DSpace Coleção:http://www.monografias.ufop.br/handle/35400000/102026-04-13T18:23:58Z2026-04-13T18:23:58ZUm sistema de previsão de desempenho de jogadores de futebol baseado em dados estatísticos de jogos.Oliveira, Pedro Augusto Carneiro dehttp://www.monografias.ufop.br/handle/35400000/90912026-04-13T14:53:08Z2026-01-01T00:00:00ZTítulo: Um sistema de previsão de desempenho de jogadores de futebol baseado em dados estatísticos de jogos.
Autor(es): Oliveira, Pedro Augusto Carneiro de
Resumo: Este trabalho tem como objetivo desenvolver um sistema de recomendação de jogadores de
futebol baseado na predição de desempenho, utilizando dados do Campeonato Brasileiro Série A
(2022-2024). A proposta previa duas etapas: a modelagem preditiva de métricas individuais e
a geração de recomendações. Este trabalho concentrou-se na primeira etapa, implementando e
avaliando três modelos de machine learning (Random Forest, XGBoost e MLP) com registros de
todos os jogadores do campeonato através da plataforma FootyStats.
A análise exploratória revelou desafios significativos: distribuições zero-inflated em métricas
ofensivas (35–40% com zero gols), tamanho amostral reduzido para goleiros (21 no treino) e
correlação temporal moderada (r=0,584 para gols), estabelecendo R2 máximo teórico de 0,341.
Os resultados mostraram R2=0,181 para gols (MLP), representando 53% do limite teórico, e R2
negativo para a maioria das demais métricas. A análise demonstrou que 40–60% da variação é
fundamentalmente imprevisível devido ao componente estocástico do futebol.
A capacidade preditiva alcançada mostrou-se insuficiente para viabilizar recomendações confiáveis, inviabilizando a segunda etapa. O trabalho contribui para estabelecer limites realistas
para predição de desempenho esportivo e identificar desafios metodológicos (distribuições zeroinflated, tamanho amostral, estocasticidade) que precisam ser superados para viabilizar sistemas
de recomendação robustos no futebol.2026-01-01T00:00:00ZAnálise de saúde mental de pacientes com câncer usando IA.Fernandes, Pedro Moraishttp://www.monografias.ufop.br/handle/35400000/90352026-04-06T17:29:23Z2026-01-01T00:00:00ZTítulo: Análise de saúde mental de pacientes com câncer usando IA.
Autor(es): Fernandes, Pedro Morais
Resumo: O câncer é uma doença grave que compromete tanto a saúde física quanto a mental dos pacientes,
e com isso, tem-se um grande desafio mediante a mitigação da doença fisicamente, mas ao mesmo
tempo, há a necessidade de manter a pessoa forte mentalmente, para que a recuperação seja
realizada. Visando auxiliar no fortalecimento mental de pacientes com câncer, a Inteligência
Artificial tem-se mostrado eficaz para processar grandes cargas de dados e obter um modelo
que auxilie nesta tarefa. Em muitos casos, os conjuntos de dados encontram-se desbalanceados,
o que pode comprometer o treinamento e a generalização do modelo treinado. Portanto, este
trabalho propõe um modelo de Inteligência Artificial para classificar sentimentos expressos em
textos de pacientes oncológicos, aplicando-se técnicas de balanceamento de dados, para uma
diminuição do viés do modelo em apenas um determinado grupo de classificações, visando
auxiliar no monitoramento do estado emocional e no suporte psicológico durante o tratamento
com eficiência, a fim de garantir a qualidade de vida psicológica do paciente em um momento
de extrema vulnerabilidade. Utilizando técnicas para lidar com o desbalanceamento da base de
dados utilizada, o modelo alcançou 82% de acurácia com o modelo LLM.2026-01-01T00:00:00ZGeração sintética de diálogos profissionais usando modelos de linguagem e com a incorporação de histórico curricular e indicadores de performance.Deus, Beatriz Helena de Mello Orlandi dehttp://www.monografias.ufop.br/handle/35400000/90322026-04-01T20:38:36Z2026-01-01T00:00:00ZTítulo: Geração sintética de diálogos profissionais usando modelos de linguagem e com a incorporação de histórico curricular e indicadores de performance.
Autor(es): Deus, Beatriz Helena de Mello Orlandi de
Resumo: Avaliar atributos profissionais, como desempenho, produtividade e habilidade, a partir de interações textuais é um desafio central para organizações que operam em ambientes digitais. Contudo, a escassez de dados reais de comunicação corporativa, aliada a restrições de privacidade, limita o avanço de pesquisas nessa direção. Este trabalho propõe uma abordagem experimental para a construção e avaliação de um corpus sintético de conversas empresariais, gerado por modelos de linguagem de grande escala e condicionado a variáveis latentes ocupacionais extraídas de históricos de carreira reais. O método desenvolvido integra simulação estatística, formação de times por similaridade de trajetória profissional e engenharia estruturada de prompt, produzindo diálogos que refletem comportamentos associados a diferentes perfis, sem revelar explicitamente os atributos no texto. A avaliação combina validação estrutural, rubricas de qualidade e um protocolo de inferência inversa, no qual os modelos avaliadores tentam recuperar os atributos latentes apenas a partir da leitura das conversas. Os resultados demonstram que o cenário estruturado supera consistentemente a linha de base aleatória, confirmando que modelos de linguagem conseguem codificar e recuperar parcialmente sinais comportamentais em diálogos sintéticos. A análise revela, ainda, um viés sistemático em direção a avaliações positivas por parte dos inferidores e uma tensão entre a naturalidade do texto e a controlabilidade dos atributos, abrindo caminho para o aprimoramento de métodos de geração e avaliação de dados sintéticos corporativos.2026-01-01T00:00:00ZPipeline automatizado para geração e análise de grafos de ciclones tropicais a partir do ERA5.Oliveira, Vinícius Cossio dehttp://www.monografias.ufop.br/handle/35400000/90222026-03-31T20:27:50Z2026-01-01T00:00:00ZTítulo: Pipeline automatizado para geração e análise de grafos de ciclones tropicais a partir do ERA5.
Autor(es): Oliveira, Vinícius Cossio de
Resumo: Estima-se que houve mais de 300 mil vítimas fatais com a passagem do ciclone Bhola em
Bangladesh e na Índia em 1970, sendo considerado o mais devastador da história. O ciclone
Katrina, ocorrido nos Estados Unidos em 2005, gerou um prejuízo na casa de centenas de bilhões
de dólares. A frequência da ocorrência dos ciclones e sua magnitude acendem um alerta às
autoridades, que buscam formas de mitigar e antecipar tais eventos. Esta monografia apresenta
a construção e aplicação de um pipeline para geração e análise de redes climáticas a partir de
dados de pressão média ao nível do mar (MSLP) da reanálise ERA5, produzida pelo Centro
Europeu de Previsões Meteorológicas a Médio Prazo (ECMWF). A metodologia integra a
aquisição automatizada dos dados, o cálculo de anomalias, a aplicação de máscara terra-mar
e a construção de matrizes de correlação utilizando o coeficiente tau de Kendall, a partir das
quais são geradas redes funcionais que representam interdependências atmosféricas entre pontos
da grade espacial. Sobre essas redes, são calculadas métricas topológicas como grau do nó,
distância geográfica média e coeficiente de agrupamento, posteriormente submetidas à correção
de efeitos de borda com base em redes aleatórias espacialmente embutidas. O pipeline permite a
geração automatizada de redes e mapas das métricas para diferentes ciclones e regiões oceânicas,
garantindo consistência metodológica e reprodutibilidade das análises. Como estudo de caso,
foi realizada uma análise detalhada do ciclone Gaja, além da aplicação do método a outros
eventos, evidenciando padrões recorrentes caracterizados por redução do grau e da distância
geográfica média e aumento do coeficiente de agrupamento ao longo das trajetórias dos sistemas.
Os resultados obtidos são consistentes com a literatura e demonstram o potencial do uso de redes
complexas como ferramenta para a análise sistemática de ciclones tropicais e da organização
espacial das interações atmosféricas associadas a eventos extremos.2026-01-01T00:00:00Z