos que as técnicas de pré-processamento têm influência direta sobre o resultado da extração de tópicos. Além disso, observamos que a técnica Silhouette nos ajudou a encontrar o melhor valor de clusters para uma determinada amostra de dados. Nos resultados o LSA associado ao LDA apresentou o melhor desempenho nas três bases de dados, quanto a qualidade dos clusters identificados, tendo sido alcançado melhores resultados na base de dados de Leis da União Europeia."

Divulgação - Defesa Nº 228

Aluno: Patrícia Coimbra Mergulhão dos Anjos

Título: “Proposta de um componente curricular para ensino de gerenciamento de conflitos na Engenharia de Software baseado em Metodologias Ativas”.

Orientador: Profa. Maria Lencastre P. de Menezes e Cruz

Data-hora: 11/Fevereiro/2021 (10:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (http://meet.google.com/agz-howk-vfq)

Resumo:

“Contexto: Conflitos são inerentes às relações humanas, mas são benéficos quando estimulam o pensamento divergente (debates, indagações, pesquisas), a criatividade e a inovação. Como os engenheiros de software realizam interações recorrentes com os stakeholders, precisam de competências como capacidade comunicação, resolução de conflitos, negociação e empatia. Por isso, habilidades técnicas não são suficientes para garantir entregas dentro das especificações dos usuários. Apesar de os currículos de Engenharia de Software focarem nas habilidades técnicas (hard skills), as habilidades comportamentais (soft skills) também são importantes. Dentre as soft skills está a gestão de conflitos durante o desenvolvimento dos projetos. Quando os conflitos são mal gerenciados, podem gerar impactos como suspensão temporária, falta de motivação das pessoas envolvidas no conflito, na equipe e até mesmo nos clientes. A inclusão de novos componentes curriculares, além de uso de estratégias de ensinagem apropriadas, podem fortalecer e consolidar competências relacionadas a soft skills, diferenciando o desempenho dos egressos em Engenharia de Software; podem facilitar a forma Resumo * de interação entre os stakeholders, mitigando possíveis impactos, ou transformando-os em aspectos positivos – como a inovação. Objetivo: Este estudo teve como objetivo propor um componente curricular na Engenharia de Software, através de um Canvas de Inovação, que contempla o ensino relacionado à prevenção e ao gerenciamento de conflitos, através do uso de Metodologias Ativas (Design Thinking e Sala de Aula Invertida). Metodologia: Para definir o conteúdo desse componente curricular foram analisadas publicações, livros e cursos de outras áreas relacionadas ao Gerenciamento de conflitos e uma revisão sistemática da literatura sobre o uso de Metodologias Ativas na Engenharia de Software. Para validar o componente, foi conduzido um estudo de caso com 14 alunos em uma Instituição de Ensino Superior, numa disciplina específica criada para Gerenciamento de Conflitos em TI. As aulas foram conduzidas utilizando Metodologias Ativas (Design Thinking e Sala de Aula Invertida), a fim de ensinar os alunos a lidar com conflitos, através do estudo de cenários reais e utilização de ferramentas criativas. Análise de Dados: A maioria dos alunos (85%) realizou as leituras antes das aulas (proposta da Sala de Aula Invertida); e considerou que o Design Thinking contribuiu no encontro de soluções para prevenir ou resolver os conflitos em Engenharia de Software (92%). Além disso, todos concordaram que, com este componente, desenvolveram mais a colaboração, a empatia e a criatividade ao longo das aulas, competências importantes para saber lidar com conflitos. Conclusão: O componente curricular inovador contribuiu no aprendizado sobre gestão de conflitos de graduandos de Engenharia de Software, demonstrando que as metodologias ativas Design Thinking e Sala de aula invertida, quando combinados de forma dinâmica e propositiva, potencializam esse soft skill tão importante."