Local: Sala Multiuso CIC

Horário: 14h

Palestrante: Bruno Couto Kümmel (mestrando)

Título: Heurística para Seleção de Características para a Predição de RNAs não-codificadores Longos Usando Métodos de Aprendizado de Máquina

Resumo: RNAs não-codificadores longos (long noncoding RNA - lncRNAs) é uma classe heterogênea de RNAs que agrega transcritos com pouca capacidade de codificar proteínas e que possuem mais de 200 nucleotídeos em sua composição. Estudos recentes apontam que essas moléculas possuem funções de regulação de processos biológicos importantes dentro da célula, por exemplo a quantidade de RNAs codificadores que devem ser expressos em de-terminado momento. Sabe-se também que o nível de expressão dos lncRNAs está correlacionado com diversas doenças genéticas, tais como câncer e doenças neuro-degenerativas.Este trabalho apresenta uma heurística para seleção de características mais relevantes para modelos de aprendizado de máquina aplicados ao problema de predizer lncRNAs. Os datasets utilizados foram obtidos de repositórios online de transcritos mRNAs e lncRNAs de Homo sapiens, Mus musculus e Danio rerio. As características avaliadas pela heurística são as frequências de 2-mer, 3-mer e 4-mer dos transcritos, e ,para o dataset de Homo sapiens, também foi utilizada a característica da ORF mais longa de cada transcrito. Os resultados obtidos indicam que a heurística aplicada ao conjunto de características testado apresenta um resultado tão bom ou melhor que a seleção univariada de características quando testadas em um mesmo modelo de classificação de lncRNAs.

Horário: 14h30

Palestrante: Edson Floriano de Sousa Junior (mestrando)

Título: Privacidade em Dados Armazenados em Memória Compartilhada através de Espaços de Tuplas

Resumo: Um espaço de tuplas pode ser visto conceitualmente como um objeto de memória compartilhada que fornece operações para armazenar e recuperar conjuntos de dados ordenados chamados tuplas. As tuplas armazenadas em um espaço de tuplas são acessadas através do conteúdo de seus campos, funcionando assim como uma memória associativa. Embora existam algumas propostas que visam adicionar propriedades de segurança em espaços de tuplas, a necessidade de acesso através do conteúdo dos campos faz com que as mesmas sejam susceptíveis a ataques capazes de quebrar a privacidade dos dados e usuários do espaço. Visando contornar estes problemas, este trabalho propõe extensões ao DepSpace, um espaço de tuplas com propriedades de segurança, com o intuito de impedir que a privacidade dos dados e usuários seja afetada. Uma análise acerca da segurança deste sistema é apresentada, bem como dos ganhos advindos com as soluções propostas.

Horário: 15h

Palestrante: Clerimar Paulo Bragança (mestrando)

Título: Reconhecimento de Indicadores da Doença Óssea de Osteoporose em Imagens de Tomografia Computadorizada do Abdome

Resumo: Nesta proposta, apresenta-se um conjunto de técnicas e uma nova metodologia de processamento de imagens digitais para reconhecimento e classificação de atributos em fotografias de tomografia computadorizada, com o propósito de diagnosticar a doença óssea osteoporose.  A base de dados utilizada para esta pesquisa apresenta imagens tomográficas de um grupo de pacientes diagnosticados com osteoporose “Grupo de Pacientes” e imagens de um grupo de pessoas sem diagnóstico de doença “Grupo Controle”, apresenta também resultado de exames médicos correspondentes a cada imagem da base de dados. A pesquisa visa à classificação das imagens em seu grupo correspondente. Faz-se uso de processamento de imagens e seus respectivos resultados de exames, utilização de Redes Neurais Artificiais e Máquina de Vetores de Suporte.

Horário: 15h30

Palestrante: Lucas Benevides Dias (mestrando)

Título: Configuração Dinâmica de Organizador de Dados de Internet das Coisas

Resumo:  Os dados coletados em um ambiente de Internet das Coisas (IoT - Internet of Things) podem atingir um volume muito grande, proporcional à quantidade de dados gerados pelos sensores, à periodicidade de envio dos mesmos e ao número de dispositivos conectados. Os dados emitidos por sensores classificam-se como séries temporais, pois têm suas observações registradas de maneira intervalada ao longo do tempo. Comumente um ambiente de IoT conta com um middleware, que faz a abstração da complexidade de conexão aos sensores. Em 2016 foi proposto um Sistema Distribuído de Coleta de Dados (SDCD), que tem por objetivo coletar, processar e armazenar os dados em um ambiente IoT podendo se acoplar a diferentes middlewares. O SDCD conta com um componente chamado Organizador de Séries Temporais (OST), que tem o objetivo de fazer o armazenamento de dados IoT de forma adequada às suas características de séries temporais, para obter melhor desempenho de escrita e recuperação dos dados e requerer menor espaço de armazenamento. A contribuição deste trabalho será projetar e implementar um Configurador Dinâmico do OST, acoplado a sistemas gerenciadores de bancos de dados NoSQL. A configuração será ajustada em tempo de execução, de maneira autônoma e terá como objetivo otimizar a carga de trabalho (operações de E/S) do banco de dados e trazer mais facilidade para o usuário, que não precisará se preocupar com a configuração.

Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)

Coordenadora dos Seminários de Pós-Graduação em Informática 2017-2