FABRÍCIO JAILSON BARTH
Lattes
ORCID
Google Scholar
Página pessoalUnidades Organizacionais
Resumo profissional
person.page.researcharea
Nome para créditos
5 resultados
Resultados da Pesquisa
Agora exibindo 1 - 5 de 5
Artigo Científico Uma introdução ao tema Recuperação de Informações Textuais(2013) FABRÍCIO JAILSON BARTHO tema Recuperação de Informação sempre foi um tema muito explorado na academia e no mercado. A forma com que os eventos acadêmicos são conduzidos demonstra uma maturidade muito grande da área, inclusive com uma ligação muito forte com o mercado. Inúmeros livros sobre este tema já foram publicados. No entanto, são poucos os livros publicados em português. Este tutorial tenta preencher esta lacuna apresentando uma introdução sobre o tema Recuperação de Informação, abordando: as principais definições e conceitos da área; os principais modelos que regem o desenvolvimento dos Sistemas de Recuperação de Informação, e; os métodos usualmente empregados na avaliação de Sistemas de Recuperação de Informação.Trabalho de Conclusão de Curso Modelagem financeira de alta frequência com Big Data e Machine Learning(2024) Dias, Felipe Maluli de Carvalho; Martins, Guilherme dos Santos; Pereira, Marlon SilvaO objetivo deste projeto é desenvolver uma arquitetura robusta e escalável que atenda às necessidades específicas do fluxo de dados de cotação intradiária de ativos, para sustentar modelagem de alta frequência nas estratégias de compra e venda de ações de uma gestora de investimentos, e então desenvolver um modelo de compra e venda de ações que utilize esses dados. Para alcançar esses objetivos, o projeto propõe uma infraestrutura composta por processos de extração, limpeza, e armazenamento de dados, com ênfase na eficiência do tratamento de grandes volumes de informações. A infraestrutura proposta é baseada em uma pipeline de dados construída em Python, que inclui etapas de extração e carregamento (EL). Para o armazenamento dos dados, foi utilizado de início o banco de dados PostgreSQL, que foi substituído pelo QuestDB, uma escolha motivada pela sua otimização voltada a grandes volumes de dados de série temporal. A arquitetura, desenvolvida com uma aplicação de extração e limpeza em Python e integrada a um banco de dados QuestDB, mostrou-se eficaz para lidar com o volume de dados esperado através de testes de estresse realizados usando protótipos iniciais do sistema e simulando a fonte de dados, destacando-se pela sua capacidade de fácil integração com outras ferramentas. Além disso, o projeto contempla o estudo e a aplicação de diferentes sinais financeiros, utilizando técnicas e métricas quantitativas, além de modelos de Machine Learning, com o objetivo de avaliar as melhores variáveis para o desenvolvimento de um modelo de Factor Investing para os dados intradiários.Trabalho de Conclusão de Curso Desempenho de carteira long-short de moedas estrangeiras com base em técnicas de machine learning(2024) Wever, Alexandre; Melo, André Barboza Braga de; Borba, Gustavo Paciléo; Sanches, Lucca Barufatti VeliniEste projeto tem como objetivo desenvolver uma plataforma para otimizar decisões de compra e venda de moedas estrangeiras, utilizando técnicas de machine learning. A estratégia aplicada é a long-short, que mantém simultaneamente posições compradas (long) em moedas com expectativa de valorização e vendidas (short) em moedas com expectativa de desvalorização. O problema abordado é a dificuldade em prever movimentos no mercado cambial devido à volatilidade e à complexidade dos fatores externos que o influenciam, o que limita a eficácia de estratégias tradicionais. O uso de machine learning busca aumentar a precisão dessas previsões e identificar oportunidades de investimento que complementem análises convencionais. A metodologia inclui a coleta e análise de dados financeiros diários de pares de moedas indexadas ao dólar, seguida de um processo de ranqueamento para identificar quais moedas devem ser compradas e quais devem ser vendidas. Este trabalho parte dos modelos preditivos já desenvolvidos pela empresa parceira, aprimorando-os com a incorporação de novos sinais financeiros e ajustes na metodologia de ranqueamento, para aumentar a precisão das previsões.Trabalho de Conclusão de Curso Prova de conceito de um chatbot em WhatsApp para atendimento ao cliente(2024) Paula, Caio Ribeiro de; Campos, Enzo Quental Vieira de; Leventhal, Rafael CocaO objetivo deste projeto é desenvolver uma prova de conceito para um chatbot (chat robot) de atendimento ao cliente no WhatsApp, aplicando metodologias ágeis. Durante o processo, utilizaram-se princípios de design thinking para identificar e ter uma visão mais refinada das necessidades da empresa, com um foco especial em melhorar a experiência do usuário. Foi empregada a metodologia 5W2H para garantir um planejamento detalhado e estruturado das atividades, complementando as práticas ágeis e proporcionando clareza em cada etapa do projeto. O alinhamento entre requisitos técnicos e objetivos empresariais foi alcançado através de contato frequente com a Syngenta. Com base nesse entendimento, foi implementado um sistema que oferece uma interface alternativa de chat para os clientes da empresa, funcionando como um CRM, para sanar dúvidas frequentes sobre os programas de relacionamento oferecidos pela empresa. Para isso, foi utilizado um modelo de linguagem grande (LLM) para melhorar a precisão e a eficiência no atendimento automático.Trabalho de Conclusão de Curso Veículo Terrestre Autônomo para Monitoramento de Talhões de Silvicultura e Plantações de Frutas(2024) Melo, Felipe Catapano Emrich; Tumang, Gabriel Brunoro Motta; Sorpreso, Luana de Matos; Katri, Rafael EliEste projeto visa desenvolver um sistema de navegação autônoma para um robô de monitoramento de silvicultura e pomares, sendo a segunda fase de um projeto contínuo que começou pela montagem física do robô pela iteração anterior deste Capstone. O projeto tem como propósito automatizar o processo de monitoramento de tais plantações, possibilitando a otimização da mão de obra humana. O programa para esta funcionalidade nova foi desenvolvido utilizando o framework ROS (Robot Operating System) 2, e mais especificamente o pacote de navegação NAV 2. Para conseguir atingir o objetivo final, foi estudado pelo grupo múltiplas soluções e algoritmos de SLAM (Simultaneous Localization and Mapping) compatíveis com fusão de sensores de múltiplos tipos, para mapeamento multissensorial robusto em ambientes não estruturados com terreno irregular. Para achar a solução ideal para os requisitos de projeto, foi adotado a ferramenta da matriz de soluções.