Todas as Notícias
Navigation
News
Back
Pós-Graduação em Ciência da Computação realiza defesa de tese e de dissertação nesta segunda (20)
Ambas as defesas ocorrerão via Google Meet
O Programa de Pós-Graduação em Ciência da Computação realiza defesa de tese e de dissertação na segunda-feira (2), às 9h, via Google Meet. A tese de doutorado de Cecilia Cordeiro da Silva, “Uma metodologia para construção de preditores de doenças baseada em Aprendizado de Máquina, Computação Bioinspirada e Análise Espaço-Temporal”, teve orientação do professor Abel Guilhermino da Silva Filho e coorientação do professor Wellington Pinheiro dos Santos (UFPE/Engenharia Biomédica). Os interessados em assistir devem entrar em contato com a aluna através do e-mail ccs2@cin.ufpe.br.
A banca examinadora é composta pelos professores Manoel Eusébio de Lima (UFPE/ Centro de Informática), Ana Lúcia Bezerra Candeias (UFPE/Departamento de Engenharia Cartográfica), Giselle Machado Magalhães Moreno (USP/Instituto de Astronomia, Geofísica e Ciências Atmosféricas), Tiago Lima Massoni (UFCG/Departamento de Sistemas e Computação) e João Fausto Lorenzato de Oliveira (UPE/Escola Politécnica de Pernambuco)
A dissertação de Danilo Augusto Menezes Clemente, “Modelagem hierárquica da disponibilidade de serviços hospedados em Centro de Dados distribuídos”, foi orientada pelo professor Paulo Romero Martins Maciel e coorientada pelo docente Jamilson Ramalho Dantas. Interessados em assistir entrar em contato com o aluno pelo e-mail damc@cin.ufpe.br.
A banca examinadora será formada pelos professores Paulo Romero Martins Maciel (UFPE/Centro de Informática), Erica Teixeira Gomes de Sousa (UFRPE/Departamento de Computação) e Carlos Alexandre Silva de Melo (Escola de Programação Trybe).
Resumo 1
Em um mundo cada vez mais conectado por meio de vias físicas e virtuais, pessoas e dados circulam com cada vez mais facilidade. As mudanças demográficas e o intenso fluxo migratório das zonas rurais para as regiões urbanas geraram um crescimento desordenado das cidades. Isso combinado à ausência de boas condições de saneamento básico contribui para a proliferação do vetor. A emergência de surtos epidêmicos, como a dengue, a febre chicungunha, a zika e outras doenças tem contribuído para construir um cenário cada vez mais desafiador. A recente pandemia de covid-19 trouxe grandes mudanças em escala mundial. Nesse cenário, cresceu fortemente o interesse por técnicas para predição espacial e temporal da distribuição de doenças a partir de tecnologias como a Internet das Coisas, aprendizado de máquina e múltiplas bases de dados. Este trabalho tem como objetivo geral propor uma metodologia para construção de preditores capazes de prever a distribuição espaço-temporal de doenças e apontar os fatores mais relevantes para a predição a partir de uma arquitetura baseada no acesso a múltiplas bases de dados. Para validação da proposta, foi adotada como estudo de caso a predição de casos de arboviroses por meio de séries históricas georreferenciadas de informações climáticas e ambientais utilizando técnicas de aprendizado de máquina. Essas informações são coletadas de múltiplos bancos de dados georreferenciados, previamente construídos a partir da coleta de informações por redes de sensores e do Sistema Único de Saúde. Foram utilizadas informações da cidade do Recife, de casos de arboviroses (dengue, chicungunha e zika) de 2013 a 2016, e informações climáticas e ambientais do mesmo período, da Apac e do Inmet. Os sistemas de predição de doenças construídos utilizando a metodologia proposta neste trabalho também devem ser capazes de apontar os fatores mais relevantes para a predição por meio do Comitê de Especialistas Artificiais, proposto neste trabalho e composto de um conjunto de algoritmos de seleção de atributos baseados em métodos de otimização por Computação Evolucionária. O Comitê de Especialistas Artificiais decide por votação. Os melhores resultados de predição de casos foram obtidos com regressão por Random Forest. Os valores do coeficiente de correlação de Pearson foram superiores a 0,99, enquanto o RMSE (%) se manteve inferior a 6%. Os índices de Kendall e Spearman também se mantiveram altos: seus valores foram superiores a 0,99 para Spearman e maiores que 0,90 para Kendall. O desempenho superior da Random Forest mostra que o problema de regressão é de difícil generalização, dado que a Random Forest é baseada em comitês de árvores de decisão e a regressão é realizada por uma média ponderada dos resultados das diferentes árvores de decisão que compõem o modelo.
Resumo 2
A computação em nuvem fornece uma abstração das camadas físicas, permitindo uma sensação de recursos infinitos. No entanto, os recursos físicos não são ilimitados e precisam ser utilizados de maneira cada vez mais assertiva. Um dos desafios da computação em nuvem é aprimorar esta utilização dos recursos físicos sem comprometer a disponibilidade dos ambientes neles hospedados. Os modelos hierárquicos possibilitam uma avaliação eficiente dos sistemas que se utilizam da computação em nuvem, permitindo um melhor aproveitamento dos recursos físicos. Este trabalho se utiliza desta estratégia para conduzir uma avaliação de disponibilidade de um sistema hospedado em uma nuvem privada. Foram realizados estudos preliminares na infraestrutura física e lógica utilizada pelo sistema, visando identificar possíveis pontos de melhorias nas configurações, incluindo uma análise de sensibilidade que identifica os componentes que possuem a maior capacidade de interferência na disponibilidade do sistema. Modelos hierárquicos foram concebidos para representar o ambiente atual (baseline), possibilitando a identificação da disponibilidade do sistema. Foi desenvolvido também uma metodologia que permite a replicação adequada deste estudo, podendo ser utilizada para este sistema ou em sistemas similares. Após a correta identificação e modelagem da baseline, foram propostas alterações nos componentes internos ao CD, visando um aprimoramento da disponibilidade do sistema. Posteriormente da descoberta de um valor da disponibilidade considerado como satisfatório pelos administradores do sistema, foram adicionadas aos modelos previamente desenvolvidos, componentes físicos da estrutura do CD, em conjunto com as CCF. Neste momento do estudo, foram aplicadas técnicas de sintetização em modelos SPN, permitindo a realização dos cálculos com um baixo custo operacional. Foram concebidos modelos que possibilitam a análise de cenários em casos de redundância de CD, permitindo a identificação do CD ativo, além de qual cenário possibilita uma melhor disponibilidade para o sistema.
Date of last modification: 15/06/2022, 16:58