DSpace Coleção:
http://www.monografias.ufop.br/handle/35400000/10
2024-03-28T16:23:23ZRecSysExp2 : aprimorando o framework de implementação e validação em sistemas de recomendação.
http://www.monografias.ufop.br/handle/35400000/6707
Título: RecSysExp2 : aprimorando o framework de implementação e validação em sistemas de recomendação.
Autor(es): Gomes, Clara Lóris de Sales
Resumo: O constante aumento de dados disponíveis gerou a necessidade de Sistemas de Recomendação
capazes de filtrar informações relevantes aos usuários. No entanto, a busca por conteúdo verda-
deiramente significativo para os usuários, muitas vezes com necessidades e expectativas diversas,
demanda a incorporação de métricas além da acurácia, como a novidade, a diversidade ou a
serendipidade. Para lidar com isso, torna-se necessário a aplicação de técnicas de otimização
multiobjetivo. O framework RecSysExp, desenvolvido por Natali (2023), foi criado com o intuito
de simplificar a realização de experimentos em recomendação, abrangendo todas as etapas do
processo. No entanto, o framework apresenta limitações ao não contemplar recomendações mul-
tiobjetivo e métricas de avaliação que não estejam relacionadas com a medida de acurácia, o que
fundamenta a expansão proposta por este trabalho. O objetivo central deste trabalho é enriquecer
o RecSysExp para suprir essas limitações. Isso envolve a criação de uma infraestrutura que
viabilize a integração de métodos para a implementação de Sistemas de Recomendação multiob-
jetivo, e a incorporação de métricas de avaliação que considerem a novidade das recomendações,
tornando-o mais abrangente. Ao expandir o RecSysExp este trabalho visa ampliar os cenários
de uso do framework. Foram conduzidos experimentos computacionais, a fim de demonstrar a
eficácia das melhorias introduzidas no framework RecSysExp. O experimento foi estruturado
para testar a capacidade do sistema aprimorado em lidar com recomendações multiobjetivo.2024-01-01T00:00:00ZAprimorando a instalação e a configuração de experimentos do RecSysExp.
http://www.monografias.ufop.br/handle/35400000/6571
Título: Aprimorando a instalação e a configuração de experimentos do RecSysExp.
Autor(es): Silva, San Cunha da
Resumo: O trabalho apresenta aprimoramentos significativos no framework RecSysExp, utilizado para
execução de experimentos em sistemas de recomendação. Estas melhorias foram direcionadas
para aprimorar a usabilidade, escalabilidade e legibilidade do sistema. As novas funcionalidades
abrangem três áreas distintas: o desenvolvimento de uma interface gráfica, o encapsulamento
do framework utilizando Docker, e a reestruturação de uma classe para integração mais coesa
com conjuntos de dados, seguindo padrões de projeto estabelecidos. O objetivo primordial foi
elevar o valor proporcionado pelo framework, alinhado com a visão dos seus criadores, visando
seu uso como ferramenta acadêmica em ambientes de sala de aula ou pesquisa. A abordagem
metodológica adotada utilizou tecnologias específicas para cada contexto abordado. Para a criação
da interface do usuário, foram empregados React e Next.js, frameworks de frontend, enquanto
para o encapsulamento do RecSysExp, foram utilizados Dockerfile e docker-compose. Por fim,
a modificação da classe responsável pelos datasets foi realizada seguindo o padrão de projeto
Template Method. O projeto atingiu com sucesso todos os objetivos propostos. A implementação
de uma estrutura de contêineres simplificou a instalação do sistema, enquanto melhorias na
visualização das configurações tornaram a criação de experimentos mais intuitiva. Além disso,
a capacidade de enviar arquivos expandiu as opções dos usuários. Embora a versão final do
RecSysExp funcione de forma semelhante à sua iteração original, as adições deste trabalho
resultaram em uma versão aprimorada e mais amigável. No entanto, é importante destacar
que a configuração através da interface gráfica possui limitações, pois só é possível configurar
algoritmos e módulos que podem ser instanciados via arquivo de configuração no framework.
Algoritmos e módulos implementados apenas como bibliotecas em outros projetos não podem
ser configurados via frontend.2024-01-01T00:00:00ZBusca Tabu aplicada ao sequenciamento de tarefas com o tempo dependente de sequência em sistemas de manufatura flexível.
http://www.monografias.ufop.br/handle/35400000/6568
Título: Busca Tabu aplicada ao sequenciamento de tarefas com o tempo dependente de sequência em sistemas de manufatura flexível.
Autor(es): Conceição, Gabriel Carvalho Domingos
Resumo: O problema de minimização de trocas de ferramentas (job sequencing and tool switching problem,
SSP) com o tempo dependente de sequência é composto por um conjunto de tarefas, como
torneamento, retificação ou soldagem, que exigem um conjunto limitado de ferramentas, como
lixas, furadeiras e parafusadoras, sejam instaladas em uma máquina com capacidade limitada para
armazená-las. O objetivo é encontrar uma sequência de tarefas que minimize o tempo total gasto
com as trocas de ferramentas, que é dependente da sequência. O SSP pode ser dividido em dois
subproblemas: o problema de sequenciamento das tarefas (sequencing problem, SP) e o problema
de alocação das ferramentas (tooling problem, TP). Neste estudo, foi aplicada a estratégia de
busca tabu para tratar o SP, enquanto o TP foi abordado por meio de um método exato e uma
busca local para lidar com o tempo dependente de sequência. Os resultados demonstraram a
competitividade dos métodos propostos para todas as instâncias disponíveis, com melhorias de
até 44,43% quando comparado ao método estado da arte.2024-01-01T00:00:00ZPredição das taxas de incidência de leishmaniose visceral utilizando algoritmos de aprendizado de máquina.
http://www.monografias.ufop.br/handle/35400000/6553
Título: Predição das taxas de incidência de leishmaniose visceral utilizando algoritmos de aprendizado de máquina.
Autor(es): Ribeiro, Lucas Moreira
Resumo: A Leishmaniose Visceral representa uma doença tropical negligenciada, registrando anualmente
entre 50.000 e 90.000 novos casos em todo o mundo. Originalmente concebida como uma enfermidade predominantemente rural, essa condição evoluiu devido à urbanização e à adaptação bem-sucedida do vetor ao ambiente doméstico, emergindo agora também em grandes centros urbanos. Atualmente, várias cidades de médio e grande porte são consideradas endêmicas para essa enfermidade. Diversos fatores estão impulsionando a disseminação da doença, incluindo elementos como temperatura, precipitação, umidade, desmatamento, urbanização e condições socioeconômicas, entre outros. Com esse cenário em mente, o presente estudo utilizou dois modelos de aprendizado de maquina, um modelo de rede neural profunda, o Long Short Term Memory (LSTM) e o Extreme Gradient Boosting (XGBoost) para prever a incidência de Leishmaniose Visceral a partir de series temporais de incidência e variáveis socioeconômicas dos municípios. Os resultados do modelo XGBoost foram insatisfatórios, apresentando um coeficiente de determinação (R2 ) de −0, 27. Em contrapartida, o modelo LSTM mostrou-se promissor, com um R2 de 0, 231. Apesar de parecer baixo em primeira análise, esse valor é significativo, considerando as complexas características da doença e o emprego de um modelo com variáveis limitadas. O Erro Percentual Absoluto Médio (MAPE) do LSTM foi de 1,73%, evidenciando um baixo nível de erro nas predições. É importante notar que grande parte das observações de incidência era
nula. Essa predominância de valores nulos pode ter influenciado o modelo a prever incidências mais baixas, sendo um ponto a ser considerado na interpretação dos resultados.2024-01-01T00:00:00Z