Eventos
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."
Divulgação - Defesa Nº 227
Aluno: Caio Augusto Sobreira Melquiades de Lima
Título: “Isolation Forest-based semi-supervised Anomaly Detection of multiple classes”.
Orientador: Prof. Fernando Buarque de Lima Neto
Data-hora: 29/Dezembro/2020 (16:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto ((http://meet.google.com/hve-mmku-die))
Resumo:
“"In the age of Big Data, previously defining rules for finding all the uncountable patterns of events of interest, in complex and critical applications, is infeasible, if not impossible. A big challenge in this kind of scenario is to find previously unknown data that do not conform to the expected behavior. Anomaly Detection methods are techniques well-suited for tackling this category of problem due to its ability of identifying data that significantly deviate from an expected pattern, many times without any training example. Isolation Forest is a state-of-the-art technique in the unsupervised Anomaly Detection area, this, in addition of having a low computational cost. However, unsupervised Anomaly Detection many times suffer from high false-positive rate and high false-negative rate. Semi-supervised techniques can significantly improve the unsupervised algorithms with low human effort, and can also aggregate semantic knowledge into the models. Hybrid Isolation Forest is an Isolation Forest semi-supervised variation, which aggregates known anomalies, but only in a single class. This research proposed a Hybrid Isolation Forest-based model capable of aggregating known anomalies in distinct classes. The research work included a comprehensive literature aiming at identifying possibilities of aggregating expert feedback into Anomaly Detection techniques. The proposed model was accompanied by a very large set of experiments presented. Our proposed multiple anomaly classes semi-supervised model showed better performance in some distinct datasets and scenarios and showed an ability to significantly improve the underlying unsupervised algorithm.”
O Programa
