| Pesquisa em Métodos e Técnicas para Sistemas de Sugestões de Consultas |
- Current |
Neste projeto, pretendemos estudar e desenvolver novos métodos para ordenação de relevância em sistemas de auto completação utilizando aprendizagem de máquina. Para desenvolver um modelo usando aprendizagem de máquina é necessário construir uma base de dados rotulados e definir um conjunto de características que possam ser usadas pelo algoritmo de treinamento para aprender e desenvolver uma função próxima da solução ótima do problema. Além disso, para um sistema personalizável de acordo com usuário é necessário ter informações sobre o comportamento do usuário no momento da consulta. Contudo, a função resultante do treino tem que atender a critérios especificados pelo sistema em que será implementada para não prejudicar aspectos de desempenho.. |
No financiers |
No team of members available |
| Grupo de Banco de Dados e Recuperação de Informação |
- Current |
O grupo de Banco de Dados e Recuperação de Informação da UFAM, antigamente chamado de grupo de tecnologias de informação, tem publicado trabalhos científicos e periódicos internacionais e nacionais na área de banco de dados e recuperação de informação. |
No financiers |
No team of members available |
| CodeBench: Um Sistema Juiz Online para Cursos de Gradução em Informática |
- Current |
O CodeBench (http://codebench.icomp.ufam.edu.br) é um sistema juiz online desenvolvido por pesquisadores do Instituto de Computação (IComp) da Universidade Federal do Amazonas (UFAM) com o propósito de automatizar a correção dos exercícios das disciplinas de programação. Através do Codebench, os professores podem disponibilizar exercícios de programação para seus alunos, que por sua vez devem desenvolver soluções para tais exercícios e submetê-las através da interface do sistema. Uma vez que um aluno submete uma solução para um dado exercício, o sistema informa instantaneamente ao aluno se sua solução está correta ou errada. Desde seu lançamento em 2013, o CodeBench se consolidou como uma importante ferramenta pedagógica para os professores do Instituto de Computação. |
No financiers |
No team of members available |
| Samsung UFAM Projeto para Educação e Pesquisa - SUPER |
- Current |
O objetivo do principal do SUPER é capacitar os alunos de graduação dos cursos envolvidos no projeto, em áreas tecnológicas e foi formatado compreendendo todo o período de permanência do aluno na universidade, desde o currículo básico até a qualificação avançada específica, visando quatro perspectivas: 1)Do aluno: para poder assimilar uma formação avançada em tecnologia é preciso que ele tenha conhecimentos sólidos nas disciplinas básicas e técnicas dos períodos iniciais, além de conhecimento em inglês técnico e habilidades socioemocionais. 2)Do professor: precisam ser altamente capacitados e engajados no projeto, visando prover formação de qualidade e orientação técnica nos projetos. 3)Da infraestrutura: pensada para atender as demandas da capacitação com implantação e modernização de laboratórios para apoio à formação e desenvolvimento de projetos. 4)Da sociedade: receberá um número maior de profissionais capacitados colaborando com o desenvolvimento econômico do estado e com a diminuição do déficit de mão de obra. |
No financiers |
No team of members available |
| Motivando e engajando estudantes para a aprendizagem de programação introdutória no ensino superior |
- Current |
Descrição: Introdução à programação é uma disciplina que constitui a matriz curricular de diversos cursos das áreas de exatas, humanas e biológicas e tem como objetivo ensinar aos alunos a lógica da programação de computadores, desenvolvendo o pensamento sistemático e criativo. Entretanto, como apresentado na literatura e vivenciado nos cursos ministrados na Universidade Federal do Amazonas, as disciplinas introdutórias de programação apresentam altas taxas de reprovação e desistência. Nesse contexto, este projeto visa investigar técnicas, ferramentas e práticas pedagógicas que, combinadas, permitam aumentar a taxa de aprovação e reduzir a taxa de desistência em disciplinas de introdução à programação. |
No financiers |
No team of members available |
| Aplicando técnicas de aprendizagem colaborativa em ambientes virtuais de aprendizagem para o ensino de programação de computadores |
- Current |
Descrição: Disciplinas de introdução à programação são usualmente ministradas para cursos de graduação em Engenharia e Ciências Exatas com o propósito de desenvolver nos aprendizes algumas habilidades e competências, tais como: raciocínio lógico, capacidade de resolver problemas utilizando associação, generalização, modularização, entre outras. Muitos dos alunos desses cursos costumam não ter motivação para se aplicar à disciplina, já que a programação não será sua atividade profissional fim. Para trabalhar essa dificuldade, uma equipe de professores concebeu uma metodologia de ensino-aprendizagem que mescla aulas presenciais com atividades baseadas em ambientes virtuais de aprendizagem e em um sistema de juiz online. Embora dados iniciais pareçam promissores, a metodologia ainda repete o estilo tradicional de ensino individual, onde os alunos não são encorajados a interagir entre si na construção do conhecimento. Assim, essa pesquisa tem como objetivo definir uma abordagem que integra técnicas de aprendizagem colaborativas e gamificação na metodologia de ensino adotada na disciplina de Introdução à Programação de Computadores. Uma vez implementada, a abordagem será avaliada através de um estudo de caso em um curso real oferecido pelo Instituto de Computação da Universidade Federal do Amazonas (IComp/UFAM). Os resultados parciais e finais do projeto serão submetidos para conferências e periódicos qualificados, contribuindo com a disseminação do conhecimento gerado e com a consolidação do Grupo de Pesquisa de Sistemas Inteligentes (GSI) da UFAM. |
No financiers |
No team of members available |
| Centro de Inovação em Inteligência Artificial para a Saúde (CIIA-Saúde) |
- Current |
A saúde, definida pela Organização Mundial da Saúde (OMS) como estado de completo bem-estar físico, mental e social, e não apenas a ausência de doença ou enfermidade, é uma dimensão básica da vida, seja para os indivíduos, seja para as sociedades e nações. Um complexo conjunto de políticas e ações têm sido estruturados pelas nações e seus governos, em diferentes níveis, para garantir a prevenção, o diagnóstico e o tratamento adequados das doenças e alcançar o bem-estar individual e social. O custo apenas dos sistemas identificados como de saúde representa cerca de 10% do PIB mundial e, apesar dos progressos das últimas décadas, ainda persistem desafios no reconhecimento e tratamento de inúmeras condições clínicas, e mesmo para garantir que todos tenham acesso à atenção à saúde de qualidade. A inteligência artificial (IA), definida como a simulação da inteligência humana em máquinas, incluindo aprendizado, raciocínio e percepção, e as tecnologias relacionadas, é uma inovação disruptiva na área da saúde e da medicina. O foco do projeto do Centro de Inovação em Inteligência Artificial em Saúde (CIIA-Saúde) é a pesquisa e desenvolvimento de técnicas e soluções de inteligência artificial (IA) para habilitar e demonstrar o seu potencial para auxiliar os indivíduos e pacientes no autocuidado, os médicos e profissionais de saúde no diagnóstico e tratamento das doenças e os gestores de saúde na programação de ações de prevenção e organização da assistência à saúde, otimizando a utilização de recursos e melhorando a saúde das pessoas e da população no Brasil. Trata-se de um centro multidisciplinar e multiinstitucional integrando as áreas de ciências exatas e da saúde com sede na UFMG em associação com 9 instituições de ensino superior das regiões Sudeste, Sul e Norte do país, e em parceria com quatro empresas das áreas de saúde, tecnologia e educação. A equipe é constituída por 130 pesquisadores, sendo 95 bolsistas de produtividade do CNPq (19 são 1A). As áreas de saúde do Centro estão estruturadas em cinco eixos fundamentais que abrangem: 1) prevenção e qualidade de vida; 2) diagnóstico, prognóstico e rastreamento; 3) medicina terapêutica e personalizada; 4) sistemas de saúde e gestão; e 5) epidemias e desastres. Associados aos eixos e desafios da saúde, o foco das pesquisas em IA concentram-se nas seguintes áreas: i) Ética e Valores Humanos, ii) Modelos e Algoritmos, iii) Gerenciamento e Engenharia de Dados, e iv) Sistemas Computacionais. Os resultados esperados do CIIA-Saúde são agrupados em resultados de pesquisa, de inovação e de formação de recursos humanos, incluindo a publicação de artigos científicos em periódicos e conferências nacionais e internacionais de prestígio, o desenvolvimento de provas de conceito e protótipos de soluções junto a empresas e instituições de saúde, bem como a transferência de tecnologia e know-how para o mercado (com o apoio da CTIT-UFMG); e a formação de doutores e mestres. Planeja-se também ações de educação e difusão do conhecimento para estudantes do ensino fundamental e médio incluindo cursos de curta duração e vídeos educativos, e também um curso de especialização (360h) para profissionais da saúde e cursos de curta duração para a população em geral. O Centro planeja também uma intensa atividade internacional, através da colaboração com pesquisadores e instituições de excelência em pesquisa avançada. O CIIA-Saúde terá uma estrutura administrativa enxuta incluindo um Conselho Diretor, Comitê Científico Internacional, Comitê Executivo, Coordenação Técnico-Científica e Secretaria Administrativa, e contará com o apoio da Fundação de Desenvolvimento da Pesquisa (Fundep) da UFMG para o gerenciamento administrativo e financeiro. Proc. 2020/09866-4 - Chamada FAPEP/MCTIC/CGI (2019) - R$ 939.839,04 |
No financiers |
No team of members available |
| Neural Bond - Um Estudo sobre o Uso de Modelos de Linguagem Neurais para Engajamento Inteligente de Usuários em Plataformas de Redes Sociais |
- Current |
Nos dias atuais, possuir uma boa reputação nas redes sociais é de suma importância para organizações e empresas, pois a reputação é determinante para a fidelização e atração de possíveis usuários e clientes. Nesse contexto, uma tarefa fundamental é a capacidade de engajamento da organização com clientes nas redes sociais para, por exemplo, resolver reclamações ou questionamentos sobre produtos e serviços realizados por ela. Uma maneira de realizar esse engajamento é utilizar pessoas para monitorar menções à organização em mídias sociais com o intuito de responder prontamente a comentários de usuários que necessitem ser endereçados. Essa abordagem, no entanto, pode ser custosa financeiramente, pois ela somente escala com a contratação de mais profissionais para a realização deste monitoramento. Este projeto se propõe a automatizar o processo de engajamento com usuários através do uso de técnicas avançadas de Processamento de Linguagem Natural (PLN) como Modelos de Linguagem. Esses modelos têm alcançado nos últimos anos o estado da arte em diversas tarefas de PLN. Em particular, modelos como GPT-3, ChatGPT desenvolvido pela OpenAI, e LaMDA, construído pela Google, têm alcançado excelentes resultados na geração automática de texto conversacional. Muitos desses modelos, no entanto, são pagos ou não estão disponíveis para o público em geral. Além disso, eles são construídos (ou pré-treinados) em corpora genéricos. Para este projeto, pretendemos utilizar modelos disponíveis gratuitamente e customizá-los para a tarefa de interesse. Essa customização pode ser realizada utilizando técnicas como DAPT (domain-adaptive pretraining) ou TAPT (task-adaptive pretraining), que continua o pré-treinamento desses modelos genéricos em textos respectivamente no domínio ou na tarefa que se deseja realizar. No contexto deste projeto, pretendemos especializar modelos de linguagem genéricos em comentários e postagens em redes sociais na língua portuguesa do Brasil. Para isso, iremos construir um coletor focado para obter dados conversacionais em redes sociais como Instagram e Facebook. Por serem modelos com um grande número de parâmetros (o modelo GPT-3 tem, por exemplo, 175 bilhões de parâmetros), uma grande limitação do uso deles na prática é o tempo de inferência necessário para a geração automática do texto. Com o intuito de diminuir esse tempo, pretende-se utilizar estratégias baseadas em model distillation, que se refere à transferência de conhecimento de um modelo maior para um modelo menor (ou seja, com menor custo computacional). A construção desse modelo de linguagem de geração automática de texto para engajamento com usuários com alta acurácia e baixo tempo de inferência irá, portanto, permitir que organizações possam responder prontamente, e com baixo custo, a comentários de usuários em redes sociais. EDITAL N. 001/2023 - UNIVERSAL FAPEAM R$ 179.600,00 |
No financiers |
No team of members available |
| Descoberta Semântica e Explicabilidade de Relacionamentos em Data Lakes |
- Current |
O principal objetivo deste projeto de cooperação internacional é desenvolver e implementar uma solução integrada para a descoberta eficiente de relacionamentos em data lakes. Mais do que simplesmente identificar relações entre conjuntos de dados, a meta é combinar técnicas sintáticas e semânticas avançadas para criar uma abordagem híbrida. Esta abordagem pretende não só identificar relações explícitas entre dados, mas também captar nuances e relações implícitas que poderiam ser facilmente ignoradas por métodos tradicionais. Processo: 01.02.016301.00600/2024-97 Edital: EDITAL N 015/2023 - PROMOB/FAPEAM R$ 35.000,00 |
No financiers |
No team of members available |
| Integrando LLMs em Sistemas de Recomendação Financeiros: Personalização e Mitigação de Viés |
- Current |
Sistemas de recomendação desempenham papel essencial em plataformas digitais, incluindo o setor financeiro, onde influenciam decisões críticas. Este projeto busca desenvolver métodos para melhorar a equidade e personalização desses sistemas utilizando Modelos de Linguagem de Larga Escala (LLMs). A pesquisa, em parceria com o Laboratoire d'Informatique de Grenoble, abordará o viés demográfico que compromete a confiança e eficácia das recomendações financeiras. Propomos integrar LLMs com técnicas de fairness-aware learning para criar recomendações mais justas e personalizadas, preservando a eficiência. A metodologia envolverá o desenvolvimento e teste de algoritmos, utilizando dados reais do setor financeiro para validação e ajuste. |
No financiers |
No team of members available |
| Descoberta de Restrições de Integridade de Dados Relacionais a partir de Documentos Regulatórios usando Modelos de Linguagem |
- Current |
A integridade e confiabilidade dos dados são fundamentais para a tomada de decisões em áreas onde a conformidade com normas é crítica, como saúde, educação e finanças. Documentos regulatórios estabelecem direitos, obrigações e responsabilidades que podem ser expressas como regras de dados. Contudo, observamos em diversos documentos e dados abertos, que muitas vezes as regras divergem das suas implementações nos bancos de dados (BDs), com potencial impacto em tomadas de decisão e políticas públicas. Este projeto investiga a extração e validação automática de regras de integridade (RIs) a partir de textos regulatórios, visando garantir a consistência e a conformidade dos dados. Estas regras podem ser formalizadas em lógica de primeira ordem que impedem combinações indesejadas de dados, permitindo a detecção e correção de inconsistências que comprometam a integridade de dados tabulares, como um BD relacional ou arquivos CSVs. Métodos automatizados são necessários para reduzir o esforço humano na extração de RIs e garantir a consistência dos dados. Este projeto explora a extração dessas RIs usando Modelos de Linguagem Pré-treinados de Larga Escala (LLMs), capazes de descobrir e converter regras textuais em RIs aplicáveis em SQL. LLMs têm sido amplamente usados na geração de SQL a partir de especificações textuais, o que reforça a viabilidade de seu uso para extrair RIs a partir de documentos regulatórios. Esses modelos podem reconhecer padrões complexos e relações semânticas em textos, tornando viável o uso de técnicas de Processamento de Linguagem Natural (PLN) para transformar esses textos em restrições formais. Este projeto propõe o desenvolvimento de um pipeline de PLN para extração de regras de documentos regulatórios e conversão em RIs. CHAMADA CNPQ/MCTI N 44/2024 Faixa B - Grupos Consolidados.Proc. 400936/2025-9 R$ 216.000,00 |
No financiers |
No team of members available |