Graduação

URI Permanente desta comunidade

http://200.135.58.21/handle/repositorio/31

Navegar

Navegando Graduação por Orientador "Fábio Alexandrini, Dr"

Agora exibindo 1 - 3 de 3
  • Item
    Análise do comportamento do paradigma fog computing em um protótipo de medição de cheias de ribeirões
    (2021) Foletto, Angelo Victor Kraemer; Fábio Alexandrini, Dr; André Alessandro Stein, Msc; André Alessandro Stein, Msc; Daniel Gomes Soares, Msc; Fernandes Junior, Ph.D
    omputação em Névoa (Fog Computing) é um paradigma emergente para computação, arma zenamento, controle e gerenciamento de sistemas e serviços próximos ao usuário alvo. Desta maneira, este trabalho objetiva analisar o comportamento da aplicação para monitoramento de ribeirões em caso de cheias - projeto denominado MonitRib - sobre dois algoritmos. Um implementando o paradigma Computação em Névoa e outro sobre conceito “tradicional” de IoT. Para isso foram utilizados um dispositivo Raspberry Pi modelo 3 B+, sensor ultrassônico e fotográfico. Através da execução dos algoritmos obteve-se informações passíveis de análise e comparação, onde possibilitaram considerar a utilização de ambos em uma mesma infraestrutura. Desconsiderando a possibilidade de um ser melhor que o outro, visto que no ambiente IoT, todo o sistema é orientando a aplicação e não ao contrário. Por fim, foi encontrado resultados favoráveis à utilização do paradigma Computação em Névoa em situações onde não é possível garantir a efetividade da comunicação entre host - servidor ou estabilidade na distribuição de energia elétrica. Já o modo de implementação clássico tem como premissa a garantia destes fatores, onde deixa de lado a necessidade da utilização desta computação sobressalente, podendo resultar na substituição do equipamento por um de valor e configuração reduzidos
  • Item
    Predição de resultados de partidas de futebol
    (2024) Gabriel Frontório; Fábio Alexandrini, Dr; Juliano Tonizetti Brignoli, Dr; Daniel Gomes Soares, Msc
    O futebol é um dos esportes mais populares do mundo e existem inúmeras pessoas aficcionadas por esse esporte ao redor do globo. Junto com a paixão pelo futebol surgiu a gana de adivinhar, ou prever, o resultado das partidas de futebol. Com isso surgiram diversas formas de aposta envolvendo os resultados das partidas, sendo um mercado que movimenta bilhões por ano e cresce cada vez mais. O presente trabalho apresenta uma aplicação que faz a predição do resultado de uma partida de futebol com base nas estatísticas dos times que irão se enfrentar. Seu principal objetivo é buscar a maior taxa de acerto possível, buscando reduzir possíveis perdas em apostas esportivas. Com o uso da inteligência artificial e machine learning é possível analisar dados e, com base nas estatísticas das equipes, definir qual será o resultado final da partida. Para o desenvolvimento dessa aplicação foi utilizado um conjunto de dados que contém 8870 partidas da Premier League disputadas entre 2000 e 2023. Os dados desse conjunto foram processados e resultaram em 68 estatísticas diferentes que foram utilizadas pelos modelos preditivos para prever o resultado da partida. Após o processamento dos dados, foram utilizados dez modelos preditivos diferentes, que foram treinados e testados com o mesmo conjunto de dados, com o melhor modelo sendo o modelo de Naive Bayes, que atingiu uma acurácia de 57,48% e uma média de 0,73 na métrica ROC. Os modelos preditivos foram treinados e testados para terem três possíveis resultados, sendo possível que a partida termine em vitória, empate ou derrota. O número de possíveis saídas diminui a acurácia dos modelos preditivos, se utilizarmos o mesmo conjunto de dados com os mesmos modelos preditivos, iremos obter 77,95% de acurácia, o que nos mostra a variação da acurácia de acordo com o número de saídas. O futebol é impactado totalmente por ações humanas, dos jogadores em campo e dos fatores extra campo, e essas ações são imprevisíveis e interferem diretamente no resultado final da partida e no acerto ou não da predição.
  • Item
    Sistema web de fitopatologia utilizando raciocínio baseado em casos
    (2015) Silva, Guilherme Borges; Fábio Alexandrini, Dr; Daniel Gomes Soares, Msc; Juliano Tonizetti Brignoli, Dr
    O Raciocínio Baseado em Casos é uma técnica de Inteligência Artificial que visa resolver problemas baseando-se em casos resolvidos no passado, usando o cálculo da similaridade para recuperar os casos já resolvidos mais semelhantes com o problema atual. O objetivo deste trabalho consiste em desenvolver um sistema web para o cadastro e registro de casos de fitopatologias para o setor de Fitopatologia do Instituto Federal Catarinense, com o intuito de confeccionar uma nova ferramenta que possa servir de base de pesquisas e registro de uma grande quantidade de informação e dados sobre doenças de plantas. Por ser um sistema web, utilizou-se o banco de dados MySQL e a linguagem PHP. O sistema foi desenvolvido para se tornar uma ferramenta a ser operada por uma equipe do setor de Fitopatologia supracitado, acompanhados por um especialista em fitopatologia. Nos testes realizados, as soluções recuperadas dos casos mais similares puderam ser aplicadas com sucesso, mas caso alguma solução não fosse a ideal para o caso atual, a mesma pôde ser alterada ou, caso o usuário desejasse, pôde-se inserir novas soluções para a enfermidade encontrada.