Graduações em Engenharias e Ciência da Computação
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3249
Navegar
4 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso Sistema de marcação a mercado para trading de café(2022) Abrantes, Eric Fernando Otofuji; Thomé, Henrique Rizkallah; Paiva Neto, José Hélio; David, Thiago LopesEste projeto teve por objetivo desenvolver um protótipo em software para o cálculo de valor financeiro dos estoques, dos contratos de compra e de venda, e das operações de hedge de café e de câmbio da Mitsui & Co. Coffee Trading Brazil. Hoje, esses cálculos são consolidados pela controladora da companhia em um processo manual em planilhas de Excel. Este processo interno é um fator de risco para a operação e para a estratégia da companhia. O risco operacional é o gasto de tempo para consolidar a posição financeira da companhia. O risco estratégico é a concentração de parte importante do núcleo do negócio em trabalhos manuais, sujeito a erros, e pela propriedade intelectual dependente de poucas pessoas-chave. Os resultados do protótipo foram validados pela controladoria da companhia, resultando em cálculos corretos. O processo antes demorava mais de três horas para ser realizado de forma manual no Excel, mas o sistema permite o cálculo de MtM em cerca de 15 minutosTrabalho de Conclusão de Curso Reconhecimento e Extração de Marcas em Vídeos de Partidas de Futebol(2022) Cruz, Jose Fernando de Melo; Noal, Gabriel; Meirelles, João Pedro Montefeltro JunqueiraA área de marketing em eventos esportivos recebe em investimentos altíssimos, porém os meios usados para garantir entrega do contrato dependem de uma pessoa assistindo ao jogo e anotar os dados em um papel ou tabela, e mesmo assim ainda são dados rudimentares e com possíveis erros humanos, e isso apenas para propagandas na tela de emissoras, e sobre as marcas expostas no campo, ninguém faz esse trabalho. Este projeto tem como objetivo desenvolver um SaaS (Software as a Service) para auxiliar na análise de investimento em eventos esportivos, usando visão computacional para identificá-las e extrair métricas como localização na tela, tempo de exposição e área ocupada. Para isso, utilizando-se da biblioteca de visão computacional OpenCV, tem-se acesso ao algoritmo SIFT (scale-invariant feature transform) para identificação de pontos interessantes chamados features, que são usadas para comparar 2 imagens e achar similaridades, e esse software disponível na nuvem através de uma API. Assim conseguimos tirar métricas como o tempo de exposição, proporção da tela ocupou, auxiliando assim ao time que usar a ferramenta com mais dados para tomada de decisões.Trabalho de Conclusão de Curso Escalabilidade e Resiliência em Investimentos Sistemáticos(2021) Moreira, Lucas Muchaluat; Pellizzon, Matheus; Daher, Pedro Henrique Carvalho; Ramos, Pedro TeófiloEste projeto tem como objetivo a construção de uma nova arquitetura para atender à pipeline completa dos fluxos de trabalho da empresa. Por pipeline completa, entende-se desde a coleta e tratamento dos dados, até a sua exposição via REST API para consumo nos workflows da companhia. A nova proposta proporciona um ambiente resiliente e escalável, de forma a permitir que a empresa não fique dependente de uma única fonte de dados e possa aumentar a sua oferta de produtos sem precisar desenvolver uma nova pipeline dedicada somente a esse novo produto. A arquitetura desenvolvida utiliza REST API para expor o microsserviço, bases de dados relacionais e não relacionais para a armazenar os dados e une sistemas de contêineres e filas para orquestrar as tarefas, permitindo o paralelismo das mesmas.Trabalho de Conclusão de Curso O uso de dados geoespaciais em teses de investimento(2020) Rizzo, Arthur Sales; Ludman Junior, Carlos Henrique; Wiegerinck, Patrick Serrano; Bezerra, Sabrina MachadoEste projeto tem como objetivo desenvolver uma ferramenta que auxilie nas decisões de investimento da empresa parceira, por meio da análise de imagens de satélite para a contagem e diferenciação das subespécies de veículos terrestres. A motivação surge com a crescente demanda por dados alternativos, também conhecidos como dados não estruturados, para complementar as análises feitas por instituições financeiras, em especial no que tange investimentos. Nas últimas décadas muitos avanços tecnológicos, ferramentais e acadêmicos estão possibilitando inovações em diversas áreas e, graças a eles, este trabalho se faz possível. Progressos substanciais em machine learning, ferramentas para acesso às imagens de satélites, e até a possibilidade de utilizar um supercomputador disponibilizado pela faculdade foram fundamentais. Este projeto contou com o uso de CNNs, Python, trabalhos acadêmicos antecedentes e muito mais.