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 Assunto "Aprendizado do computador"

Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Item
    IA.CRED um assistente virtual baseado em RAG para normas de crédito rural
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-18) Temponi, Matheus Nemer Resende; Seufitelli, Danilo Boechat; http://lattes.cnpq.br/5887701447276862; Seufitelli, Danilo Boechat
    O agronegócio brasileiro desempenha papel fundamental na economia nacional, respondendo por quase metade das exportações do país. Nesse contexto, o crédito rural constitui um dos principais instrumentos de incentivo à produção agrícola, possibilitando o financiamento de custeio, investimento e comercialização. Contudo, o acesso às informações normativas que regulam o crédito rural, como o Manual de Crédito Rural (MCR), o Sistema de Informações de Crédito (SCR) e as instruções para declaração no Imposto de Renda Pessoa Física (IRPF), ainda representa um desafio para produtores e analistas. Este trabalho propõe o desenvolvimento de um assistente de crédito rural baseado em RAG (Retrieval-Augmented Generation), capaz de responder perguntas em linguagem natural fundamentando-se em docu mentos oficiais. O sistema utiliza técnicas de recuperação de informação semântica, reclassificação de relevância e geração de texto por modelos de linguagem de grande porte (LLMs), de modo a garantir respostas contextualizadas e com citações das fontes utilizadas. Espera-se que o protótipo obtido seja capaz de recuperar pas sagens relevantes, sintetizar respostas precisas e reduzir a ocorrência de erros ou “alucinações” típicas de sistemas generativos. Como resultado, pretende-se oferecer uma ferramenta que facilite o entendimento das normas de crédito rural e promova maior transparência e eficiência na análise de crédito no agronegócio. A principal contribuição esperada é a aplicação prática de técnicas de inteligência artificial para democratizar o acesso à informação financeira e fomentar o uso de IA responsável no setor agropecuário brasileiro.
  • 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.
  • Imagem de Miniatura
    Item
    Sentimentor: um aplicativo para detecção do estado emocional de usuários
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-10) Barbosa, Mateus Lemos de Freitas; Silva, Ismael Santana; http://lattes.cnpq.br/8709923026833394; http://lattes.cnpq.br/0524058299407494; Silva, Ismael Santana; Kupsch, Daniela Cristina Cascini; Batista, Natália Cosse
    O presente trabalho descreve o desenvolvimento do Sentimentor, uma aplicação multipla taforma (desktop e dispositivos móveis) destinada à integração de dados de autorrelato emocional com a análise automática de expressões faciais. O projeto teve como obje tivo desenvolver uma ferramenta capaz de coletar informações subjetivas por meio de instrumentos psicométricos validados e combiná-las com dados objetivos obtidos pela captura de imagens faciais, utilizando técnicas de Aprendizado de Máquina para inferir estados emocionais em tempo real. A solução foi implementada com as tecnologias React Native e FastAPI. O sistema permite que usuários respondam a instrumentos como a Perceived Stress Scale (PSS), o Positive and Negative Affect Schedule (PANAS) e o WHO 5 Well-Being Index. Para administradores, a ferramenta oferece uma visualização das respostas dos usuários que responderam o formulário e a pontuação calculada, incluindo um gráfico com a distribuição das emoções detectadas durante cada sessão de uso. A principal contribuição do trabalho consiste na proposição de uma abordagem híbrida para avaliação emocional, combinando medidas de questionários e emoções inferidas de imagens faciais, a fim de mitigar limitações de questionários tradicionais. Além disso, a disponibilização do código-fonte busca fomentar pesquisas em computação afetiva e saúde mental, facilitando a integração de novos modelos de visão computacional e reduzindo o esforço de desenvolvimento em estudos futuros.