Bacharelado em Sistemas de Informação - DCET1
URI Permanente para esta coleção
Navegar
Submissões Recentes
Agora exibindo 1 - 5 de 155
- ItemDetecção de Code Smells: um estudo comparativo entre modelagem com inteligência artificial e ferramenta convencional.(Universidade do Estado da Bahia, 2024-12-19) Gomes, Ludmila Brito; Mascarenhas, Ana Patrícia Fontes Magalhães; Lenz, Alexandre Rafael; Restrovic, Maria Inés ValderramaNos últimos anos, o desenvolvimento de software tem enfrentado desafios significativos relacionados à manutenção e evolução de sistemas complexos, especialmente devido aos problemas estruturais no código-fonte, conhecidos como code smells. Este trabalho tem como objetivo principal desenvolver e treinar um modelo de rede neural recorrente (RNR) para a detecção de code smells, com a finalidade de comparar sua eficácia com a abordagem tradicional de detecção realizada pela ferramenta SonarQube em códigos JavaScript. Foram coletados 65 repositórios do GitHub, cada um com 100 estrelas ou mais, os quais foram submetidos à análise pelo SonarQube. No total, foram analisadas mais de 6 milhões de linhas de código, resultando em 91.572 ocorrências de code smells, das quais 24.180 foram utilizadas para o treinamento da RNR. A partir desses repositórios, foram selecionados 5 tipos de code smells comuns na linguagem JavaScript para compor o dataset utilizado no treinamento da RNR, que foi batizada de RNRSmell-JS, foram eles: função vazia, código comentado, operador ternário aninhado, inversão de lógica e uso indevido de var. A ferramenta desenvolvida foi comparada com o SonarQube em termos de taxa de detecção de code smells, com os cinco tipos específicos e um rótulo adicional "No code smell". O modelo de RNR apresentou uma taxa de detecção geral de 0,7, enquanto o SonarQube obteve 0,97. Apesar do desempenho competitivo para o "uso inadequado de var", a RNR mostrou necessidade de melhorias em casos mais complexos, porém, seu potencial para aprendizado automático e escalabilidade sugere que pode se tornar uma ferramenta capaz na detecção de code smells com alguns ajustes adicionais.
- ItemComparação de políticas de carga e seleção para jogadas ensaiadas (setplays) aplicadas ao futebol de robôs humanoides simulados em ambiente 3D(Universidade do Estado da Bahia, 2024-12-20) Santos, Caroline de Souza dos; Simões, Marco Antonio Costa; Cerqueira Junior, Adailton; Magalhaes, Ana PatriciaUm dos maiores desafios dos Sistemas Multiagentes está na criação de planos cooperativos para lidar com cenários complexos em ambientes dinâmicos e de tempo real. Esse tipo de cenário é encontrado no futebol de robôs, no qual cada time é modelado como um Sistema Multiagente, e cada jogador é um agente inteligente que toma decisões complexas em um curto espaço de tempo e de forma coordenada com os demais robôs de seu time. No escopo do futebol de robôs simulados, um plano traçado de forma coordenada e cooperativa com os agentes de um Sistema Multiagente é denominado setplay. Este trabalho utiliza setplays que podem ser aplicáveis ao time de futebol de robôs simulados Bahia Robotics Team. Podem existir mais de um setplay que cumpram o objetivo esperado, o que traz a seguinte problemática: Como possibilitar o carregamento eficiente de grandes conjuntos de setplays em tempo real durante o jogo? Trabalhos recentes tratam essa problemática usando uma abordagem híbrida, utilizando aprendizagem por reforço juntamente com Raciocínio Baseado em Casos. O objetivo deste trabalho é a construção de uma biblioteca capaz de gerenciar uma quantidade variável de setplays, preservando a sintaxe atual, para aplicação em jogos de futebol de robôs simulados. Neste trabalho, é apresentado um mecanismo para o carregamento rápido de jogadas ensaiadas na memória, oferecendo uma solução potencial para o desafio de lidar com grandes volumes de setplays. A análise comparativa dos tempos de carregamento confirmou que a nova abordagem é mais eficiente na seleção e carregamento dos setplays, oferecendo contribuições significativas para a comunidade científica, além de possibilitar a implementação em outros times, melhorando o desempenho nas competições.
- ItemDesenvolvimento de uma aplicação web para a caracterização genômica do vírus Oropouche.(Universidade do Estado da Bahia, 2024-12-27) Campos , Kyara Cardozo; Fonseca , Vagner de Souza; Restovic , Maria Inês Valderrama; Giovanetti , Marta; Rego , Filipe Ferreira de AlmeidaO vírus Oropouche (OROV), um arbovírus pertencente à família Peribunyaviridae e ao gênero Orthobunyavirus, é um patógeno negligenciado de relevância significativa para a saúde pública no Brasil e em outras regiões da América Latina, frequentemente associado a surtos em áreas tropicais e subtropicais. As condições ambientais que favorecem sua disseminação, como altas temperaturas e elevada umidade, estão profundamente ligadas às mudanças climáticas, que intensificam o ambiente propício para a proliferação de seus vetores. O OROV tem se destacado por sua capacidade de provocar epidemias em áreas urbanas e rurais, apresentando sintomas semelhantes aos da dengue, como febre alta, cefaleia, dores musculares e articulares, além de erupções cutâneas. Em vista do crescente aumento da incidência de arboviroses e da necessidade de ferramentas eficientes para monitoramento e controle, este trabalho propõe o desenvolvimento de uma aplicação web de bioinformática para a caracterização genômica do OROV. A ferramenta foi projetada para facilitar o diagnóstico e o desenvolvimento de estratégias de prevenção e tratamento de forma eficiente, possibilitando a genotipagem do OROV com base em modelos evolutivos apropriados, de forma automática, precisa e rápida. Para isso, sequências do vírus foram selecionadas em bancos de dados públicos por meio de um sistema automatizado de mineração de dados, resultando em um conjunto eficiente de sequências de referência usadas no desenvolvimento da aplicação, que caracteriza os três segmentos do OROV (L, M e S). A aplicação web demonstrou alta eficácia na caracterização de linhagens genéticas, oferecendo resultados que sustentam o entendimento da variabilidade genética do vírus. A ferramenta possibilitou a criação de árvores filogenéticas, permitindo uma análise detalhada da evolução viral e a identificação de potenciais mutações de interesse epidemiológico. Os resultados indicam que a ferramenta desenvolvida é uma solução promissora para o estudo de arbovírus negligenciados como o OROV, oferecendo suporte ao monitoramento epidemiológico e à implementação de estratégias de resposta rápida em casos de surtos. A pesquisa ressalta a importância de manter a atualização contínua da aplicação para incorporar novos dados e melhorias, adaptando-se às evoluções tecnológicas e às mudanças nas dinâmicas virais. Essa ferramenta contribui para o fortalecimento da infraestrutura de vigilância em saúde pública e evidencia a bioinformática como um aliado estratégico na luta contra doenças virais impulsionadas por mudanças climáticas e outros fatores ambientais.
- ItemIA generativa aplicada na análise de dados do departamento de informática do Sistema Único de Saúde – Datasus(Universidade do Estado da Bahia, 2024-01-10) Santos, Gilmar Luís do Nascimento; Araújo, Daniela Barreto; Atta , Antônio Carlos Fontes Atta; Chaves, Débora Alcina RegoTer direito à informação é essencial para que organizações e cidadãos possam tomar decisões embasadas em evidências, promovendo a busca por conhecimento e autonomia. O Sistema Único de Saúde (SUS) no Brasil enfrenta desafios variados, incluindo a adoção lenta de tecnologias de informação em saúde. Entretanto, a política de informação em saúde desempenha um papel estratégico ao melhorar o acesso equitativo e a gestão das informações, especialmente por meio do Departamento de Informática do Sistema Único de Saúde (DATASUS). Este órgão tem como objetivo reunir, processar e disseminar dados de saúde, promovendo a democratização e uma gestão eficaz dessa área. Contudo, a extração de conhecimento a partir desses dados ainda não é automática, dificultando seu uso prático. A aplicação da inteligência artificial generativa na análise de dados públicos representa uma inovação promissora para a saúde pública no Brasil. Este trabalho avaliou o potencial da inteligência artificial generativa na análise de dados públicos do DATASUS, com foco na produção ambulatorial de Salvador, cumprindo o objetivo geral de explorar a viabilidade dessa tecnologia para melhorar o acesso e a interpretação de informações de saúde. Foram analisadas três ferramentas principais: Copilot Studio, Meu GPT e Gemini Advanced, utilizando critérios como velocidade, precisão, integração de dados e confiabilidade. Os resultados mostraram que o Copilot Studio se destaca pela velocidade de resposta, embora apresente limitações na coerência e confiabilidade. O Meu GPT, apesar de ser mais lento, demonstrou maior precisão e consistência, permitindo uma base de conhecimento para múltiplas interações. O Gemini Advanced apresentou equilíbrio entre velocidade e precisão, mas possui limitações na integração de dados, restringindo sua aplicabilidade em análises prolongadas. A resposta à pergunta do projeto destaca que a inteligência artificial generativa, quando aplicada no contexto analisado, apresenta potencial para transformar a acessibilidade e a eficiência na gestão de dados de saúde pública.
- ItemInterpretação de lances realizados por engines de xadrez utilizando inteligência artificial explicável(Universidade do Estado da Bahia, 2025-01-06) Souza, Guilherme França de; Massa Neto, Ernesto de Souza; Amorim, Claúdio Alves de; Celedón, Julián Hermógenes QuezadaO presente trabalho visa utilizar técnicas de inteligência artificial explicável para explicar decisões tomadas por engines de xadrez. O objetivo é facilitar o entendimento de quais fatores são utilizados pela engine para tomar suas decisões. A abordagem adotada para alcançar esse objetivo segue a metodologia do Design Science Research (DSR), que se concentra na criação e avaliação de artefatos projetados para resolver problemas práticos. Para estudar casos onde a utilização de técnicas de explicabilidade teria relevância ou não, foram selecionadas posições com diferentes temáticas, para realizar duelos entre o Stockfish com redes neurais (NNUE) ativadas e desativadas, com diferentes profundidades, para compreender em que medida uma função de avaliação eficiente contribui para o desempenho de uma engine de xadrez e qual é o impacto relativo da profundidade de busca na vantagem estratégica obtida pela engine durante a tomada de decisões. Além disso, foi criado um modelo aproximado, treinado para aprender com o Stockfish a avaliar posições estáticas no tabuleiro. Esse modelo foi utilizado como base para a aplicação de técnicas de explicabilidade, como LRP, DeepLIFT, SmoothGrad, Saliency Maps e LIME, permitindo a análise detalhada de como as diferentes características do tabuleiro influenciam as avaliações do modelo. Os resultados apontam que as técnicas de explicabilidade podem fornecer explicações coerentes sobre os padrões que fundamentam essas avaliações.