Emprego de Blockchain para verificação da autenticidade de certificados acadêmicos de alunos da UEA
Os créditos de horas extras são uma exigência de vários cursos de ensino superior no Brasil. As horas extras são parte importante para a completude da carga horária exigida para a obtenção do diploma. Sua comprovação é feita por meio de certificados e diplomas que precisam ser fotocopiados e, muitas vezes, autenticados em cartório, para que se efetue a equivalência de carga horária da atividade realizada, sejam em instituições externas ou na própria universidade. Esse processo, além de burocrático e, muitas vezes, demorado, encontra ainda as limitações da mídia física perecível e falsificável do papel. O aluno, ao participar de um evento, precisa sujeitar-se ao tempo de entrega do certificado, o qual muitas vezes não é feito de forma imediata na finalização da atividade. Após o recebimento, o certificado impresso ainda pode ser danificado, extraviado ou, quando digital, pode ser também excluído o usuário pode ter perdido o acesso ao seu local de armazenamento. Nesse caso, o uso de uma rede blockchain seria uma solução que vai muito além da verificação da autenticidade: ela garantiria o acesso ubíquo ao documento. O uso de blockchain, então, seria aplicado para a melhoria de um serviço existente, isto é, o aperfeiçoamento de processo existente a fim de diminuir atritos entre as partes envolvidas.
Bolsista: Willians Amaral de Oliveira
Orientador: Prof. Dr. Fábio Santos.
Aplicativo Descentralizado baseado em Blockchain e Smart Contract para Prevenção e Detecção de Pré-Eclâmpsia em Mulheres Grávidas
A pré-eclâmpsia é uma desordem multissistêmica que ocorre durante a gravidez, caracterizada por hipertensão e proteinúria (excesso de proteínas na urina). A pré-eclâmpsia geralmente aparece após 20 semanas de gravidez. Esta condição é uma das complicações mais graves da gravidez e também uma das mais temidas. Em casos graves, coloca em risco a vida da mãe e do feto. Portanto, é necessário diagnosticá-lo e iniciar o tratamento o mais rápido possível. Torna-se importante enfatizar que a pressão arterial é um dos fatores mais importantes a serem controlados em grávidas com risco de pré-eclâmpsia. Assim, seria muito útil ter uma ferramenta voltada para monitorar esse fator, de preferência em tempo real, incluindo a possibilidade de acompanhamento remoto da grávida pelo médico que poderá acessar um dashboard com gráficos e relatórios gerados a partir dos dados armazenados numa blockchain e obtidos por sensores de um dispositivo vestível.
Bolsista: Gabriel dos Santos Batista
Orientador: Prof. Dr. Fábio Santos.
Identificação Automática de Moedas com Aprendizado Profundo
Este projeto de iniciação científica tem por objetivo aplicar técnicas de Aprendizado Profundo para o problema de identificação automática de moedas em imagens. As técnicas a serem desenvolvidas consideram tanto aspectos da Visão Computacional quanto do uso das Redes Neurais Convolucionais Profundas. Os modelos a serem obtidos podem colaborar positivamente em soluções que diminuam as dificuldades enfrentadas cotidianamente por pessoas com deficiência visual e também no desenvolvimento de algoritmos que possam ser utilizados, por exemplo, em máquinas automáticas de vendas.
Bolsista: David Cardoso Yonekura
Orientadora: Profa. Dra. Elloá Guedes
PAIC FAPEAM 2019-2020
Sistema de Ciência de Dados para Análise de Dados do Portal da Transparência do Amazonas
O Portal da Transparência é uma iniciativa do Governo do Estado do Amazonas que propicia o controle social pelos cidadãos ao disponibilizar dados e informações públicas do Estado, além de oferecer ferramenta para solicitações de informações por meio da Lei de Acesso à Informação. A transparência tem papel importante no combate à corrupção, ao induzir maior responsabilidade por parte dos gestores públicos e controle e divulgação das ações por cidadãos, pesquisadores e mídia [Portal da Transparência do Amazonas, 2019]. Esta proposta apresenta um sistema que facilite a análise e visualização dos dados disponíveis no portal. Tal modelo será desenvolvido por meio de um estudo de caso da análise de recursos humanos e salários de servidores do Estado, aspecto crítico das contas do Governo em tempos de crise. Tal estudo de caso envolverá as etapas clássicas de ciência de dados: coleta automática de dados, limpeza e organização, análises estatísticas gerais sobre os dados levando em consideração o aspecto temporal e relatórios sobre descobertas específicas a serem investigadas durante a pesquisa.
Bolsista: Vinicius Cavalcante de Brito Pessoa
Orientador: Prof. Dr. Carlos Maurício
PAIC FAPEAM 2019-2020
Sistema Guardião
Uso de técnicas de aprendizado de máquina em áudios para detecção de eventos em equipamentos de atendimento automático. O projeto visa desenvolver sistema embarcado inteligente que monitora o funcionamento do equipamento em tempo real.
Equipe: Carlos Maurício S. Figueiredo, Wilson Neto, Manoel Souza, Jailson e Luiz Carlos.
Geração automática de trilhas sonoras baseado em métodos de Aprendizado de Máquina Generativos
Geração automática de conteúdo digital por meio de inteligência artificial e, particularmente, música, é um campo de pesquisa bastante ativos nos dias de hoje. Isso se deve aos avanços das técnicas de aprendizado de máquina e, em particular, de redes neurais artificiais e deep learning. Este projeto de pesquisa propões utilizar tais técnicas de deep learning de forma que, a partir de algumas característica desejadas da trilha sonora como o gênero do filme ou perfil da cena (ação, drama, romance, terror, etc) seja gerado um áudio artificial inédito. Para isso, serão consideradas trilhas existentes como exemplos de treinamento para esses modelos de redes neurais. Serão pesquisados os métodos de deep learning mais adequados ao problema, será projetado um modelo e resultados serão avaliados de forma a mostrar a viabilidade da abordagem. Este trabalho pode ser aplicado em produção rápida de conteúdo tais como internet, vídeos ou jogos digitais.
Bolsista: Luiz Carlos Silva De Araujo Filho
Orientador: Prof. Dr. Carlos Maurício
Voluntário
Análise de vídeos para identificação de contexto através de Deep Learning
No setor da segurança, há um monitoramento realizado via câmeras de vigilância, que gera enormes quantidades de imagens por segundo. Atualmente, a supervisão desses dados é realizada por humanos, o que é extremamente difícil, visto o grande volume em tempo real em que os vídeos de segurança são gerados. Este projeto propõe pesquisa de modelos de deep learning, baseado em redes neurais convolucionais e redes neurais recorrentes, para a identificação de padrões em imagens ao longo do tempo, podendo indicar situações de risco e alertas para avaliação e tomada de decisão por órgãos competentes.
Bolsista: Jean Phelipe de Oliveira Lima
Orientador: Prof. Dr. Carlos Maurício
Voluntário
Aprendizado de Máquina Aplicado à Previsão de Câncer de Mama por Biomarcadores
Este projeto de iniciação científica tem por objetivo investigar o uso de técnicas de Aprendizado de Máquina para previsão de câncer de mama utilizando biomarcadores oriundos de medidas antropométricas coletadas em pacientes saudáveis e em estágios iniciais do desenvolvimento da doença. Para tanto, será necessária a utilização de uma base de dado real e representativa, a qual será utilizada para reconhecimento de padrões por modelos de aprendizado supervisionado. Os modelos que se almeja obter serão úteis para colaborar em estratégias que antecipem o diagnóstico e que contribuam para a identificação de perfis propensos ao desenvolvimento desta enfermidade.
Bolsista: Letícia Magalhães Mendes
Orientadora: Profa. Dra. Elloá Guedes
PAIC FAPEAM 2019-2020
Descoberta de novos atributos de produtos com base nas opiniões de usuários publicadas na Web
O objetivo desse projeto de pesquisa é investigar um método para organizar as opiniões de usuários relativas a características de produtos que não são representadas como atributos em catálogos. Uma ideia inicial seria agrupar esse tipo de opinião em subgrupos e que esses subgrupos poderiam ser transformados como novos atributos em catálogos de produtos, conforme sua relevância.
Bolsista: Iranildo Batalha.
Orientador: Prof. Dr. Tiago de Melo.
Projeto de iniciação científica com bolsa pela FAPEAM [link].
Ranqueamento de atributos de produtos com base nas opiniões de consumidores
O objetivo desse projeto de iniciação científica é investigar o problema de ranqueamento de atributos de produtos com base nas opiniões de usuários postadas em sites de comércio eletrônico e implementar um método que trate desse problema de maneira adequada.
Bolsista: João Victor.
Orientador: Prof. Dr. Tiago de Melo.
Projeto de iniciação científica com bolsa pela UEA [link].