Graduações em Engenharias e Ciência da Computação
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3249
Navegar
6 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso Triagem oncogenética modelada por IA(2024) Alves, Gabriel de Araujo; Nishio, Keiya; Rodrigues Filho, Ricardo Mourão; Costa, Sarah Azevedo Pimenta daA Triagem Oncogenética por meio de questionário modelado por Inteligência Artificial (IA) representa uma inovação significativa no diagnóstico do câncer hereditário. Este estudo propõe uma abordagem que se baseia na análise criteriosa de parâmetros de história familiar para a seleção eficiente de pacientes aptos a realizar testes genéticos, sendo reconhecida como a estratégia mais custo-efetiva disponível atualmente. Com uma extensa base de dados de aproximadamente 10 mil pacientes atendidos e testados nos últimos quatro anos pelo A.C. Camargo, esta pesquisa se apoia em uma metodologia robusta, envolvendo a implementação de modelos probabilísticos e de inferência. Um dos pontos-chave deste estudo é a possibilidade de utilização do pacote PanelPro, desenvolvido pelo laboratório Bayesmendel de Harvard, que oferece ferramentas avançadas para análise de dados genéticos. Além disso, o projeto se beneficia da expertise acumulada ao longo dos anos pelo A.C. Camargo em Oncogenética. Ao analisar uma amostra representativa de 4 mil pacientes, juntamente com os resultados de testes genéticos positivos e negativos, busca-se identificar os parâmetros que maximizam a sensibilidade, especificidade e a área sob a curva ROC (AUC), a fim de automatizar o processo de seleção de pacientes para testes genéticos. A implementação bem-sucedida desta ferramenta tem o potencial de revolucionar a prática clínica, permitindo um encaminhamento mais eficiente e direcionado aos pacientes dos centros de referência (CRs) do A.C. Camargo para o Departamento de Oncogenética. Além disso, essa abordagem pode contribuir significativamente para a identificação precoce de indivíduos com predisposição genética ao câncer, possibilitando intervenções preventivas e terapêuticas mais eficazes. Em última análise, esse avanço tecnológico promete impactar positivamente a qualidade de vida e o prognóstico dos pacientes e suas famílias, representando um importante passo rumo à medicina personalizada e de precisão no combate ao câncer hereditário.- Identificação de culturas de plantio por imagens de satélite(2023) Carmo, Amanda Rosa do; Hirschheimer, Carolina; Mitu, Gabriela Yukari; Queiroga, Nicolas MacielEste projeto tem por objetivo desenvolver uma solução de análise e predição em imagens de satélites de culturas de plantio, que seja capaz de segmentar as imagens e identificar as diferentes plantações agrícolas nela presentes. Para tanto, será investigado o uso de um algoritmo de deep learning com arquitetura baseada em redes neurais convolucionais para criar um modelo de segmentação de imagens provenientes da missão de satélites Sentinel-2 e predição dos padrões de cultivo. O algoritmo funcional será então conectado a uma interface web, que permitirá aos potenciais usuários buscarem por características de plantio de determinada região do Brasil.
- Sistema para Auxílio à Busca de Vagas de Estacionamento(2023) Rocha, Caio Emmanuel Soares; Valentim, Cicero Tiago Carneiro; Silva, Thalia LoiolaEste projeto tem como objetivo desenvolver uma prova de conceito de um sistema de auxílio à localização de vagas de estacionamento, em parceria com a empresa PrediPark. O projeto contempla as seguintes partes: plataforma a ser acessada pelos usuários; modelo de aprendizado de máquina para prever a disponibilidade de vagas de estacionamento em um dado local e instante de tempo futuro; sistema de coleta de dados de estacionamento em tempo-real. Para demonstrar a capacidade do projeto, e na ausência de volume suficiente de dados reais para demonstração, um simulador estatístico de ocupação de vagas foi construído. O projeto enquadra-se como uma prova de conceito e, portanto, se propõe apenas a validar a solução idealizada pelos participantes do projeto (PrediPark, equipe Insper) e permitir uma demonstração funcional para futuros clientes e parceiros da empresa.
Trabalho de Conclusão de Curso MLOps - Transformando Teoria em Prática(2021) Olga, Arthur Quintella de Mello; Monteiro, Gabriel Lopes; Leite, Guilherme Peres; Lima, Vinicius Gomes deEste projeto tem como objetivo desenvolver um guia de implementação de MLOps. O termo MLOps refere-se ao conjunto de práticas e ferramentas para colaboração e comunicação entre cientistas de dados e profissionais de operações, além da automatização da transferência de modelos de aprendizado de máquina do ambiente de desenvolvimento para o de produção. Adicionalmente, tem-se por objetivo a construção de um pipeline funcional end-to-end como prova de conceito, em suporte ao guia de implementação. O guia tem em foco profissionais já familiares com conceitos de machine learning e operações e é composto por um tutorial prático que passa por todo o ciclo de desenvolvimento e deployment de modelos utilizando práticas de MLOps para aumentar sua automação, qualidade e reprodutibilidade. O ferramental utilizado no tutorial é baseado em produtos de machine learning da IBM combinado com outras ferramentas que possam contribuir com a execução de projetos de clientes que procuram melhorar seu ciclo de desenvolvimento através da aplicação da metodologia de MLOps.Trabalho de Conclusão de Curso Criação automática de legendas para fotos de imóveis(2021) Teracini, Felippe Nalin; Azambuja, Pedro Oliveira de; Moraes, Rachel Pereira Bottino de; Rosenzvaig, Rafael VieiraEste projeto teve como objetivo desenvolver um método de criação de legendas automáticas para fotos de cômodos de imóveis, a fim de facilitar o trabalho de fotógrafos que gastam tempo classificando manualmente um grande volume de fotos diariamente. O método desenvolvido consiste na criação e treinamento de modelos de redes neurais utilizando a biblioteca Keras. Além da criação de modelos de aprendizado de máquina, também foi desenvolvida uma pipeline que auxilia na análise da performance do treinamento dos modelosTrabalho de Conclusão de Curso Exploração de dados textuais abertos usando IBM Watson(2021) Moço, Emanuelle Silva; Klabin, Gabriel Magalhães Duarte; Bicalho, Maria Eduarda Peppes; Pina, Roger Ribeiro FavaEste projeto teve como objetivo criar um showcase de aplicação do Watson, ferramenta de inteligência artificial da IBM, para possíveis clientes da empresa. Para isso, quatro diferentes soluções da suíte IBM Watson foram utilizadas para criar um chatbot que ajuda um usuário a explorar notícias e também descobrir tendências de assuntos na mídia brasileira. O Watson Assistant foi utilizado na estruturação do chatbot; o Watson Natural Language Understanding para enriquecer os dados, fazer reconhecimento de temas e criação de um modelo por aprendizado de máquina que reconhece a polaridade política de um texto; o Cloudant para armazenamento dos dados. Uma interface web foi criada usando o framework ReactJS, para a interação com o usuário, e um servidor em Node.js, cujo deploy foi realizado com a ferramenta Cloud Foundry, para demonstrar o produto. Por fim, um tutorial de construção deste showcase também foi produzido para atrair clientes que busquem desenvolver suas próprias aplicações Watson in-house.