<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
<channel>
<title>TCC Engenharia da Computação</title>
<link>https://repositorio.uninter.com/handle/1/1307</link>
<description/>
<pubDate>Tue, 19 May 2026 11:30:50 GMT</pubDate>
<dc:date>2026-05-19T11:30:50Z</dc:date>
<item>
<title>Análise de sentimento por meio de redes neurais artificiais em sistemas de avaliação de cursos de graduação</title>
<link>https://repositorio.uninter.com/handle/1/1390</link>
<description>Análise de sentimento por meio de redes neurais artificiais em sistemas de avaliação de cursos de graduação
Barbosa, Marcelo E. G.; Maas, Henry; Pereira, Bruno H. P.
Sistemas de avaliações institucionais são ferramentas essenciais para viabilizar a &#13;
melhoria das instituições de ensino, baseado de forma geral no feedback do aluno&#13;
com relação a uma série de critérios. Na tentativa de compreender a grande &#13;
quantidade de informações geradas por este processo, as técnicas de análise de &#13;
sentimento podem auxiliar a extrair informações importantes em tais cenários. &#13;
Baseando-se na literatura a partir das técnicas disponíveis para análise de sentimento, &#13;
o projeto apresenta os principais conceitos utilizados para a construção de modelos &#13;
de redes neurais capaz de classificar o sentimento com base em um corpus textual &#13;
de domínio específico. Por meio de técnicas de experimentação, foram treinados 5 &#13;
modelos de redes neurais artificiais a fim de evidenciar o melhor modelo para o corpus &#13;
de avaliação institucional. Na avaliação dos modelos treinados, foi identificado que o &#13;
BERT (Bidirectional Encoder Representations From Transformers - Representações &#13;
Bidirecionais Codificadas por Transformadores) é uma técnica se mostrou como o &#13;
melhor modelo para análise de sentimento com o corpus do questionário institucional&#13;
aqui estudado, atingindo um F1 score de 0,912. Em adição a esta constatação, foi &#13;
identificado também que, para futuras melhorias no modelo, o aumento do conjunto &#13;
de dados pode levar a resultados mais precisos nas predições.
</description>
<pubDate>Tue, 01 Jan 2019 00:00:00 GMT</pubDate>
<guid isPermaLink="false">https://repositorio.uninter.com/handle/1/1390</guid>
<dc:date>2019-01-01T00:00:00Z</dc:date>
</item>
<item>
<title>Luva tradutora da língua brasileira de sinais</title>
<link>https://repositorio.uninter.com/handle/1/1389</link>
<description>Luva tradutora da língua brasileira de sinais
Ferreira, Leila Fabiola; Alves, Poliana Gonçalves Leite; Santos, Herdney Souza dos
Levando-se em consideração a necessidade de inclusão social por parte da&#13;
população com alguma deficiência auditiva ou da fala, que a Libras é a linguagem&#13;
amplamente adotada por essa parcela da população bem como daquelas que estão&#13;
em seu convívio social ou também interessadas nesse tema, este trabalho apresenta&#13;
um projeto desenvolvido por acadêmicos da Engenharia da Computação do Centro&#13;
Universitário UNINTER, com o principal objetivo de construir um protótipo para&#13;
tradução da língua brasileira de sinais (Libras ou LSB), por meio de uma luva de&#13;
dados. Para tal propósito foram utilizados sensores flexíveis, sensor acelerômetro,&#13;
dispositivo de comunicação bluetooth e interface com o usuário via aplicativo Android,&#13;
sendo a aquisição de dados gerenciada por um microcontrolador da família PIC&#13;
modelo 18F4550. O reconhecimento dos padrões da soletração digital foi realizado&#13;
por um modelo de classificação previamente treinado. Para o embasamento teórico e&#13;
técnico, foi realizada uma extensa pesquisa bibliográfica no que tange aos dispositivos&#13;
de hardware, software e também assuntos de cunho social acerca dos principais&#13;
interessados no uso da língua brasileira de sinais, destacando a atual situação da&#13;
educação dos surdos no Brasil. Diante dos resultados obtidos nos testes, verifica-se&#13;
a possibilidade do projeto ser aplicado no aprendizado de Libras e a gama de&#13;
melhorias possíveis futuramente.
</description>
<pubDate>Tue, 01 Jan 2019 00:00:00 GMT</pubDate>
<guid isPermaLink="false">https://repositorio.uninter.com/handle/1/1389</guid>
<dc:date>2019-01-01T00:00:00Z</dc:date>
</item>
<item>
<title>Automatização de um processo de inspeção visual multiclasse com o uso de um sistema de visão computacional baseado em Deep Learning</title>
<link>https://repositorio.uninter.com/handle/1/1388</link>
<description>Automatização de um processo de inspeção visual multiclasse com o uso de um sistema de visão computacional baseado em Deep Learning
Santos, Erick Erate dos
Graças a evolução no poder computacional e na quantidade de dados disponíveis, os sistemas de &#13;
visão computacional baseados em técnicas de inteligência artificial conseguiram alcançar um&#13;
desempenho superior aos sistemas de visão baseado em regras (COGNEX). Podemos citar como &#13;
exemplo tarefas de inspeção visual, como classificação de imagens, vídeos e detecção de objetos no &#13;
âmbito industrial. No entanto, após a avaliação dos sistemas de visão computacional disponíveis na &#13;
indústria, identificou-se a inexistência da aplicação de um índice de capabilidade de processo. Esse &#13;
índice serve para quantificar o nível de desempenho do processo em atender às especificações &#13;
definidas pelo projeto. O sistema implementado neste trabalho (Mosaic Office) gera um relatório técnico &#13;
com o índice de capabilidade potencial CP para avaliar a capacidade do processo inerente à inspeção &#13;
visual multiclasse. Para construir um modelo de aprendizagem de máquina, este sistema utiliza a CNN &#13;
ResNetV2 50 junto a duas implementações de algoritmos de treinamento disponíveis: Treinamento &#13;
Clássico e Treinamento Contínuo. Foi aplicada uma ferramenta de geometria (ROI – Região de &#13;
Interesse) para descartar informações de pixels irrelevantes às características de imagens avaliadas. &#13;
Além disso, uma melhoria proposta pelo trabalho foi o uso de interfaces gráficas para expor ao usuário &#13;
as técnicas de aprendizado profundo. O conjunto utilizado continha 28.287 imagens pré-classificadas &#13;
em 6 classes. Em caráter de comparação de desempenho com um dos sistemas disponíveis na &#13;
indústria, o Mosaic Office foi aproximadamente 99% mais rápido e aproximadamente 37% mais &#13;
assertivo.
</description>
<pubDate>Sat, 01 Jan 2022 00:00:00 GMT</pubDate>
<guid isPermaLink="false">https://repositorio.uninter.com/handle/1/1388</guid>
<dc:date>2022-01-01T00:00:00Z</dc:date>
</item>
<item>
<title>Robô PET</title>
<link>https://repositorio.uninter.com/handle/1/1387</link>
<description>Robô PET
Stocchero, André Guilherme Dos Santos; Stocchero, Lucas Fabricio
Desde o surgimento dos sistemas embarcados diversas áreas de estudos e aplicação &#13;
puderam utilizar de seus benefícios. Uma forma para desenvolver aplicações para sistemas &#13;
embarcados é utilizar componentes que venham a fornecer uma estrutura de hardware mais &#13;
software. Os microcomputadores da Raspberry Pi conseguem fornecer essas características, &#13;
sendo que suas placas suportam até versões compactas de sistemas operacionais. Com esse &#13;
dispositivo de hardware é possível desenvolver diferentes tipos de projetos robóticos, entre eles &#13;
os robôs que imitam o comportamento de animais de estimação, os quais, devido à pandemia &#13;
em que se encontra o mundo atualmente, estão sendo cada vez mais procurados, visando o &#13;
entretenimento de adultos e crianças e ajudando a deixar o isolamento ainda mais divertido.
</description>
<pubDate>Fri, 01 Jan 2021 00:00:00 GMT</pubDate>
<guid isPermaLink="false">https://repositorio.uninter.com/handle/1/1387</guid>
<dc:date>2021-01-01T00:00:00Z</dc:date>
</item>
</channel>
</rss>
