Navegando por Assunto "Python (Linguagem de programação de computador)"

Agora exibindo 1 - 10 de 10

Análise de dados em radioastronomia como ferramenta de ensino-aprendizagem de física e matemática
(2022-06-18) Falcão, Sérgio Francisco; Silva, Antenor Jorge Parnaiba da; http://lattes.cnpq.br/0144039007577270; http://lattes.cnpq.br/5177728129241307
O presente trabalho reflete a inquietação deste e de outros autores quanto a introdução significativa dos conceitos da Radioastronomia no ensino básico. Certo do seu grande potencial educacional e do pouco aproveitamento de tal conceituação é que surge a idéia de um produto educacional que tem como influência as ideais construídas ao longo do curso de Especialização em ensino de Astronomia e Ciências Afins da Universidade Federal Rural de Pernambuco (UFRPE), os aspectos construcionistas de Seymour Papert (1994 e 1986), as modernas abordagens da Teoria da Aprendizagem Significativa proposta por David Ausubel (1918-2008), bem como a análise de dados de radiotelescópios feita com a linguagem de programação Python. Segundo Papert (1986), o uso do computador potencializa o processo de aprendizagem do indivíduo e é nessa perspectiva que se pretende aqui propor a mediação para facilitar o ensino de Física e Matemática na escola básica. O projeto se baseia na ideia de que a linguagem de programação Python é de extrema importância para a Radioastronomia, pois é com seus algoritmos que grande parte dos cientistas leem e interpretam os dados coletados por radiotelescópios. Assim, com o objetivo de utilizar as imagens e gráficos gerados pelos dados, que nos ajudam a compreender vários aspectos dos objetos espaciais, este trabalho propõe o uso pedagógico dos elementos para ajudar estudantes a compreender conceitos físicos, como ondas eletromagnéticas, relatividade; conceitos matemáticos, como estatística, matrizes, análise de gráficos; e conceitos e estruturas do campo da tecnologia da informação, como análise de dados e lógica de programação, buscando a prática de um ensino amplo e integrado ao mundo profissional.
Automatização dos serviços de coleta domiciliar com o QGIS e Python
(2024-10-04) Prado, Artillis Henrique Mendes do; Medeiros, Victor Wanderley Costa de; http://lattes.cnpq.br/7159595141911505; http://lattes.cnpq.br/7294722691197017
Este trabalho apresenta o desenvolvimento de uma ferramenta inovadora para monitoramento dos serviços de coleta domiciliar na cidade do Recife, Brasil, utilizando QGIS e Python. O objetivo principal é otimizar o gerenciamento das operações do CCO (Centro de Controle Operacional) que atua na Autarquia de Manutenção e Limpeza Urbana, permitindo o acompanhamento dos veículos de coleta e a análise detalhada de suas rotas. A plataforma desenvolvida coleta e processa dados geoespaciais, fornecendo informações precisas e imediatas sobre o percurso dos caminhões, gerando relatórios que auxiliam na gestão do serviço. Com a integração dessas tecnologias, a ferramenta oferece funcionalidades como a identificação de trechos não atendidos, análise do tempo de atendimento por setor e avaliação da produtividade dos veículos. Os relatórios gerados permitem uma visão ampla da eficiência das operações, facilitando a tomada de decisões estratégicas, como ajustes nas rotas e realocação de veículos mais produtivos. A ferramenta também possibilita filtrar dados por velocidade e tolerância de distância, o que ajuda a verificar se os caminhões seguiram as rotas planejadas. A implementação desta solução traz benefícios significativos para a gestão pública, como maior controle operacional, precisão nos dados e transparência nas ações de coleta de resíduos. Ao gerar informações em tempo real e resultados rápidos, a ferramenta contribui para a eficiência das operações e a melhoria contínua dos serviços, além de promover uma administração mais eficiente e baseada em dados. Dessa forma, o sistema desenvolvido ajuda a tornar o processo de coleta de resíduos mais ágil e sustentável.
Comparação da construção de redes neurais nas linguagens R e Python
(2021-03-12) Liberal, João Paulo Godê; Paiva Júnior, Sérgio de Sá Leitão; http://lattes.cnpq.br/7706717198580424; http://lattes.cnpq.br/1024308436712090
Este relatório tem como objetivo fazer um comparativo entre Redes Neurais Artificiais (RNAs) escritas nas linguagens R e Python nos sistemas operacionais Windows 10 e Linux-Ubuntu 20.04. As principais métricas observadas foram: tempo de execução em ambas as linguagens nos diferentes sistemas, considerando o tempo para o treinamento e teste da rede; também será avaliada o nível de acurácia nos diferentes sistemas operacionais. A ferramenta utilizada para o desenvolvimento foi o pycharm, juntamente com a utilização das bibliotecas keras, tensorflow e pandas. Para a linguagem Python foi configurado um ambiente no miniconda2 e na linguagem R a execução foi por linha de comando. A base de dados utilizada pelas Redes Neurais foi retirada do Machine Learning Repository (UCI) e trata do diagnóstico de tumor cancerigeno.
Da propagação do calor à construção de desenhos: uma aplicação das séries de Fourier com Python
(2024) Domingos, Cleianderson Paz; Freitas, Lorena Brizza Soares; http://lattes.cnpq.br/2302580820419163; http://lattes.cnpq.br/8909785797719318
Este trabalho tem como principal objetivo apresentar uma aplicação das séries de Fourier na geração de figuras, para tal, estudamos em um primeiro momento o problema da condução do calor em uma barra finita, bem como a equação que o modela e sua solução, ambas propostas por Joseph Fourier no início do século XIX. Inicialmente, é apresentada uma nota histórica que exibe alguns fatos que culminam na motivação para o estudo da propagação do calor. Em seguida, deduzimos a Equação do Calor a partir de duas leis físicas e estudamos como as séries de Fourier surgem na tentativa de solucionar esta equação. Com isso, por meio dos teoremas de convergências, estudamos condições necessárias para que uma função possa ser representada por sua série de Fourier. Por fim, apresentamos uma aplicação das séries de Fourier na geração de figuras por meio de epiciclos e desenvolvemos um algoritmo em Python para visualizar esta aplicação.
Desenvolvimento de programa para verificação de paquímetros do Laboratório de Metrologia da UACSA
(2023-04-28) Andrade, Luca Lima da Silva Pires de; Silva, Karla Carolina Alves da; Silva, Rogério Soares da; http://lattes.cnpq.br/5570338185824272; http://lattes.cnpq.br/6261877082189807; http://lattes.cnpq.br/9828015547946019
A confiabilidade das medições em instrumentos de medições é crucial para o desempenho orga- nizacional. Apesar deste tema ser abordado em diversas menções nacionais e internacionais, o mesmo carece de orientação para realização de verificações de instrumentos de forma assertiva. Este estudo tem como objetivo contribuir para o aumento da qualidade das medições realizadas nos paquímetros, desenvolvendo um programa, na linguagem Python, que realiza os cálculos necessários para a verificação e no fim gera um relatório de verificação. Garantindo um controle de qualidade interno destes instrumentos de medição pertencentes ao laboratório de metrologia da Unidade Acadêmica da UFRPE-UACSA. Foi desenvolvido um estudo de caso em que foram confrontados os cálculos, correspondentes as fontes de incerteza, realizados de forma manual com os obtidos pelo programa. Além do mais, foi gerado uma curva de erro que permite analisar, de forma visual, o comportamento do instrumento em operação entre as verificações e determinar um fator temporal de correção. A aplicação do programa se comprovou eficaz, facilitando na construção de relatórios de verificação, com redução de tempo drástica, comparado ao gasto para elaborar um relatório manual. E possibilitou a validação do seu funcionamento. Este trabalho poderá contribuir em aplicações nos ambientes acadêmicos e profissionais, permitindo uma ma- neira simples de verificar e mensura a incerteza de medição de paquímetros.
Desenvolvimento de uma ferramenta computacional para a análise de membranas em concreto armado
(2023-09-22) Medeiros, Khrys Kathyllen da Silva de; Silva, Jordlly Reydson de Barros; http://lattes.cnpq.br/4382584044561547; http://lattes.cnpq.br/5605761011467421
Neste trabalho é estudado o comportamento de membranas de concreto armado, utilizados os modelos Modified Compression Field Theory (MCFT) e Rotating-Angle Softened Truss Model (RA-STM), sendo esses baseados na solução de sistemas de equações não-lineares formulados com base em equações de equilíbrio, compatibilidade de deformações e os modelos constitutivos dos materiais. Primeiramente, as técnicas foram implementadas em linguagem Python e foi utilizado o modelo Mohr Compatibility Truss Model (MCTM) como estimativa inicial da solução. Posteriormente, o código computacional foi testado por meio de alguns exemplos e os resultados obtidos foram comparados com soluções numéricas e ensaios experimentais da bibliografia consultada, verificando assim a eficácia do método. Com isso, concluiu-se que ambos os modelos de análise apresentaram bons resultados, porém o MCFT se mostrou mais próximo da realidade, visto que em sua teoria é considerado o enrijecimento do concreto à tração, diferentemente do RA-STM. A implementação desenvolvida é uma abordagem simples, eficaz e de baixo custo computacional, para o auxílio na análise de painéis de concreto armado submetidos a esforços de membrana. Além disso, foi desenvolvida uma interface gráfica, podendo assim ser utilizada por profissionais e estudantes da área de Engenharia Civil independente da familiaridade do usuário com a linguagem computacional empregada. Assim, a ferramenta torna-se uma alternativa acessível em questão de projeto, uma vez que possibilita de forma fácil o teste de várias combinações de propriedades dos materiais para determinar a opção mais viável sem comprometer a produtividade.
Processo de ETL voltado para jurimetria
(2021-12-20) Cristovam, Edson Fagner da Silva; Bocanegra, Silvana; http://lattes.cnpq.br/4596111202208863; http://lattes.cnpq.br/1519472768897299
Grandes empresas podem ter dificuldades em gerenciar numerosos processos judiciais em que são rés, pois uma equipe do tamanho necessário para gerir esses processos pode ser muito dispendiosa. Com a digitalização dos processos judiciais, uma estratégia que automatize a organização das informações processuais e que seja de fácil consulta pode ser muito proveitosa. Diante disso, o data warehouse parece ser uma técnica muito indicada para tal, por normalizar e padronizar as informações de diversas fontes que estão contidas nele. Mas para carregar os dados em um data warehouse, é necessário prepará-los com um método comumente conhecido por ETL. Com esse método podemos criar fluxos de extração, transformação e carga de dados que serão escritos no data warehouse. Com um data warehouse preenchido com dados judiciais, podemos utilizá-lo para auxiliar a tomada de decisão do setor jurídico das empresas por meio da jurimetria, que consiste na aplicação de ferramentas estatísticas ao Direito, fornecendo novos pontos de vista baseado em dados.
Técnicas de Modelagem Matemática e os Métodos de Runge-Kutta
(2021-07-23) Silva, Angelo Antunes da Rocha; Didier, Maria Ângela Caldas; Gondim, João Antônio Miranda; http://lattes.cnpq.br/2674397127545655; http://lattes.cnpq.br/9721552594807972; http://lattes.cnpq.br/9069459979748516
Este trabalho consiste no estudo da Modelagem Matemática com análise numérica dos modelos. Apresentamos as etapas de um processo de modelagem, definimos e classificamos um modelo matemático e discutimos as técnicas de modelagem por ajuste de curvas usando o Método dos Mínimos Quadrados e por equações diferenciais onde abordamos alguns modelos, dentre eles, os que descrevem uma dinâmica de crescimento populacional e os modelos epidemiológicos. Também, apresentamos os métodos de Série de Taylor e os métodos de Runge-Kutta para a construção de soluções numéricas de um problema de valor inicial. Como contribuição principal, simulamos as soluções analíticas e numéricas para quatro problemas de valor inicial e analisamos os erros das soluções numéricas para responder questões referentes a fórmula geral do método de Runge-Kutta de ordem 2. Calculamos dois tipos de erros: o Erro de Fórmula e o erro em um intervalo. Para o cálculo do erro em um intervalo, utilizamos a norma L2 e uma fórmula fechada de Newton-Cotes. A proposta aqui é fornecer um material sobre Modelagem Matemática que possa ser utilizado tanto por um estudante de Graduação em Matemática, como de outra área de conhecimento que desfrute do Cálculo Diferencial como ferramenta. Observamos que as simulações dos modelos foram realizadas na linguagem de programação Python e os códigos poderão ser acessados através do link disponibilizado na introdução desta dissertação.
Uso da ciência de dados para estudo de falhas e fraudes dos abastecimentos de postos de gasolina
(2019-12-19) Arruda, Luiz Felipe Ribeiro de; Albuquerque Júnior, Gabriel Alves de; Roullier, Ana; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/1825682578554550
Nos dias de hoje, se faz necessário como uma prática essencial do empreendedorismo, um estudo descritivo das vendas realizadas pelas empresas levando em consideração fatores como localização, horário, fidelização do cliente e outros. Tales tudo, é necessário para compreender os padrões envolvidos nos volumes de vendas, bem como, em alguns casos, mensurar a produtividade de vendedores e criar uma métrica de produtividade baseado nos dados obtidos. Assim como toda empresa, os postos de gasolinas também gerenciam as suas vendas fazendo projeções, melhorias e estratégia de vendas. De acordo com a lei federal nº 9.9562, os postos de gasolinas são obrigados a terem técnicos responsáveis para realizar os abastecimentos, comumente chamados de frentistas. Os frentistas são tratados nos postos como vendedores, e então existe todo um controle de vendas para eles. Também é regulamentado em lei, para postos de combustíveis, ou so de automação comercial, antes pelo regulamento da SEFAZPAF-ECF e agora pela NFC-e. A automação comercial usada nos postos de combustíveis, trabalha em conjunto com as bombas de combustíveis e os frentistas. As bombas de combustíveis, nos postos, são os geradores de dados para o posto. É através das bombas que os consumidores recebem o que compram, e é o papel da automação registrar os dados oriundos dos abastecimentos e associar o frentista para o seu respectivo abastecimento. Esses dados são enviados para sistemas comerciais que fazem atratativa do gerenciamento de venda. Este estudo tem por finalidade usar os conceitos da ciência de dados e machine learning, para identificar falhas, possíveis fraudes, automatizar a análise dos logs e extrair dados relevantes para a análise de abastecimentos através delogs. Por isso, foram criados algoritmos de identificação de falhas e fraudes, que alimentam uma tabela de dados, e posteriormente, é criada uma machine learning, alimentada por essa tabela, para que seja possível prever futuros abastecimentos com erro. Após a aplicação dos treinos e testes, a máquina teve uma precisão (precision) de 96% de acerto das previsões de falhas nos abastecimentos.
Uso de Machine Learn para classificação de lançamentos financeiro: estudo comparativo entre modelo AutoML e Redes MLP
(2022-10-10) Silva, Vinicius Mateus Mendonça da; Monteiro, Cleviton Vinicius Fonsêca; http://lattes.cnpq.br/9362573782715504; http://lattes.cnpq.br/6180002649065928
O estudo desse trabalho visa auxiliar as empresas na sua gestão financeira gerando modelos baseados em Machine Learning para classificação de lançamentos financeiros. Com auxilio de bibliotecas desenvolvidas na linguagem Python, foi possível realizar o treinamento de modelos de AutoML e Redes Neurais Multilayer Perceptron responsáveis pela classificação dos dados. Com resultados acima de 85% nas métricas de Accuracy, Recall, F-measure e Precision para ambos os modelos, a utilização dos mesmo trás a possibilidade de uma melhor gestão dos lançamento financeiro com menos esforço.