Prezados(as) estudantes, seguem alguns projetos de professores com vagas abertas para orientação de TCC dos cursos de SIN e CCO.
O objetivo desse projeto é analisar diferentes estratégias de consultas SQL que podem ser utilizadas para retornar a mesma informação. A análise deve ser realizada considerando aspetos como indicadores de performance e influência do projeto de indexação.
Os(as) interessados(as) neste projeto podem contactar a Professora Melise Maria Veiga de Paula no e-mail melise@unifei.edu.br
Investigar o uso de diferentes recursos da SQL para resolver problemas reais de análise de dados com foco em desempenho. Estruturas que podem ser comparadas: CTE, subconsultas, funções de janela, dentre outras. É necessário ter conhecimento em SQL para análise de dados.
Os(as) interessados(as) neste projeto podem contactar a Professora Melise Maria Veiga de Paula no e-mail melise@unifei.edu.br
Projetar e implementar um pipeline de dados que execute de forma automatizada, modular e reprodutível o processo de análise exploratória de dados, desde a ingestão até a geração de gráficos, permitindo sua reutilização em diferentes conjuntos de dados e contextos analíticos. É necessário ter conhecimento em programação e análise de dados.
Os(as) interessados(as) neste projeto podem contactar a Professora Melise Maria Veiga de Paula no e-mail melise@unifei.edu.br
Um pipeline de dados é uma sequência de etapas que permitem a captura, armazenamento, transformação, análise e visualização de dados, com o objetivo de melhorar a tomada de decisão em um determinado contexto. Existem algumas alternativas de ferramentas disponíveis no mercado, o objetivo desse projeto é analisar essas ferramentas considerando diferentes aspectos que deverão ser definidos durante o projeto.
Os(as) interessados(as) neste projeto podem contactar a Professora Melise Maria Veiga de Paula no e-mail melise@unifei.edu.br
Ferramentas de IA generativas surpreenderam o mundo acadêmico. Educadores estão compreensivelmente preocupados, muitas vezes adotando uma resposta defensiva. Mas ao focar muito no que pode dar errado com a IA, há uma chance de que possamos estar negligenciando o que pode dar certo.
As ferramentas de IA generativa já estão alterando a forma como educadores e alunos interagem. Embora se fale muito sobre riscos, também há muitas oportunidades para reimaginar como educamos na era da IA generativa. Desde ajudar professores a se concentrarem no ensino até permitir que alunos trabalhem em projetos muito mais ambiciosos, a IA tem o potencial de ser uma grande força para o bem na educação.
Neste novo cenário que surge com a predominância das ferramentas de IA nos ambientes corporativos, formular adequadamente um problema passa a ser mais relevante do que conhecer uma solução específica, tendo em vista que as ferramentas de IA são capazes de gerar soluções robustas a partir de problemas adequadamente formulados.
Fica claro, portanto, que a formação dos estudantes terá que se adequar a esta realidade, o que requer dos educadores repensar conteúdos e métodos de ensino. Este projeto tem como objetivo principal investigar as diferentes formas nas quais as ferramentas de IA podem auxiliar o aprendizado na área da computação. Para alcançar este objetivo mais amplo, os seguintes objetivos secundários foram delineados (cada um desses objetivos comporta um ou mais TFGs):
Investigar o impacto da IA generativa no ensino de programação;
Investigar como capacitar os estudantes no uso de ferramentas de IA, sobretudo no que diz respeito à formulação adequada de questões e problemas;
Investigar de que forma a IA pode auxiliar na geração automática de atividades (tarefas) e na correção automatizada das mesmas;
Investigar o uso de IA generativa para produção de material didático.
Os(as) interessados(as) neste projeto podem contactar ao Professor Laercio Baldochi no e-mail baldochi@unifei.edu.br
Inteligência geográfica é o processo de usar dados espaciais (ligados a localização) para tomar decisões estratégicas, entender padrões, otimizar processos ou resolver problemas. Ou seja: é usar “onde” as coisas acontecem como fator central na análise. Nesse projeto, o objetivo é aplicar inteligência geográfica à produção de café no Sul de Minas Gerais, integrando dados espaciais e estatísticos para analisar padrões produtivos e apoiar a visualização e interpretação da dinâmica da cafeicultura regional.
Requisitos:
conhecimento básico de python
Interessados neste projeto podem contactar a Professora Vanessa Cristina Oliveira de Souza no e-mail vanessasouza@unifei.edu.br
Este projeto propõe o uso de redes neurais de grafos (GNNs) para o mapeamento do uso da terra com foco na cafeicultura na região do Sul de Minas Gerais. Diferentemente das abordagens tradicionais baseadas em redes convolucionais que tratam pixels isoladamente ou em janelas fixas, as GNNs exploram as relações espaciais entre unidades amostrais representadas como nós de um grafo, permitindo incorporar contexto espacial e atributos heterogêneos como dados espectrais e informações topográficas. O objetivo é aprimorar a classificação do uso da terra, especialmente na identificação de áreas cultivadas com café, considerando as complexidades das bordas e transições entre classes. O projeto inclui a construção do grafo, o treinamento do modelo e a validação dos resultados utilizando imagens de satélite multitemporais e dados auxiliares. Espera-se que esta abordagem contribua para uma análise mais precisa e robusta da distribuição espacial da cafeicultura, auxiliando no monitoramento e planejamento territorial agrícola.
Requisitos:
conhecimento de python
conhecimento básico em redes deep learning
Interessados neste projeto podem contactar a Professora Vanessa Cristina Oliveira de Souza no e-mail vanessasouza@unifei.edu.br
O aplicativo móvel Regador foi desenvolvido para auxiliar o monitoramento do potencial hídrico na cafeicultura no sul de Minas Gerais. Os dados disponibilizados nesse APP são oriundos de um modelo estatístico implementado no Google Earth Engine. Ou seja, a fonte dos dados são imagens de satélite. Esse aplicativo já foi tema de dois trabalhos de TFG:
Regador: aplicativo móvel para estimativa de potencial hídrico em lavouras cafeeiras (link compartilhado no domínio UNIFEI)
Integração de aplicações com a API Python do Google Earth Engine
O objetivo agora é realizar uma análise abrangente do aplicativo, identificando falhas técnicas e problemas de usabilidade, propondo melhorias baseadas nas melhores práticas de design de interface e teste (testes funcionais, estresse e desempenho, segurança, compatibilidade e exploratórios).
Objetivos Específicos:
Aplicar metodologias de teste para identificar falhas técnicas no aplicativo.
Escalar a área disponibilizada pelo aplicativo.
Avaliar a usabilidade da interface por meio de testes com usuários e heurísticas de usabilidade.
Desenvolver e validar soluções para os principais problemas identificados.
Interessados neste projeto podem contactar a Professora Vanessa Cristina Oliveira de Souza no e-mail vanessasouza@unifei.edu.br
As operações de pré-processamento, que reduzem o tamanho de instâncias, podem ser vitais para viabilizar a solução de um problema NP-Difícil. Tendo como foco o Problema de Minimização de Pilhas Abertas (MOSP) observado em ambientes de manufatura, o objetivo deste trabalho é adaptar algoritmos de pré-processamento para instâncias modeladas no grafo Padrão x Padrão. O trabalho tem perfil científico, pois prevê a realização de testes computacionais com as operações de pré-processamento implementadas.
Requisitos Desejados:
- Comprometimento, boa escrita, interesse por pesquisa;
- Teoria dos grafos básica;
- Afinidade com projeto de algoritmos e desenvolvimento de software;
Referências:
https://www.researchgate.net/publication/375661499_Modelo_em_grafo_baseado_nos_padroes_de_corte_para_o_Problema_de_Minimizacao_de_Pilhas_Abertas
https://www.sciencedirect.com/science/article/pii/S0377221709006328
Os(as) interessados(as) neste projeto podem contactar ao Professor Rafael Frinhani no e-mail frinhani@unifei.edu.br
Muitos casos de insucesso de discentes em um semestre letivo deve-se a um planejamento acadêmico inadequado. O objetivo deste trabalho é projetar, implementar e validar um protótipo de um sistema de recomendação que auxilie discentes na escolha das disciplinas mais adequadas para se matricular. A partir do histórico acadêmico mais atual, o protótipo recomenda disciplinas que mais beneficiariam o aluno em termos de índice acadêmico caso seja aprovado, considerando a oferta de disciplinas do semestre. O trabalho tem perfil aplicado e científico pois prevê a execução de experimentos para validação do protótipo desenvolvido.
Requisitos Desejados:
- Comprometimento, boa escrita, interesse por pesquisa;
- Afinidade com projeto de algoritmos e desenvolvimento de software;
Os(as) interessados(as) neste projeto podem contactar ao Professor Rafael Frinhani no e-mail frinhani@unifei.edu.br
O objetivo desta proposta é projetar e desenvolver uma solução tecnológica que promova maior transparência nos serviços de manutenção veicular. A iniciativa busca permitir que os clientes acompanhem a execução dos serviços por meio de vídeos, de forma síncrona (em tempo real) ou assíncrona (sob demanda), fortalecendo a relação de confiança com as oficinas e prestadores de serviço. O projeto envolve a definição de um modelo de negócio, contemplando as principais etapas do processo, como: coleta do relato do cliente, diagnóstico do problema, execução do reparo (ex.: substituição de peças, ajustes, entre outros), além da comunicação com o cliente durante e após o serviço. O trabalho possui caráter aplicado e científico, uma vez que prevê o desenvolvimento de um protótipo funcional e a realização de experimentos para validação da solução proposta.
Requisitos Desejados:
- Comprometimento, boa escrita, interesse por pesquisa;
- Conhecimentos de Sistemas Distribuídos, Redes;
- Afinidade com modelagem e desenvolvimento de software.
Os(as) interessados(as) neste projeto podem contactar ao Professor Rafael Frinhani no e-mail frinhani@unifei.edu.br
Este projeto visa utilizar técnicas de Inteligência Artificial para detectar e identificar áreas de risco em sistemas de infraestrutura (Hidrelétricas, centrais nucleares, represas etc.) utilizando imagens fornecidas por cameras embarcadas em drones.
Os(as) interessados(as) neste projeto podem contactar ao Professor Alexandre Ramos no e-mail ramos@unifei.edu.br
Programação Pyhon, Inteligência Artificial, análise de dados. O objetivo principal é avaliar o aprendizado de pilotos de helicópteros com base nos dados provenientes das suas interações durante simulações de voo, em situações normais e de emergência, no simulador de voo do helicoptero Esquilo presente no IMC.
Os(as) interessados(as) neste projeto podem contactar ao Professor Alexandre Ramos no e-mail ramos@unifei.edu.br
As primeiras 72 horas são as mais importantes para o salvamento de vítimas após a ocorrência de emergências. Nesse contexto o uso de drones pode ser de grande ajuda devido a sua portabilidade e baixo custo. Esse projeto visa o uso de drones para a identificação em tempo real de vítimas de acidentes utilizando Redes Neurais.
Os(as) interessados(as) neste projeto podem contactar ao Professor Alexandre Ramos no e-mail ramos@unifei.edu.br
Em alguns países atualmente já se utiliza drones para entregas de suprimentos médicos em locais ermos, entretanto devido ao seu baixo custo, em um futuro próximo, os drones deverão ser utilizados em praticamente todos os serviços de entregas. Esse projeto visa criar métodos, técnicas e ferramentas de IA para agilizar o processo de entregas com o uso de drones.
Os(as) interessados(as) neste projeto podem contactar ao Professor Alexandre Ramos no e-mail ramos@unifei.edu.br
Os jogos educativos visam combinar a diversão e entretenimento. Porém é necessário fazer um balanceamento entre a parte pedagógica e a mecânica do jogo. Esse é um projeto guarda-chuva que visa investigar como podemos criar mecânicas de jogos que estão alinhadas ao tema a ser ensinado de um jogo educativo. O objetivo é buscar alternativas ao tradicional uso de “quiz” implementado em jogos educativos, que podem gerar jogos com mecânicas desconexas ao conteúdo que está sendo ensinado. Pode-se desenvolver jogos para as diversas áreas de conhecimento, mas a prioridade é ensino das ciências exatas tais como computação, física, matemática e química. Espera-se que o discente tenha conhecimentos de game design, C# e Unity.
Os(as) interessados(as) neste projeto podem contactar ao Professor Phyllipe de Souza Lima Francisco no e-mail phyllipe@unifei.edu.br
Os(as) interessados(as) neste projeto podem contactar ao Professor Pedro Hokama no e-mail hokama@unifei.edu.br
Os(as) interessados(as) neste projeto podem contactar ao Professor Pedro Hokama no e-mail hokama@unifei.edu.br
Os(as) interessados(as) neste projeto podem contactar ao Professor Pedro Hokama no e-mail hokama@unifei.edu.br