Ciência da Computação

URI Permanente desta comunidade

http://200.135.58.21/handle/repositorio/35

Navegar

Navegando Ciência da Computação por Autor "Cristhian Heck, Msc"

Agora exibindo 1 - 2 de 2
  • Item
    Redes neurais recorrentes LSTM para a predição de índices da bolsa de valores: Uma comparação com o modelo de predição baseado em redes neurais artificiais multilayer perceptron
    (2024) Felipe Tenfen; Daniel Gomes Soares, Msc; Juliano Tonizetti Brignoli, Dr; Cristhian Heck, Msc
    A previsão de séries temporais financeiras é uma das áreas mais estudadas da inteligência artificial no mercado financeiro, tanto no âmbito acadêmico quanto no corporativo. Prever o futuro, especialmente o comportamento de séries temporais, como índices, preços da bolsa de valores e futuras cotações de ações, é considerado um desafio complexo tanto para a área de estatística quanto para a computação, assim como representa um desafio significativo, mesmo para especialistas experientes em técnicas de investimento, e tem recebido cada vez mais atenção nos últimos anos, principalmente devido à possibilidade de rentabilidade. Uma das técnicas mais utilizadas para fazer esse tipo de predição é a aplicação de redes neurais artificiais. Nesse contexto, este trabalho se propôs a desenvolver um modelo baseado em Redes Neurais Recorrentes (RNN), uma classe das redes neurais artificiais, e mais especificamente, do tipo Long Short-Term Memory (LSTM), para prever o valor e a direção do índice S&P 500 da bolsa de valores de Nova Iorque com um dia de antecedência. As Redes Neurais Recorrentes (RNNs) são modelos computacionais inspirados no sistema nervoso dos seres vivos, conhecidos por sua capacidade de processar sequências de dados e aprender com padrões temporais. Essa característica faz delas uma escolha ideal para prever séries temporais, permitindo que capturem dependências temporais e façam previsões com base em dados históricos. Ao longo deste estudo, foram desenvolvidos e comparados diferentes modelos de RNN, com a seleção daquele que obteve os melhores resultados. Esses resultados foram comparados com os obtidos por um modelo de previsão de índices da bolsa de valores S&P500 baseado em Rede Neural Artificial do tipo Multilayer Perceptron (MLP), conforme proposto por Moraes (2017). Os resultados indicam que é possível realizar a previsão de índices da bolsa de valores com erro e antecedência aceitáveis utilizando RNNs do tipo LSTM e dados históricos do índice como entrada. Por fim, observou-se uma prevalência das redes LSTM sobre as redes MLP neste tipo de aplicação, uma vez que o percentual de erro apresentado pela LSTM no experimento realizado foi consideravelmente menor em comparação ao erro da MLP para o mesmo conjunto de dados.
  • Item
    Uso de CI/CD em pequenas equipes de desenvolvimento: Aplicação na fábrica de software do IFC Rio do Sul
    (2024-05-14) Leandro Ramos Marcelino; Rodrigo Curvêllo, Msc; Cristhian Heck, Msc; Marcela Leite, Msc
    O software assume um papel cada vez mais importante na competitividade das empresas, de forma que grandes e tradicionais organizações sentem que suas abordagens atuais para o gerenciamento de software estão limitando a velocidade de evolução do negócio. Uma vez que os requisitos de um projeto estão definidos, unir e coordenar todo o processo de desenvolvimento, teste e publicação sem perda de qualidade é desafiador. Entregas de software devem ser um processo de baixo risco, frequente, rápido e previsível, contar com fluxos que automatizam o processo de execução de testes, inspeção de qualidade do código, criação e publicação de novas versões é essencial para haver agilidade. A prática de integração contínua, entrega contínua e implantação contínua tem ganho notoriedade, sendo ambas metodologias derivadas do manifesto ágil, buscam garantir que erros sejam detectados com antecedência, que a qualidade do código seja mantida e a construção de novas versões seja rápida. O propósito deste trabalho é desenvolver fluxos de automação com base nos conceitos de integração contínua, entrega contínua e implantação contínua, aplicar em um projeto da FabTec. Neste trabalho são utilizadas as ferramentas Github Actions, Github Packages, SonarQube e Watchtower para construção de todo o fluxo de automações. Para que os objetivos do trabalho sejam atingidos, inicialmente foi realizada uma revisão sistemática da literatura de modo a identificar os conceitos que têm sido utilizados para fluxos de integração, entrega e implantação contínuas, seus benefícios e desafios. Posteriormente, foi realizado o desenvolvimento e aplicação dos fluxos de automação. O desempenho dos fluxos foi avaliado por meio de testes de execução em cenários pré-definidos e pelo acompanhamento de execução na prática após a inserção dos fluxos no projeto. Uma entrevista também foi realizada com os membros do projeto e com profissionais da área de tecnologia para captar suas percepções sobre o uso destes conceitos. Os resultados mostram que a frequência de execução de testes e inspeção de qualidade de software de forma manual é inferior ao necessário e que a automatização da detecção de falhas, inspeção de qualidade e publicação agilizam e aumentam a segurança e qualidade do software.