01.1 - Graduação (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/2
Navegar
Item Análise de sentimentos em reviews de jogos digitais da Plataforma Steam(2024-09-26) Albuquerque, Júlia de Melo; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584A análise de sentimento é uma área que investiga as expressões emocionais da linguagem humana, buscando compreender as necessidades e opiniões subjacentes expressas em textos. Sua complexidade existe na habilidade de discernir não apenas o conteúdo textual, mas também as matrizes emocionais implícitas. Com o avanço tecnológico, a facilidade de expressar a opinião publicamente se dissemina por diversos meios, sendo campo dos jogos online uma vertente que atrai inúmeras publicações de jogadores sobre os diversos títulos disponíveis. No entanto, essa diversidade de públicos e temas torna desafiador compreender o sentimento expresso que permeia esse universo. O objetivo deste estudo é aplicar técnicas de análise de sentimento em avaliações de jogos digitais, adotando uma abordagem focada em algoritmos de aprendizado de máquina supervisionados e bibliotecas pre-polarizadas, a fim de identificar o melhor caminho de classificação capaz de discernir os sentimentos expressos pelos usuários nas avaliações. Nessa operação está sendo considerada uma abordagem com todas as opiniões e outra focada em gênero específico de cada jogo. Essa análise foi conduzida por meio da exploração de dados provenientes de uma empresa de distribuição de jogos online (Steam), seguindo com uma preparação desses dados devido às particularidades presentes nos registros. Os resultados revelam que os modelos de aprendizado de máquina superam as abordagens tradicionais, como a utilização da biblioteca VADER, apresentando uma precisão maior em aproximadamente 10% nas capturas, observou-se uma diferença de 20% a mais em métricas como recall e F1-score. Esse estudo representa uma contribuição analítica para a área da análise de sentimento, destacando a capacidade do modelo construído em lidar com a complexidade da linguagem humana.Item Como o uso de Play Feature Delivery no Android pode ajudar na sustentabilidade digital(2023-09) Claudino, Yasmmin Maria Monteiro; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/0549149216731460Com o crescente acesso à internet via dispositivos móveis entre as classes menos favorecidas no Brasil, a sustentabilidade digital ganha crescente importância. O objetivo deste estudo é avaliar o impacto da utilização da tecnologia Play Feature Delivery no consumo de dados móveis em dispositivos Android. Foi aplicado um teste estatístico de hipótese paramétrica t para avaliar diferenças significativas entre as médias de quantidade de dados gastos em Megabytes ao fazer o download de duas aplicações. O resultado correspondeu a um valor de t aproximadamente de 65,55 e a rejeição da hipótese nula. Esta descoberta não apenas sublinha a importância técnica para desenvolvedores Android, mas também ressalta sua relevância ao mostrar a melhora no uso dos dados móveis, especialmente em uma era onde a democratização do acesso à informação é vital. A pesquisa reforça a ideia de que a sociedade deve adaptar-se a recursos digitais, otimizando o uso de dados. Para alcançar essas conclusões, duas aplicações móveis focadas em orientações sobre primeiros socorros foram desenvolvidas e analisadas. A principal vantagem observada foi a diminuição no consumo de dados móveis, validando a eficácia da Play Feature Delivery em comparação com aplicacões convencionais.Item Construção de pipelines de dados sobre obras públicas em Pernambuco: abordagem prática com o Apache Airflow(2023-09-21) Silva, Henrique César José da; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584Este estudo apresenta uma abordagem prática para a construção de pipelines de dados voltados à coleta, transformação e armazenamento de informações relacionadas a obras públicas no estado de Pernambuco. O objetivo central é desenvolver fluxos de trabalho eficientes e automatizados para a extração de dados a partir de portais de transparência públicos, e a subsequente consolidação dessas informações. Com base em tecnologias de Engenharia de Dados, o framework Apache Airflow foi selecionado para a orquestração dos processos, permitindo o agendamento e monitoramento dos fluxos de trabalho.Item Detecção de doença cardiovascular ou diabetes utilizando machine learning(2024-03-07) Santos, Daniel Ramos Correia dos; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584Doenças cardiovasculares e diabetes representam desafios significativos para a saúde pública, demandando abordagens eficazes de diagnóstico e prevenção. Este trabalho propõe uma abordagem baseada em modelos de machine learning para oferecer suporte a esses processos. A partir de uma base de dados da pesquisa nacional de saúde do IBGE, o estudo investigou como diferentes variáveis afetam a detecção dessas doenças. Utilizando algoritmos como Random Forest, XGBoost e SVM, foram desenvolvidos modelos preditivos. Os resultados demonstraram uma acurácia de 71.96% para o algoritmo Random Forest na classificação de pacientes com doenças cardiovasculares e 72.26% na classificação de pacientes com diabetes. Também foi realizada através do método SHAP, análise das variáveis mais influentes, que revelaram alguns insights sobre os dados.Item Estudo comparativo de algoritmos de classificação supervisionada para classificação de polaridade em análise de sentimentos(2019) Albuquerque, Rotsen Diego Rodrigues de; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/6441716676783585Com o grande aumento de dados na internet, mostra-se uma rica fonte para a avaliação da opinião pública sobre uma entidade específica. Consequentemente, o número de opiniões disponíveis torna impossível uma tomada de decisão se for necessário ler e analisar todas as opiniões. Como o uso de Machine Learning tem sindo bastante usado, irei apresentar um estudo comparativo de dois algoritmos para classificar oscomentários usando técnicas de processamento de linguagem natural e Análise de Sentimentos. O dados obtidos foram obtidos manualmente onde através do site de competições chamado Kaggle temos cerca de 50.000 comentários sobre diversos filmes. Este estudo tem por finalidade usar também os conceitos da ciência de dados e Machine Learning, processamento de linguagem natural e analises de sentimentos para agregar mais informação sobre a industria de entretenimento e cinema. Por isso esses algoritmos foram criados para que seja possível mostrar os resultados para esse domínio nos reviews de filmes registrados no site da grande industria cinematográfica o famoso IMDB. Após a aplicação dos treinos e testes, a máquina teve uma Acuráciade 86% sobre a predição de textos comentados de filmes.Item Implementação de um agente inteligente para atendimento automatizado de dúvidas acadêmicas na UFRPE(2025-03-31) Silva, Evelyn Mylena Bezerra e; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/5200293461568988Este trabalho teve como objetivo principal desenvolver e validar um agente inteligente baseado em técnicas de Processamento de Linguagem Natural (PLN) e Recuperação de Informação, voltado ao suporte acadêmico no curso de Bacharelado em Sistemas de Informação (BSI) da Universidade Federal Rural de Pernambuco (UFRPE). O sistema foi projetado para oferecer respostas rápidas, relevantes e contextualizadas a perguntas frequentes relacionadas à vida acadêmica dos estudantes, como carga horária, disciplinas, matrículas e procedimentos administrativos. A implementação envolveu a coleta e estruturação de documentos institucionais, a construção de um modelo vetorial para recuperação semântica de respostas e a integração com um módulo de memória conversacional. Para a validação, as respostas do agente inteligente foram comparadas com um FAQ do curso de BSI, utilizando como métrica a similaridade do cosseno, aplicada ao conteúdo semântico das respostas. Os resultados indicaram uma média de similaridade de aproximadamente 0,6396, com mediana de 0,6548 e baixa dispersão. A maioria das respostas apresentou alto ou médio grau de alinhamento semântico com o conteúdo oficial, sendo classificadas como semanticamente adequadas. Casos de baixa similaridade representaram uma minoria e estiveram, em geral, relacionados a perguntas de cunho prático-operacional não abordadas na base de dados do sistema. Em contrapartida, observou-se que, em alguns contextos, o agente inteligente forneceu respostas mais completas e fundamentadas do que aquelas presentes no próprio FAQ. Conclui-se que o sistema desenvolvido apresenta desempenho satisfatório e demonstra potencial para expansão como ferramenta institucional de apoio ao estudante, promovendo maior autonomia, agilidade e acessibilidade no acesso a informação acadêmica.Item Previsão de preço de ações de empresas do setor elétrico com algoritmos de aprendizado de máquina(2025-03-21) Silva, Herculles Hendrius Coutinho Mesquita; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584O presente trabalho tem como objetivo comparar a eficiência de diferentes algoritmos de aprendizado de máquina na previsão de preços de ações do setor de energia elétrica. Para isso, foram analisados quatro algoritmos: Long Short-Term Memory (LSTM), Support Vector Regression (SVR), Regressão Linear e Random Forest. Os dados utilizados compreendem uma série histórica de preços e indicadores adicionais, como inflação, Índice de energia elétrica (IEE) e variação cambial, que foram processados e utilizados como entrada para os modelos. A análise foi realizada com base em métricas de erro, como Erro Médio Absoluto (MAE), Erro Quadrático Médio (MSE) e Raiz do Erro Quadrático Médio (RMSE), bem como pela avaliação da diferença percentual entre os preços previstos e os valores reais. Os resultados mostram que o algoritmo LSTM obteve o melhor desempenho na previsão de preços de fechamento, seguido pela Regressão Linear, enquanto o Random Forest apresentou maior margem de erro e se monstrando inadequado para a aplicação neste problema. Este estudo realiza a aplicação de algoritmos preditivos no mercado financeiro, demonstrando o potencial do aprendizado de máquina como ferramenta para análise e tomada de decisão no setor de energia elétrica.Item Sistema integrado para registro de aulas e análise de frequência dos alunos do Projeto Conecta Vidas do Centro Tecnológico da Associação Conexão Social(2024-10-09) Santos, Djair Batista dos; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584A Associação Conexão Social (ACS), fundada em 2005 em Lagoa de Itaenga, Pernambuco, tem como missão garantir os direitos de pessoas em situação de vulnerabilidade social por meio da educação e inclusão. O Projeto Conecta Vidas visa promover o letramento digital e atividades físicas para idosos, contribuindo para seu envelhecimento ativo e fortalecimento de vínculos comunitários. Contudo, o registro de frequência e a documentação das atividades enfrentam desafios significativos, como a logística dos registros em tempo real e a segurança dos dados sensíveis dos beneficiários. Este relatório apresenta uma proposta de um sistema integrado responsivo para registro de aulas e análise de frequência, desenvolvido com as tecnologias React, Node.js e MySQL. A solução proposta busca otimizar o registro de presença, facilitar o armazenamento seguro de fotos e simplificar o fluxo de informações para a coordenação. Com isso, pretende-se melhorar a eficiência dos educadores, assegurar a proteção dos dados e fornecer relatórios detalhados e precisos para os financiadores. O sistema visa não apenas a continuidade e o sucesso do projeto, mas também a promoção de uma gestão mais transparente e eficaz, potencializando os benefícios oferecidos pela ACS.Item Suporte à decisão multicritério em aplicativos de saúde sob demanda(2019) Pereira, Gustavo Magalhães; Albuquerque Júnior, Gabriel Alves de; Falcão, Taciana Pontual da Rocha; http://lattes.cnpq.br/5706959249737319; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/6456769669695121Os aplicativos de saúde sob demanda tem o objetivo principal encontrar um médico e levá-lo até sua casa para prestar assistência domiciliar para aqueles que tem dificuldade de locomoção e buscam um serviço médico mais cômodo, que não querem enfrentar filas de espera e que desejam evitar se deslocar até um hospital para tratar enfermidades básicas. O avanço tecnológico tem transformado a forma como serviços tradicionais são ofertados sob demanda, que está cada vez mais popular no Brasil. O Conselho Federal de Medicina (CRM), sabendo do impacto do avanço tecnológico no exercício da medicina, publicou a resolução nº 2.178/2017, que busca regulamentar o funcionamento de aplicativos que oferecem consulta médica em domicílio. De acordo com a resolução, todos os aplicativos que oferecem esse serviço são obrigados a disponibilizar uma listagem de médicos disponíveis para o paciente escolher o melhor médico para cuidar do seu caso, mas os aplicativos não oferecem auxílio ao paciente na decisão e e carece de uma solução computacional. Neste trabalho foi realizado o planejamento e desenvolvimento de um sistema de recomendação utilizando a metodologia da análise de decisão de múltiplos critérios. Foi utilizado como estudo de caso o aplicativo Clinio, um produto de saúde sob demanda desenvolvido pela Epitrack. A solução aplicada para recomendar os melhores médicos tem objetivo de auxiliar os usuários do aplicativo na escolha do profissional que mais se enquadra nas suas necessidades e preferências. Para isso, foram utilizados algoritmos de recomendação para selecionar médicos com base nos sintomas e na geolocalização e o Processo Analítico Hierárquico (AHP), tendo como critérios de classificação: valor da consulta, distância entre o médico e paciente e idade do médico. O sistema foi implementado e testado usando uma base de dados de 143 médicos de Pernambuco que atuam em 10 casos clínicos. Através dos testes realizados foi observado na recomendação obtida pelos usuários que o sistema auxilia no processo de escolha do melhor profissional para um caso através das definições das preferências.Item 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/1825682578554550Nos 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.Item Uso de análise de sobrevivência como ferramenta na obtenção de indicadores de permanência no ensino superior(2024-03-06) Silva, Lhaíslla Eduarda Cavalcanti Rodrigues da; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/7477398253297436Este trabalho propõe uma abordagem integrada de técnicas estatísticas, Business Intelligence e conceitos de Data Science para criar um modelo de análise de sobrevivência visando compreender a permanência dos estudantes no ensino superior. Utilizando cursos de computação como estudo de caso, diferentes grupos são comparados para calcular a probabilidade de permanência dos discentes até o termino do curso. O trabalho faz uso da plataforma SABIA para dar suporte à gestão orientada a dados, destacando a importância das ferramentas tecnológicas na análise acadêmica. Os resultados revelam padrões entre os cursos de uma mesma área ao considerar a evasão como evento de interesse, apresentando quedas mais acentuadas nos períodos iniciais, especialmente em momentos críticos, como no segundo semestre, que apresentam probabilidades de permanência mais baixas em relação ao primeiro semestre, assim como o a modalidade de ingresso Outros que nos períodos finais refletem ocorrência da evasão, evidenciando a importância de intervenções personalizadas para evitar a evasão e desperdícios de recursos, contribuindo para uma gestão mais eficiente e eficaz das instituições de ensino superior.Item Uso de business intelligence como ferramenta de apoio em previsões de apostas de jogos de futebol(2021-12-16) Domingues, Marcela Soares; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/6238090449898774São muitos os brasileiros que atualmente recorrem a casas de apostas esportivas online, principalmente de futebol, como forma de investimento. Essa pratica vem sendo permitida no Brasil desde 2018, de acordo com a lei 13.756/18. Com a permissão liberada, somada a paixão do brasileiro pelo futebol, essa e uma área de investimento que vem crescendo muito desde então, atingindo altíssimos níveis de movimentação financeira, fazendo com que muitas pessoas recorram a essa pratica como garantia de fonte de renda extra ou fixa. Para investir em determinada aposta, o ideal e que se tenha uma noção dos riscos que você vai assumir. Apostar envolve chances de perda, e por isso, nem sempre o investimento valera à pena. Deve-se levar em conta algumas variáveis, como por exemplo dados históricos de times e jogadores de futebol. O uso de Business Intelligence (BI), que já e bastante utilizado por times de futebol para estudar comportamentos de outras equipes, também agrega bastante valor na hora de analisar as apostas nas quais se quer investir. Utilizando conceitos de BI, este trabalho apresenta o desenvolvimento de um Dashboard (painel de controle) contendo gráficos e relatórios, a fim de facilitar o processo de analise das apostas, além de um modelo de predição para prever a quantidade de gols em um jogo e o calculo de probabilidades de vitória de cada time em uma determinada partida.