Eventos
Divulgação - Defesa Nº 214
Aluno: Rafael Diniz Toscano de Lima
Título: “Série Genética de Fourier: Um método inteligente de modelagem de séries temporais financeiras”.
Orientador: Prof°. Sérgio Murilo Maciel Fernandes
Data-hora: 31/Agosto/2020 (11:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (http://meet.google.com/mxh-nuae-afp)
Resumo:
“O Mercado Financeiro é um ambiente público e organizado para a negociação de títulos. Na economia moderna, as operações realizadas nesse mercado ocorrem por intermédio das bolsas de valores, criptográficas, através de plataformas digitais onde os investidores podem negociar de forma transparente a compra e venda de títulos. Com o crescimento do volume de investimentos e negociações nas bolsas e com a adoção massiva dos chamados cripto ativos, surgiu a necessidade da utilização de ferramentas de apoio ao processo de tomada de decisão. Através da automação em software, tornou-se possível a implementação de técnicas que viabilizam a tomada de decisão em intervalos de tempo cada vez menores, prevendo o comportamento do mercado com a maior precisão possível. Essas ferramentas têm como objetivo o aumento dos lucros e a mitigação dos riscos envolvidos nas transações efetuadas no mercado acionário. Atualmente, existem várias plataformas digitais de negociação, através das quais pode-se programar ordens de compra e venda de papéis sem a intervenção humana. São inúmeras as técnicas que processam as ditas séries temporais, coleções de observações realizadas sequencialmente no tempo. Assim, o presente trabalho realiza um estudo do estado da arte das técnicas de previsão em séries temporais (forecasting) encontrada nas pesquisas mais recentes, quais sejam: Redes Neurais Artificiais, Support Vector Machines e Deep Learning, bem como as técnicas de regressão de estatística clássica, onde destacam-se a Regressão Logística e a técnica ARIMA. Fazendo uma análise sobre os trabalhos relacionados, o presente trabalho propõe um método automático de modelagem que mescla pontos fortes das técnicas existentes, abstraindo os atributos de sazonalidade, tendência, variância e correlação em uma representação concisa, através de uma soma finita de expressões matemáticas com forte inspiração na Série de Fourier. Através da otimização combinatória obtida pela aplicação de técnicas de Computação Inteligente, foram concebidas modelagens de séries temporais com processamento numérico, obtendo modelagens acuradas, realizando-se testes em dados reais dispostos em bases publicadas por instituições reguladoras do mercado financeiro.”
Divulgação - Defesa Nº 215
Aluno: Raniel Gomes da Silva
Título: “Desenvolvimento de um Ambiente de Aprendizado de Máquina Automatizado integrável a Múltiplos AVAs”.
Orientador: Prof. Alexandre Magno Andrade Maciel
Coorientador: Rodrigo Lins Rodrigues
Data-hora: 31/Agosto/2020 (14:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (http://meet.google.com/pmi-ddxf-ssw)
Resumo:
“Na última década, a adoção de ferramentas de ensino à distância cresceu exponencialmente. Consequentemente, um grande volume de dados têm surgido a partir do uso massivo dos Ambientes Virtuais de Aprendizagem (AVA). As informações contidas nesses dados, têm possibilitado na evolução da Mineração de Dados Educacionais (MDE), cujo objetivo é aplicar o Aprendizado de Máquina (AM) em contextos educacionais. No entanto, a construção de modelos de AM precisos e robustos, exige na maioria dos casos, um conhecimento avançado em ciência dos dados. Além disso, outros fatores como o tempo de desenvolvimento, a propensão a erros na definição do melhor algoritmo e a dificuldade na definição correta dos parâmetros de entrada dos modelos, comprometem a produtividade na MDE. Para solucionar tais problemas, as técnicas de Aprendizado de Máquina Automatizado (AutoML) têm sido estudadas, com o objetivo de simplificar os processos fatídicos de Mineração de Dados e que não exigem conhecimento de domínio na maioria dos casos. Técnicas de Otimização Bayesiana (OB) e Algoritmo Evolucionário (BA) têm sido aplicadas nas categorias de Engenharia Automatizada de Features (AutoFE) e na Automação de Modelos com Aprendizado de Hiperparâmetros (AutoMHL). Para validar a aplicação dessas técnicas, foi utilizada a base de dados do Núcleo de Educação à Distância da Universidade de Pernambuco (NEAD). Os experimentos comprovaram que as técnicas de GA têm apresentado melhores resultados em comparação com as técnicas de OB. Em comparação com as abordagens clássicas de MDE, os experimentos apresentaram um resultado superior, obtendo-se uma acurácia de 92% no processo de classificação do desempenho estudantil. Além disso, foi desenvolvido um ambiente de Aprendizado de Máquina Automatizado e integrável a múltiplos AVAs. Esse ambiente é denominado de Framework de Mineração de Dados Educacionais (FMDEV), cujo objetivo é permitir que usuários, quer sejam técnicos ou não, possam construir, validar e disponibilizar, baselines de AM com maior produtividade e com menor conhecimento em ciência de dados. Esse ambiente fez uso das técnicas de OB e foi validado com especialistas em ciência de dados e também com especialistas na área de educação. Os resultados das opiniões dos especialistas, comprovam que o FMDEV pode contribuir na construção de melhores modelos de AM, como também em promover a democratização da ciência de dados para usuários com pouco conhecimento nessa área..”
Divulgação - Defesa Nº 213
Aluno: Andrés Paúl Moya Flores
Título: “Aprendizagem baseada no Pensamento na Ação do Desenvolvimento de Competências na Engenharia de Software”.
Orientador: Profa. Fernanda Maria Ribeiro de Alencar
Data-hora: 27/Agosto/2020 (15:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (https://meet.google.com/fgr-ckop-tqy)
Resumo:
“Na educação atual da Engenharia de Software(ES), além de ensinar a conhecer e compreender os conteúdos da disciplina, é necessário uma inovação educativa promovendo métodos de ensino adequados para que suas novas gerações de profissionais possuam uma formação humanista,crítica e reflexiva. Para promover e avaliar essas competências, estão sendo usados novos padrões educacionais e de avaliação no processo de ensino e aprendizagem. Identificou-se o método de ensino que desenvolve o pensamento eficaz nos discentes durante o estudo dos conteúdos, a Aprendizagem baseada no Pensamento. Neste sentido, o objetivo desta pesquisa foi realizar uma pesquisa-ação para identificar se usando-se a Aprendizagem baseada no Pensamento (TBL) como método de ensino inovador é possível auxiliar ao desenvolvimento de competências que são menos atendidas pelos outros métodos de ensino durante o processo de ensino e aprendizagem na ES. Como parte do procedimento da pesquisa-ação, foi realizada uma Revisão Sistemática da Literatura que ajudou a investigar as evidências que apontem possíveis dificuldades, e benefícios no desenvolvimento de competências usando os métodos de ensino na ES. Para a coleta de dados, foi desenvolvido a TBL comparando com outros métodos de ensino, na disciplina de Interface Homem-Computador durante um semestre. As avaliações foram realizadas por meio de rúbricas, como instrumento adequado para avaliar e pontuar com garantias a realização da proposta, além de ser um motor para inovação educativa. Na ultima fase da pesquisa-ação, foram explorados os resultados alcançados com TBL para ser comparados com o estado da arte encontrado na literatura; adicionalmente, descreveu-se os resultados obtidos comparando a TBL com outros métodos de ensino. Os resultados apontam que o uso do método de ensino da Aprendizagem baseada no Pensamento ou TBL pode auxiliar ao desenvolvimento de competências, com um alcance importante no pensamento crítico, na criatividade, na resolução de problemas e na metacognição, atendendo de forma crítica, humanista e reflexiva durante o processo de ensino e aprendizagem na ES. Esperamos que esta experiência com a TBL encoraje o desenvolvimento de competências entre os professores do SE.”
O Programa
