portal da computação    ciência da computação     engenharia de computação     pós-graduação webmail
Computação UFPel
A área de Computação da Universidade Federal de Pelotas congrega docentes e pesquisadores ligados à área de Computação na universidade. Composta primariamente por docentes lotados no Centro de Desenvolvimento Tecnológico, é responsável pelos cursos de Ciência da Computação, Engenharia de Computação e Mestrado em Ciência da Computação.
por Computação UFPel, 27 dias atrás

Título: Geração de Modelos de Predição para Estudantes em Risco de Evasão em Cursos Técnicos a Distância Utilizando Técnicas de Mineração de Dados

Autor: EMANUEL MARQUES QUEIROGA

Orientação:

  • Cristian Cechinel, Orientador (PPGC-UFPel)
  • Ricardo Araújo, Co-orientador (PPGC-UFPel)

Banca Examinadora:

  • Marilton Sanchotene de Aguiar (PPGC-UFPel)
  • Paulo R. Ferreira Jr. (PPGC-UFPel)
  • Sandro Camargo (Unipampa)

Data: 12 de Junho de 2017

Hora: 10:00

Local: Auditório Acadêmico

Resumo:
A Educação a Distância (EAD) apresenta uma alternativa para o acesso aos programas de qualificação profissional. Entretanto, junto com a utilização da EAD surgiram problemas como os altos percentuais de evasão. Nessa modalidade de educação, a interação entre estudantes e professores geralmente é mediada por um Ambiente Virtual de Aprendizagem (AVA), onde ficam registradas em seus logs de interações todas as ações realizadas pelos estudantes e professores durante o processo de ensino-aprendizagem. O grande volume de dados gerados por essas interações permite a utilização de técnicas de mineração para analisar os dados dos estudantes. Este trabalho aplica técnicas de mineração de dados e aprendizagem de máquina em logs das interações dos estudantes de cursos técnicos a distância dentro dos AVAs com o objetivo de identificar estudantes em situação de risco de evasão, utilizando como variável principal de entrada para os modelos de predição apenas a contagem dessas interações e atributos variados das mesmas. Foram utilizados dados de logs no AVA (contagens de interações e situação final dos estudantes) de quatro cursos técnicos EAD. As interações dos estudantes foram contabilizadas separadamente da seguinte forma: quantidade de interações diária, soma das interações semanais, média semanal das interações, desvio padrão e situação final. Foram avaliados dois cenários diferentes, sendo eles: 1) Geração de modelos de predição com treinamento e teste utilizando dados do próprio curso e a partir de validação cruzada e 2) Treinamento dos modelos com dados de três cursos e teste dos modelos com dados do curso restante. No primeiro cenário foram obtidos modelos de predição da evasão com ACG de até 84% antes da décima semana de curso, alcançado 95% até a semana 52. No segundo a maioria dos modelos de predição apresentam resultados de até 80% nas primeiras dez semanas de curso alcançando 98% antes da metade do curso. Um dos modelos (Random Forest) alcançou uma ACG de até 95% desde as primeiras semanas. Na comparação direta com o modelo estatı́stico ambas a técnicas apresentaram resultados próximos nas primeiras semanas. Entretanto, a partir da décima semana os modelos gerados por meio de mineração de dados apresentaram um crescimento significativo nas ACG enquanto que o modelo estatı́stico se manteve estável. Assim a contribuição deste trabalho é a geração de modelos de predição que possam auxiliar no combate a evasão.

por Computação UFPel, 28 dias atrás

Título: Reconhecimento de Atividades em Casas Inteligentes: Uma Abordagem Não Intrusiva Explorando Processamento Semântico

Autor: Eduardo Soares de Abreu

Orientação:

  • Prof. Dr. Adenauer Correa Yamin (UFPel/Orientador)
  • Profa. Dra. Ana Marilza Pernas Fleischmann (UFPel/Coorientadora)

Banca Examinadora:

  • Prof. Dr. Paulo Roberto Gomes Luzzardi (FATEC/SENAC)
  • Prof. Dr. Andre Rauber Du Bois (UFPel)

Data: 29/05/2017

Hora: 14:30 h

Local: Auditório da Reitoria, 4o. Andar do Campus Porto

Resumo: Nos últimos anos, as técnicas de Reconhecimento de Atividades têm atraído atenção crescente. Entre as muitas aplicações, um interesse especial está no domínio ubíquo da e-health, onde o reconhecimento automático de atividades é usado em sistemas de reabilitação, gerenciamento de doenças crônicas, monitoramento de idosos, bem como em aplicações de bem-estar pessoal.

Esse interesse tem tido como motivação o envelhecimento da população. Este envelhecimento resulta em significativos desafios socioeconômicos no setor da saúde publica, bem como na incidência de doenças crônico-degenerativas, sendo a demência uma das mais preocupantes.

Uma alternativa que vem sendo amplamente proposta é a utilização de casas inteligentes (ambiente assistido de vivência), nos quais as residências das pessoas sob tratamento deverao contemplar serviços computacionais que possam auxiliá-las nas suas práticas diárias, de forma o mais transparente possível.

Este trabalho tem como acrônimo EXEHDA-AR (EXEHDA-Activity Recognition), e seu objetivo principal é contribuir com o Subsistema de Reconhecimento de Contexto e Adaptação do middleware EXEHDA (Execution Environment for Highly Distributed Applications) capacitando-o para o atendimento das demandas do Reconhecimento de Atividades, explorando para isto uma abordagem baseada em Ciência de Contexto.

O EXEHDA-AR explora processamento semântico para prover Reconhecimento de Atividades em Casas Inteligentes, para tanto foram propostos componentes a serem integrados ao middleware EXEHDA, bem como um modelo ontológico. Os dados de contexto coletados são agrupados segundo o conceito de janela de tempo deslizante.

Quando avaliado o EXEHDA-AR obteve uma acurácia media de 94,36% no Reconhecimento de Atividades. Estes resultados apontam que métodos baseados em processamento semântico constituem uma alternativa viável para o Reconhecimento de Atividades com baixo nível de intrusão, indicando a continuidade dos esforços de pesquisa.

por Marilton Sanchotene de Aguiar, 34 dias atrás

O resultado final da seleção de bolsista de iniciação ao trabalho do CDTec é o seguinte:

  1. Júlia Teixeira Milech
  2. Luciana Bráz dos Santos (suplente)
  3. Kanandra Rodrigues Amador (suplente)
  4. Filipe Ribeiro Goulart (suplente)

A candidata selecionada deve entregar na sala da Direção do CDTec, até 24/5 14h, cópias do CPF e do comprovante de conta corrente (não pode ser conta conjunta, poupança ou de terceiros).

Mais informações poderão ser obtidas através do e-mail cdtec.ufpel@gmail.com ou pelo telefone (53) 32843890.

por Marilton Sanchotene de Aguiar, 38 dias atrás

Os estudantes abaixo relacionados foram os 15 primeiros classificados para a 2a. etapa da seleção de bolsista de iniciação ao trabalho do CDTec.

Os selecionados devem comparecer na Secretaria do CDTec (B100, no Anglo) para a entrevista, terça-feira (23/5), no horário indicado ao lado do seu nome.

O não comparecimento no horário implicará em desclassificação do candidato.

Diego Armando Munhoz Barbosa 08:00
Dielen Marin 08:10
Dionatan Oliveira da Silva 08:20
Douglas Wahast da Costa 08:30
Filipe Ribeiro Goulart 08:40
Ingrid Medeiros Lessa 08:50
Jeferson da Silva Barreto 09:00
Júlia Teixeira Milech 09:10
Kanandra Rodrigues Amador 09:20
Leandro Lemos Silveira 09:30
Leonardo Kreling de Avila 09:40
Liara Kurtz 09:50
Luciara Bráz dos Santos 10:00
Natalia Guterres Pontes 10:10
Patricia Moreno Ribeiro 10:20

Mais informações poderão ser obtidas através do e-mail cdtec.ufpel@gmail.com ou pelo telefone (53) 32843890.

por Marilton Sanchotene de Aguiar, 45 dias atrás

Para mais informações leia o Edital.

Para realizar sua inscrição preencha o formulário, junte a documentação e entregue na secretaria do CDTec, na sala B100 do Anglo, das 8h às 14h.

por Julio Carlos Balzano de Mattos, 55 dias atrás

DEFESA DE DISSERTAÇÃO DE MESTRADO – PPGC

Título: Exploração de Arquiteturas de Memórias Híbridas para Sistemas Embarcados utilizando Memórias Não Voláteis

Autor: Lisandro Luiz da Silva

Orientação:

  • Prof. Dr. Júlio Carlos Balzano de Mattos (UFPel/Orientador)
  • Profª. Drª. Lisane Brisolara de Brisolara (UFPel/Coorientadora)

Banca Examinadora:

  • Prof. Dr. Bruno Zatt (UFPel)
  • Prof. Dr. Felipe de Souza Marques (UFPel)
  • Prof. Dr. Mateus Beck Rutzig (UFSM)

Data: 02 de maio de 2017

Hora: 18:00h

Local: Lab. 1 (Sala 445), 4º andar do Campus Porto.

Resumo: O consumo de energia é tão importante quanto o desempenho em sistemas embarcados alimentados a bateria pois cada vez mais estes sistemas precisam processar computação intensiva com um baixo consumo energético. Devido à alta contribuição do acesso à memória no consumo total de energia de sistemas embarcados, a arquitetura de memória influencia fortemente os objetivos dos projetos dos dispositivos embarcados. Existem, na literatura, diversas técnicas de otimização do acesso à memória para sistemas embarcados, possibilitando por parte do projetista do sistema, uma exploração do espaço de projeto abrangente para a arquitetura de memória. Muitas dessas técnicas são propostas devido aos problemas enfrentados com o avanço da tecnologia, como por exemplo, a memória tradicional baseada em SRAM (Static Random Access Memory) on-chip tornou-se um gargalo em desempenho e consumo energético para o projeto de sistemas embarcados, devido ao seu alto leakage e latência de leitura. As tecnologias emergentes de memórias não voláteis (NVM, Non-Volatile Memories), tal como STTRAM (Spin-Transfer Torque RAM) e PCRAM (Phase Change RAM), são soluções candidatas para os futuros sistemas de memória, pois elas possuem algumas vantagens sobre a memória SRAM tradicional, como por exemplo, o consumo energético menor. Este trabalho apresenta um estudo de exploração realizadas em memórias híbridas utilizando memórias não voláteis em sistemas embarcados. O trabalho apresenta a investigação do acesso à memória do processador embarcado ARM, a análise dos acessos realizados, juntamente com os impactos dos acessos à memória no consumo e no desempenho para diferentes modelos híbridos de memórias com tecnologias emergentes, para um determinado conjunto de benchmarks retirados do MiBench. Os resultados são significativos, pois, por exemplo, conseguiu-se aumentar o número de acessos da memória scratchpad (SPM) híbrida utilizando memória SRAM de 16KB, STT-RAM 32KB e PCM de 8KB (SPM 4) em cerca de 0,99% quando comparada com uma memória SPM tradicional utilizando SRAM de 32KB (SPM 1), além de reduzir em média 23,81% a latência e 49,24% o consumo energético e diminuir o leakage em 46,65% e a área em 16.29%

por Computação UFPel, 62 dias atrás
Os Seminários de Pesquisa em Computação são promovidos pelo Programa de Pós-Graduação em Computação, convidando regularmente pesquisadores para apresentar seus trabalhos e áreas de atuação à comunidade da Universidade em geral e do PPGC em específico. Abaixo estão os detalhes do próximo convidado.


An opaque model for software transactional memory for Haskell
Prof. Rodrigo Geraldo Ribeiro (UFOP)
Data: 2 de maio de 2017 (terça-feira)

Sala:434

Horário: 17h

Resumo: Software Transactional Memory (STM) provides programmers with a simple high-level model of transactions that allows the writing of concurrent programs without worrying with locks, since all transaction concurrency management is done by the STM runtime. Such programming model grealy simplifies development of concurrent applications, but it has a cost: implementing an efficient and correct
STM algorithm is an art. Several criteria have been proposed to certify STM algorithms, some based on model checkers and proof assistants. In this work, we are interested in a more lightweight approach: specify STM algorithm as small-step operational semantics of a idealized language with STM support and check for safety properties using QuickCheck, a property-based testing library for Haskell.

por Computação UFPel, 63 dias atrás

Título: Análise Comparativa entre a Primeira e a Segunda Versão do Kinect na Biometria do Caminhar

Autor: LEANDRO WEIGE DIAS

Orientação:

  • Ricardo Matsumura Araujo, Orientador (PPGC-UFPel)

Banca Examinadora:

  • Marilton Sanchotene de Aguiar (PPGC-UFPel)
  • Rodrigo Coelho Barros (PUC-RS)

Data: 25 de Abril de 2017

Hora: 13:45

Local: Laboratório 3

Resumo:
Este trabalho tem por objetivo central trazer uma comparação entre as duas versões do sensor Kinect em relação a identificação biométrica através do caminhar humano. Para realizar a comparação entre os sensores, foram implementadas quatro metodologias diferentes de extração de parâmetros do caminhar humano, sendo analisados tanto atributos antropométricos, cinemáticos como espaço-temporais. Uma análise individual de cada atributo das propostas de caracterização do caminhar foi realizada para identificar os predicados que traziam maior contribuição na identificação dos indivíduos. Com a finalidade de se criar uma base de exemplos para a extração dos parâmetros do caminhar, foram capturados 50 indivíduos através dos sensores Kinect e aplicados algoritmos de aprendizado de máquina para a classificação das pessoas. Os resultados obtidos mostraram uma acurácia superior do Kinect One na maioria das metodologias, justificando a sua utilização em relação ao Kinect 360. Neste trabalho também foram realizados como experimentos adicionais a comparação entre os sensores com relação a identificação do gênero do indivíduo e a análise da dependência de pose.

outras notícias recentes
por Computação UFPel em 21/04/2017
por Marilton Sanchotene de Aguiar em
por Marilton Sanchotene de Aguiar em
por Computação UFPel em 10/04/2017
por Computação UFPel em 03/04/2017
por Computação UFPel em 31/03/2017
por Computação UFPel em 27/03/2017
por Computação UFPel em
por Computação UFPel em 13/03/2017
por Computação UFPel em 06/03/2017
por Marilton Sanchotene de Aguiar em 05/03/2017
por Computação UFPel em 03/03/2017
Não há eventos no momento.
CDTec UFPel
Find us on Google+