Engenharia de Computação (Belo Horizonte - Nova Gameleira)

URI Permanente para esta coleção

https://repositorio.cefetmg.br//handle/123456789/601

Navegar

Navegando Engenharia de Computação (Belo Horizonte - Nova Gameleira) por Autor "Dalip, Daniel Hasan"

Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Item
    Avaliação de robustez de LLMs contra ataques semânticos de inconsistência: um estudo de caso sobre segurança em saúde mental no contexto brasileiro
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-15) Talim, Gabriel Torres; Ferreira, Mateus Felipe Tymburibá; http://lattes.cnpq.br/5863316017246857; http://lattes.cnpq.br/7972003093242408; Ferreira, Mateus Felipe Tymburibá; Álvares, Andrei Rimsa; Dalip, Daniel Hasan
    A integração de LLMs no setor de saúde mental apresenta riscos devido à vulnerabilidade de guardrails a variações linguísticas informais do português brasileiro. Este trabalho avalia a robustez do Llama 3.1 (8B) e do Llama 2 (8B) via framework FuzzyAI, aplicando ataques semânticos baseados em gírias, apelo emocional e interpretação de papéis. A análise revela que nuances regionais são vetores de ofuscação eficazes: o Llama 3.1 atingiu 74% de Taxa de Inconsistência do Guardrail (GIR), paradoxalmente superior à observada em seu antecessor (70%). Os resultados comprovam que filtros globais falham de forma silenciosa ao ignorar o contexto cultural brasileiro, permitindo a geração de respostas nocivas que burlam as camadas de segurança originais.
  • Imagem de Miniatura
    Item
    Desenvolvimento de um chatbot financeiro com recuperação aumentada por geração (RAG)
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-10) Bitencourt, Pedro Vitor Melo; Dalip, Daniel Hasan; Seufitelli, Danilo Boechat; http://lattes.cnpq.br/5887701447276862; http://lattes.cnpq.br/2960751321530666; http://lattes.cnpq.br/9658153988447542; Dalip, Daniel Hasan; Seufitelli, Danilo Boechat; Brandão, Michele Amaral; Amaral, Heber Fernandes
    O setor financeiro depende de informações precisas e verificáveis extraídas de documentos corporativos complexos. Embora os Modelos de Linguagem de Grande Porte (LLMs) apresentem capacidades avançadas de linguagem natural, sua aplicação direta em finanças ainda enfrenta desafios relacionados a alucinações, imprecisões factuais e dificuldades em lidar com informações específicas e frequentemente atualizadas. Este trabalho avalia experimentalmente diferentes estratégias de recuperação em sistemas de Recuperação Aumentada por Geração (Retrieval-Augmented Generation — RAG) aplicados à análise financeira corporativa. O pipeline experimental utiliza documentos financeiros públicos de empresas brasileiras e compara Similarity Search, Maximum Marginal Relevance (MMR), MultiQuery Retrieval e Parent Document Retrieval. Para a avaliação, foi construído um dataset especializado de perguntas e respostas financeiras, avaliado com métricas do RAGAS, incluindo Faithfulness, Context Precision, Context Recall e Answer Relevancy. Os resultados indicam que MultiQuery Retrieval apresenta melhor desempenho em tarefas que exigem maior cobertura contextual, enquanto Parent Document Retrieval é mais eficaz em cenários que demandam maior precisão contextual e fundamentação factual.
  • Imagem de Miniatura
    Item
    Perfis de rentabilidade no ecossistema cinematográfico: construção e normalização de um dataset com dados abertos da Web
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-19) Peito, Marcela Camarano Caram; Seufitelli, Danilo Boechat; Dalip, Daniel Hasan; http://lattes.cnpq.br/2960751321530666; http://lattes.cnpq.br/5887701447276862; http://lattes.cnpq.br/1031032920209208; Seufitelli, Danilo Boechat; Dalip, Daniel Hasan; Oliveira, Gabriel Pereira de; Silva, Mariana de Oliveira Santos
    A indústria cinematográfica global opera sob uma severa assimetria financeira, tornando a alocação de recursos e a mitigação de riscos desafios complexos para estúdios e investidores. O presente trabalho tem como objetivo aplicar técnicas de Engenharia de Dados e Aprendizado de Máquina Não Supervisionado para mapear a estrutura latente deste mercado, visando a geração de inteligência de negócios. A metodologia baseou-se na construção e higienização de uma base de dados estruturada, aplicando tratamento de outliers e transformações logarítmicas em variáveis determinantes, como lucro estimado, avaliação crítica e engajamento do público. Na etapa de clusterização, conduziu-se uma análise comparativa entre os modelos DBSCAN e K-Means. Os resultados do DBSCAN sugerem uma estrutura densa de difícil segmentação, demonstrando eficácia na detecção de anomalias (ruído), mas apresentando limitações severas para a segmentação estratégica. Em contrapartida, o algoritmo K-Means forçou o particionamento do mercado em quatro quadrantes (Titãs Comerciais, Os Injustiçados, Fracassos Absolutos e Nicho de Baixo Orçamento), evidenciando o distanciamento sistêmico entre a aclamação crítica e a rentabilidade. Conclui-se que categorizar produções em perfis estritos é um desafio de altíssima complexidade. A pesquisa demonstra as restrições da clusterização tradicional, provando que o mercado resiste a divisões engessadas. Assim, a principal contribuição do estudo reside em mapear as abordagens que falham nesta categorização, apontando a necessidade imperativa de novas arquiteturas analíticas para compreender a dinâmica do setor audiovisual. Adicionalmente, a própria base de dados construída e estruturada também se configura como uma importante contribuição deste trabalho.