Graduações em Engenharias e Ciência da Computação

URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3249

Navegar

Resultados da Pesquisa

Agora exibindo 1 - 10 de 24

Widget Launchpad: Design, Build & Ship with Boldr
(2025) Yaginuma, Eduardo Takei; Mendes, Gabriel Fernando Missaka; Feltrin, Luca Santana; Rodrigues, Esther Caroline Cunha
Este projeto foi motivado pela necessidade da Boldr em oferecer aos seus usuários uma experiência de controle mais prática e acessível de seus dispositivos inteligentes. Apesar de o aplicativo da empresa já possibilitar o gerenciamento completo do Klima, dispositivo que controla termostatos via app, a ausência de um recurso de acesso imediato limitava a conveniência no uso cotidiano, afetando usuários que buscam agilidade e simplicidade. No mercado, existem soluções consolidadas de controle inteligente de climatização, como as oferecidas por empresas líderes do setor, a exemplo o Tado. Essas soluções permitem configurar agendas, monitorar consumo e até integrar assistentes virtuais, mas não disponibilizam widgets móveis dedicados para acesso rápido a informações e comandos básicos. Isso significa que, mesmo em sistemas avançados, o usuário continua dependente da abertura do aplicativo ou do uso de comandos de voz para realizar tarefas simples. Diante desse cenário, identificou-se a oportunidade de desenvolver um widget multiplataforma, compatível com iOS e Android, que fosse ao mesmo tempo customizável, de fácil manutenção e integrado ao aplicativo da Boldr que controla o Klima. A proposta consiste em criar um recurso que permita ao usuário acessar informações e realizar ações rápidas diretamente da tela inicial do celular, sem a necessidade de abrir o aplicativo completo. O resultado esperado é um widget estável em diferentes dispositivos e sistemas operacionais, com interface clara e de fácil uso, possibilitando maior conveniência e uma experiência de usuário mais eficiente e consistente com o restante da aplicação.
Combate à Pirataria de Cartuchos HP no Mercado Livre
(2025) Oliveira, André Pereira de; Silva, Julia Almeida; Pini, Luiz Eduardo Herreros; Paves, Rafael Gordon
Este projeto apresenta uma solução automatizada para apoiar a HP Inc. no combate à pirataria de cartuchos de tinta na plataforma do Mercado Livre. Atualmente, o processo de triagem é realizado manualmente e não atende ao volume e a rotatividade de anúncios, o que permite a permanência de ofertas suspeitas na plataforma, que por sua vez, provocam perdas financeiras e, até mesmo, danos na reputação da HP. O projeto integra: coleta, consolidação e priorização de anúncios com indícios de falsificação. Para a coleta, emprega-se web scraping a fim de obter dados da oferta, tais como título, preço, vendedor, avaliações e comentários. Na consolidação, é feito o processamento da normalização dos dados e proposto um cálculo de score de risco. Já a priorização foi definida em conjunto com a HP a partir de critérios como preço abaixo do referencial, nota média, menções de falsificação nos comentários e a quantidade de unidades vendidas como proxy de impacto. A arquitetura da solução contempla módulos de scraper, backend e frontend, com dashboard e filtros que viabilizam análise rápida e acompanhamento de vendedores recorrentes. Diversos desafios são apresentados, entre os desatacados estão limites e bloqueios impostos pelo marketplace e a necessidade de uma solução para escalar com robustez e conformidade. Ao final, resultados indicam ganho de eficiência na triagem e delineiam a evolução para testes automatizados, uso de LLM (Large Language Models) na classificação de comentários. Uma expansão futura poderia contemplar a análise de outras famílias de produtos.
Desenvolvimento de Navegação Autônoma para VANT Utilizando Técnicas de Aprendizado por Reforço
(2025) Gera, Henrique Turco; Freitas, Leonardo Sterman; Quinze, Luigi Orlandi; Souza, Victoria Leal Garcia de
Este projeto visa desenvolver, em simulação, um sistema de navegação para um VANT (Veículo Aéreo Não Tripulado) de asa fixa utilizando aprendizado por reforço. (Reinforcement Learning). O ambiente de treinamento foi implementado diretamente sobre a modelagem mecânica do VANT (Aerosonde), no referencial NED (North-East-Down), garantindo que a dinâmica (atuadores, restrições e equações de movimento) utilizada pelo VANT reflita seu comportamento físico. O veículo emprega Proximal Policy Optimization (PPO), adequado a espaços de ação contínuos (complexos) e estáveis para controle fino, aprendendo a minimizar distância ao alvo (waypoint), alinhar direção e respeitar os limites operacionais. Em paralelo, a modelagem mecânica foi consolidada (MATLAB) para validação e análise, enquanto o ambiente em Python (compatível com a biblioteca Gymnasium) integra o mesmo conjunto de equações ao loop de interação do aprendizado por reforço. Essa integração do modelo mecânico com o ambiente de Reinforcement Learning assegura consistência entre simulação física e aprendizado, favorecendo a transferência de resultados e a avaliação comparativa de algoritmos.
Mapeamento de Carrinho em Supermercado
(2025) Campelo, Ananda Julia Galvão; Shinohara, Kevin Nagayuki; Machado, Luca Cazzolato; Sousa, Thiago Gonçalves Guadagnoli de
Supermarkets and large retailers strive to understand customer flow to optimize store layouts and increase sales. While technologies like SLAM and smartphone data crowdsourcing have been explored for indoor mapping, the specific context of supermarkets and the use of high-precision technologies such as Ultra-Wideband (UWB) remain largely underexplored. This project proposes the creation of supermarket maps using the trajectories of shopping carts tracked by UWB, a technology that offers greater spatial accuracy than methods based on Wi-Fi or Bluetooth. The proposal also includes generating heatmaps that visualize the frequency of cart movement. The ongoing methodology addresses outlier treatment through data cleaning, trajectory rasterization, and the concept of density matrices. The generated maps are expected to be accurate representations of the supermarket’s floor plan, and the density heatmaps should precisely translate customer flow within each sector. The proposed solution serves as a basis for an Indoor Positioning System (IPS), consumer behavior analysis, and shopping route optimization.
Um framework para avaliação de Vision Language Models
(2025) Silva, Ellen Coutinho Lião da; Mayor, Henrique Scofield Sotto; Rodrigues, Luis Antonio Santana; Furukawa, Rodrigo Eiji
Este projeto tem como objetivo desenvolver um sistema eficaz e modular para avaliar o desempenho de Modelos Multimodais de Linguagem e Visão (Vision Language Models – VLMs) em diferentes cenários de interpretação de vídeos. Para isso, foi construído um framework em Python capaz de integrar datasets de vídeo, acionar distintos VLMs e avaliar seu desempenho por meio de métricas padronizadas. A estratégia de desenvolvimento adotada prioriza o uso de modelos pré-treinados e disponíveis em bibliotecas open-source, sem etapas de treinamento adicional. Os resultados obtidos incluem a avaliação da precisão, limitações e capacidades dos VLMs em tarefas de Video Question Answering, além da disponibilidade de uma base escalável para experimentos futuros. O framework inclui também ferramentas complementares, como um dashboard para análise visual dos resultados e uma interface web destinada a simplificar a geração de componentes do framework. Como estudo de caso inicial, para ilustrar a efetividade do uso do framework, utilizou-se o dataset SUTD-TrafficQA, composto por vídeos de acidentes de trânsito associados a questões de múltipla escolha, permitindo a execução de testes controlados e comparações quantitativas entre modelos. Além disso, foram conduzidos experimentos em um cenário alternativo (dataset ActivityNet), demonstrando a capacidade do framework em se adaptar a domínios distintos maximizando o reaproveitamento de código.
Desenvolvimento de aplicativo Android para facilitar a escrita em Nheengatu
(2024) Machado, Arthur Cisotto; Assis, Gustavo Antony de; Pacheco, Gustavo Lindenberg; Bandeira, Vitor Irulegui Bueno
Neste projeto foi desenvolvido um aplicativo Android para facilitar a escrita em Nheengatu, uma língua indígena brasileira. Foi criada uma interface de usuário que se conecta aos serviços de tradução, sugestão de próxima palavra e correção ortográfica fornecidos pela IBM. O aplicativo atua como um cliente, consumindo APIs da IBM, e oferece funcionalidades como campo de texto com suporte a caracteres especiais do Nheengatu, tradução bidirecional entre Nheengatu e Português (ou Inglês), dicionário integrado e integração com aplicativos de mensagem. O desenvolvimento baseou-se em estudos sobre revitalização de línguas indígenas através de tecnologia, adaptando uma aplicação web existente para dispositivos móveis. A metodologia incluiu práticas ágeis adaptadas, com foco em design de interface e usabilidade, incluindo duas rodadas de testes com usuários. O resultado é um protótipo funcional que demonstra as capacidades da interface e sua integração com os serviços da IBM, tendo sido iterativamente aprimorado com base nos feedbacks recebidos.
Aplicação web para monitoramento de feedbacks de usuários, integrada a um aplicativo voltado à democratização de línguas indígenas
(2025) Farias, Ana Laiz Novais de; Andrade, Giovana Cassoni; Amorim, Isabella dos Santos de
Estima-se que cerca de 46% dos idiomas do mundo estejam ameaçados ou em risco de extinção (Veiga, 2017). Visando contribuir com a perpetuação do Nheengatu – uma das línguas ameaçadas – a IBM (...). No semestre passado, um grupo de alunos do Insper desenvolveu um protótipo de um aplicativo Android, integrando ao sistema um modelo de linguagem criado pela IBM em parceria com a USP. Esse modelo já permite traduzir, corrigir a ortografia e sugerir palavras baseadas no contexto de sentenças. Atualmente, o modelo de linguagem conta com uma base limitada de cerca de 8 mil sentenças, devido à falta de registros escritos e à tradição oral da língua. O objetivo deste projeto é implementar um mecanismo de coleta de feedbacks no protótipo e desenvolver uma aplicação de monitoramento, integrada ao protótipo desenvolvido no semestre passado, que permitirá a visualização dos dados por período e funcionalidade (tradução, correção ortográfica e sugestão de próximas palavras). A plataforma de monitoramento será utilizada por linguistas e especialistas para analisar os feedbacks recebidos, avaliar o desempenho das funcionalidades e propor melhorias no modelo de linguagem. A partir dessas análises, será possível aprimorar a base de dados utilizada no treinamento da inteligência artificial, contribuindo para a evolução do modelo. Os principais usuários do aplicativo Android são falantes e aprendizes da língua indígena Nheengatu, incluindo crianças indígenas em processo de alfabetização. Este projeto visa ajudar a melhorar o modelo de linguagem e apoiar a preservação da cultura indígena e o fortalecimento da língua, auxiliando as novas gerações no uso da tecnologia como ferramenta de ensino e aprendizado da escrita para manter viva a sua língua nativa.
Implementação de Navegação Autônoma em Veículo Terrestre: Aprimoramento e Testes
(2025) Meinberg, Bruna Lima; Pinheiro, Guilherme Garrido Klingelfus; Barros, Matheus Ribeiro; Paolino, Rafael Pacheco
Este projeto tem como objetivo aprimorar o sistema de navegação autônoma de um robô de monitoramento de silvicultura e pomares, desenvolvido na iteração anterior deste Capstone. O foco desta fase será a otimização tanto da estrutura mecânica quanto do software do robô, buscando melhorar sua eficiência, precisão e adaptabilidade ao ambiente de operação. Para isso, serão analisadas e implementadas melhorias físicas do robô, como o sistema de locomotão e sensores, além de refinamentos nos algoritmos de navegação e tomada de decisão. A escolha das soluções será guiada por estudos comparativos de diferentes abordagens, garantindo que as melhorias atendam aos requisitos do projeto e contribuam para a automação eficaz do monitoramento agrícola.
Guardrails em IA Generativa
(2025) Pereira, Fernanda de Oliveira; Hermida, Gabriel Mendonça de Mello; Medeiros, Rodrigo Paoliello de
A inteligência artificial (IA) generativa, quando aplicada no desenvolvimento de assistentes virtuais, pode, em muitos casos, retornar respostas inadequadas ou incorretas, confundindo usuários e gerando desinformação. Atualmente, são desenvolvidas guardrails que analisam tanto as entradas fornecidas pelos usuários quanto as saídas geradas pelos modelos, garantindo que as respostas devolvidas sejam adequadas. Nesse contexto, a solução deste projeto consistiu na implementação de diferentes tipos de guardrails (escopo, competidores, toxicidade, alucinação, dados sensíveis e técnicas de jailbreak), na definição de métricas específicas para avaliar seu funcionamento e na construção de uma arquitetura suficientemente modular para ser adaptável a diversos contextos. As guardrails implementadas alcançaram resultados satisfatórios conforme as métricas estabelecidas, indicando viabilidade técnica para utilização inicial pela empresa parceira em consultorias de assistência virtual com IA. Apesar disso, o projeto identificou oportunidades de melhoria, especialmente relacionadas à ampliação das bases de treinamento e avaliação, à adoção de mecanismos adaptativos e ao aprimoramento da mitigação de alucinações, visando ampliar sua eficácia em aplicações práticas futuras.
Solução Full-Stack de machine learning para Visão Computacional em Ambientes Industriais: Classificação, Versionamento e Treinamento Local de Modelos
(2025) Machado, Diego Baptista Daurea; Celestino, Douglas Pablo Braçal; Silva, Gustavo Mendes da; Rizzo, Pedro Ivo de
Este projeto dedica-se a estabelecer uma solução full-stack de machine learning para algoritmos de visão computacional, com versionamento, reclassificação e retreinamento de modelos, operando integralmente via Intranet para facilitar seu uso em plantas industriais. Tal abordagem visa atender qualquer processo, permitindo ao usuário realizar o upload de mídias, escolher as Labels que deseja classificar e anotar manualmente bounding boxes para rotulagem supervisionada e depois treinamento e retreinamento de modelos de visão computacional com as mídias rotuladas. Para isso, empregou-se Python e o modelo de detecção de objetos YOLO, associadas a um fluxo de versionamento (DVC/Git) que permite realimentar o modelo conforme surgem correções manuais de classificação. O frontend foi desenvolvido utilizando Next.js e Node.js, proporcionando uma interface interativa e eficiente para interação com os modelos. Além disso, toda a arquitetura foi dockerizada utilizando Docker, garantindo portabilidade, escalabilidade e facilidade de implantação em ambientes industriais. O resultado é um sistema robusto que permite evolução dos modelos e datasets sem depender de soluções em nuvem, garantindo escalabilidade e adequação às necessidades industriais locais.

Graduações em Engenharias e Ciência da Computação

Navegar

Filtros

Configurações

Ordenar por

Resultados por página

Resultados da Pesquisa