Search

Radiology has a number of characteristics that make it an especially suitable medical discipline for early artificial intelligence (AI) adoption. These include having a well-established digital workflow, standardized protocols for image storage, and numerous well-defined interpretive activities. The more than 200 commercial radiologic AI-based products recently approved by the Food and Drug Administration (FDA) to assist radiologists in a number of narrow image-analysis tasks such as image enhancement, workflow triage, and quantification, corroborate this observation. However, in order to leverage AI to boost efficacy and efficiency, and to overcome substantial obstacles to widespread successful clinical use of these products, radiologists should become familiarized with the emerging applications in their particular areas of expertise. In light of this, in this article we survey the existing literature on the application of AI-based techniques in neuroradiology, focusing on conditions such as vascular diseases, epilepsy, and demyelinating and neurodegenerative conditions. We also introduce some of the algorithms behind the applications, briefly discuss a few of the challenges of generalization in the use of AI models in neuroradiology, and skate over the most relevant commercially available solutions adopted in clinical practice. If well designed, AI algorithms have the potential to radically improve radiology, strengthening image analysis, enhancing the value of quantitative imaging techniques, and mitigating diagnostic errors.

O Cerrado e o Distrito Federal (DF) sofrem com o processo de fragmentação. O lançamento dos nanosatélites PlanetScope representa uma oportunidade de levar o monitoramento ambiental desse bioma a um novo patamar. Nesse estudo, utilizamos mosaicos mensais das estações seca e chuvosa e aplicamos o método de classificação Random Forest. As áreas de treinamento foram coletadas em campo com o uso de uma Aeronave Remotamente Pilotada (RPA). Os resultados mostraram alta precisão na identificação de diferentes tipos de cobertura vegetal (índice Kappa ? 0,835 e índice de similaridade 0,901). Os modelos com mais variáveis apresentaram maior precisão e as imagens classificadas conseguiram captar mudanças na cobertura do solo relacionadas à dinâmica agrícola. Além disso, a importância de cada banda no resultado das classificações pôde ser analisada

Introdução: O câncer de próstata é o segundo mais comum entre os homens no Brasil, atrás apenas do câncer de pele não melanoma. Atualmente, há interesse em analisar dados referentes ao câncer com métodos do tipo machine learning. Objetivo: Investigar as características físicas, socioeconômicas e de hábitos de vida que podem estar associadas ao diagnóstico de câncer de próstata no Brasil. Método: Uma base de microdados referente à Pesquisa Nacional de Saúde 2019 foi utilizada, com a seleção de 42.799 indivíduos do sexo masculino; esse grupo foi analisado por meio de métodos estatísticos e modelagem por machine learning (regressão logística e árvore de decisão). Resultados: Os modelos aplicados permitiram identificar com bom nível de acurácia (próximo ou acima de 80%) os indivíduos que receberam o diagnóstico de câncer de próstata (DCP), além de grupos com características específicas mais fortemente associadas a essa doença. Entre as variáveis mais significativamente ligadas à taxa de DCP, destacam-se: idade, diagnóstico de alto nível de colesterol, se possui plano de saúde e nível de instrução. Conclusão: Os modelos indicam um nível de associação significativo de fatores socioeconômicos, físicos e alimentares com a frequência de DCP no grupo analisado. O alto nível de acurácia e a sensibilidade dos modelos demonstram o potencial dos métodos de machine learning para a previsão de DCP.

ABSTRACT Introduction. Artificial intelligence and machine learning are technologies that assist in uncovering patterns in data that can inform clinical decision-making. The Registered Nurses’ Association of Ontario has used artificial intelligence techniques to assist in understanding impactful clinical practices and implementation strategies. This scoping review aimed to discover the adaptation and implementation of various artificial intelligence and machine learning techniques in various healthcare settings using different data systems that house nursing-related data. Methodology. In March 2022, a scoping review was conducted to search for peer-reviewed literature using the following terms: “nursing”, “artificial intelligence”, “data systems”, “statistics”, and “aggregated data”. Studies were excluded if they were not relevant to nursing, utilized qualitative or mixed-methods analyses, were literature review articles, and did not focus on artificial intelligence or the use of patient-level data. Results. A total of 2,627 articles were retrieved, with 1,518 articles remaining after de-duplication. Through title and abstract screening, 1,347 articles remained. Following the full-text screening, 13 studies remained. Artificial intelligence techniques used by healthcare data systems include regression, neural networks, classification, and graph-based methods, among others. Discussion. There is a gap in the application of artificial intelligence methods in data systems that evaluate the impact of implementing best practices in nursing. More data systems are needed that employ artificial intelligence techniques to support the evaluation of best practices in nursing and other health professions. Conclusions. Various artificial intelligence techniques in data systems housing nursing-related data were retrieved. However, more data systems and research are needed in this area. Keywords: Practice Guidelines as Topic; Evidence-Based Nursing; Machine Learning; Artificial Intelligence; Health Information Systems RESUMEN Introducción. La inteligencia artificial y el aprendizaje automático son tecnologías que ayudan a descubrir patrones en los datos que pueden informar la toma de decisiones clínicas. La Asociación de Enfermeras Registradas de Ontario ha utilizado técnicas de inteligencia artificial para ayudar a comprender las prácticas clínicas que generan impacto y las estrategias de implementación. El objetivo de esta revisión es descubrir la adaptación e implementación de diversas técnicas de inteligencia artificial y aprendizaje automático en varios entornos sanitarios, utilizando diferentes sistemas de datos que almacenan datos relacionados con la enfermería. Metodología. En marzo de 2022, se realizó una revisión de alcance para buscar literatura revisada por pares utilizando los siguientes términos: «enfermería», «inteligencia artificial», «sistemas de datos», «estadística» y «datos agregados». Se excluyeron los estudios si no eran relevantes para la enfermería, utilizaban análisis cualitativos o de métodos mixtos, si eran artículos de revisión bibliográfica y no se centraban en la inteligencia artificial o en el uso de datos a nivel de paciente. Resultados. Se recuperó un total de 2,627 artículos, de los cuales 1,518 quedaron tras la eliminación de duplicados. Tras la revisión de títulos y resúmenes, quedaron 1,347 artículos. Posteriormente, con la revisión del texto completo, quedaron 13 estudios. Las técnicas de inteligencia artificial utilizadas por los sistemas de datos sanitarios incluyen, entre otras, la regresión, las redes neuronales, la clasificación y los métodos basados en gráficos. Discusión. Existe un vacío en la aplicación de métodos de inteligencia artificial en los sistemas de datos que evalúan el impacto de la implementación de buenas prácticas en enfermería. Se necesitan más sistemas de datos que empleen técnicas de inteligencia artificial para apoyar la evaluación de buenas prácticas en enfermería y otras profesiones de la salud. Conclusiones. Se recuperaron diversas técnicas de inteligencia artificial en sistemas de datos que almacenan datos relacionados con la enfermería. Sin embargo, se necesitan más sistemas de datos e investigación en este ámbito. Palabras clave: Guías de Práctica Clínica como Asunto; Enfermería Basada en la Evidencia; Aprendizaje Automático; Inteligencia Artificial; Sistemas de Información en Salud RESUMO Introdução. A inteligência artificial e o aprendizado de máquina são tecnologias que ajudam a descobrir padrões em dados que podem informar a tomada de decisões clínicas. A Associação de Enfermeiras Registradas de Ontário vem utilizando técnicas de inteligência artificial para ajudar a entender as práticas clínicas que geram impacto e as estratégias de implementação. O de máquina em diversos ambientes de saúde, utilizando diferentes sistemas de dados que armazenam dados relacionados à enfermagem. Metodologia. Em março de 2022, foi realizada uma revisão de escopo para pesquisar literatura revisada por pares usando os seguintes termos: «enfermagem», «inteligência artificial», «sistemas de dados», «estatísticas» e «dados agregados». Foram excluídos os estudos que não se mostravam relevantes para a enfermagem, utilizavam análises qualitativas ou de métodos mistos, se eram de artigos de revisão de literatura e não focavam na inteligência artificial ou no uso de dados no nível do paciente. Resultados. Foram recuperados 2,627 artigos no total, dos quais 1,518 permaneceram após a eliminação das duplicatas. Após a revisão de títulos e resumos, restaram 1,347 artigos. Posteriormente, com a revisão do texto completo, restaram 13 estudos. As técnicas de inteligência artificial usadas pelos sistemas de dados de saúde incluem, entre outras, regressão, redes neurais, classificação e métodos baseados em gráficos. Discussão. Existe uma lacuna na aplicação de métodos de inteligencia artificial em sistemas de dados que avaliam o impacto da implementação de boas práticas de enfermagem. São necessários mais sistemas de dados que implementem técnicas de inteligência artificial para apoiar a avaliação de boas práticas em enfermagem e outras profissões de saúde. Conclusões. Diversas técnicas de inteligência artificial foram recuperadas em sistemas de dados que armazenam dados relacionados à enfermagem. No entanto, são necessários mais sistemas de dados e investigação nesta área. Palavras-chave: Guias de Prática Clínica como Assunto; Enfermagem Baseada em Evidências; Aprendizado de Máquina; Inteligência Artificial; Sistemas de Informação em Saúde

In recent decades, there have been significant advances in the diagnosis of diffuse gliomas, driven by the integration of novel technologies. These advancements have deepened our understanding of tumor oncogenesis, enabling a more refined stratification of the biological behavior of these neoplasms. This progress culminated in the fifth edition of the WHO classification of central nervous system (CNS) tumors in 2021. This comprehensive review article aims to elucidate these advances within a multidisciplinary framework, contextualized within the backdrop of the new classification. This article will explore morphologic pathology and molecular/genetics techniques (immunohistochemistry, genetic sequencing, and methylation profiling), which are pivotal in diagnosis, besides the correlation of structural neuroimaging radiophenotypes to pathology and genetics. It briefly reviews the usefulness of tractography and functional neuroimaging in surgical planning. Additionally, the article addresses the value of other functional imaging techniques such as perfusion MRI, spectroscopy, and nuclear medicine in distinguishing tumor progression from treatment-related changes. Furthermore, it discusses the advantages of evolving diagnostic techniques in classifying these tumors, as well as their limitations in terms of availability and utilization. Moreover, the expanding domains of data processing, artificial intelligence, radiomics, and radiogenomics hold great promise and may soon exert a substantial influence on glioma diagnosis. These innovative technologies have the potential to revolutionize our approach to these tumors. Ultimately, this review underscores the fundamental importance of multidisciplinary collaboration in employing recent diagnostic advancements, thereby hoping to translate them into improved quality of life and extended survival for glioma patients.

Enquadramento: a implementação de tecnologias baseadas em Inteligência Artificial (IA) na área da saúde, nomeadamente o machine learning (ML), tem causado um efeito transformacional significativo. A sua utilização melhora a previsão de doenças, classificação e diagnóstico, beneficiando os utentes e os profissionais de saúde. Objetivo: mapear as ferramentas de ML para a gestão de doenças crónicas, com relevância para os cuidados de enfermagem à pessoa com doença crónica. Metodologia: scoping review com base nas recomendações do Instituto Joanna Briggs. A pesquisa foi efetuada nas bases de dados MEDLINE Complete via PUBMED, CINAHL Complete via EBSCO, SCOPUS, OpenGrey, RCAAP e DART-Europe, sem limite de temporal. Resultados: foram incluídos sete artigos e identificadas 9 ferramentas de ML associados à gestão de doenças crónicas nomeadamente doença renal crónica, doença pulmonar obstrutiva crónica, hepatite C, insuficiência cardíaca e insuficiência venosa crónica. Conclusão: as ferramentas identificadas têm potencial de contribuir para a melhoria dos cuidados de enfermagem, nomeadamente na identificação de fatores de risco associados a doenças crónicas, detetar precocemente exacerbações, monitorizar e avaliar continuamente a eficácia do tratamento e apoiar a tomada de decisões clínicas.

Objetivo: investigar a literatura relacionada à aplicação e desempenho da Inteligência Artificial (IA) em exames de imagem odontológicos. Revisão de literatura: foram incluídos 70 trabalhos experimentais e revisões sistemáticas da literatura, publicados em inglês, no período entre 2018 e 2021, que analisaram a aplicabilidade da IA na detecção automática de: pontos cefalométricos, lesões de cárie, lesões apicais, perda óssea periodontal, sistemas de implantes, cistos e tumores odontogênicos, osteoporose, sinusite maxilar, terceiros molares e canal mandibular, ateromas em carótida, fratura radicular vertical, osteoartrite em articulação temporomandibular, avaliação de morfologia radicular e numeração dentária. Resultados: 58,73% dos trabalhos analisados mostrou acurácia diagnóstica acima de 80% com a utilização de IA. Discussão: A maior limitação encontrada foi em relação à aquisição de amostras em quantidade suficiente para treinamento e teste dos modelos, já que imagens radiográficas têm sua disponibilidade limitada por questões éticas e legais relativas aos pacientes e Instituições. A falta de padronização na segmentação e processamento das imagens foi outro fator a influenciar os resultados obtidos, dificultando comparação e generalização. Apesar disso, diversos estudos apresentaram sugestões ou possíveis aperfeiçoamentos para pesquisas futuras, de forma a reduzir estas limitações. Conclusão: A aplicação da IA no diagnóstico por imagens mostrou-se promissora nas diversas áreas pesquisadas, com desempenhos muito semelhantes ou mesmo superiores, muitas vezes, ao desempenho dos profissionais humanos. Contudo, para a legitimação de sua utilização como parte do fluxo de trabalho na clínica, limitações ainda presentes devem ser superadas, especialmente no treinamento dos algoritmos para obtenção de melhores valores de acurácia.

A necessidade de acompanhamento dos estágios de aprendizado discente e suas dificuldades de forma precoce tomou uma dimensão ainda maior nesses tempos recentes de pandemia de COVID-19 e de ensino on-line. Nesse panorama, este trabalho apresenta uma abordagem para predizer, de forma precoce, o desempenho de estudantes com probabilidade de reprovação superior a 50% em disciplinas específicas que ocorrem em ensino on-line. Para analisar e avaliar a viabilidade da abordagem proposta foi realizado um estudo de caso com dados do ensino técnico integrado do Campus Monteiro do IFPB a partir de dois cenários: (i) para turmas do primeiro ano e (ii) para turmas do segundo e terceiro anos. Foi construído um conjunto de dados com dados reais originados do Google Sala de Aula e do SUAP. Com base no conjunto de dados criado, foram construídos e avaliados modelos de classificação supervisionada usando os métodos Naive Bayes, KNN (K Nearest Neighbors), SVM (Support Vector Machine), Random Forest, Gradient Boosting e Extreme Gradient Boosting. Os métodos de classificação SVM e Gradient Boosting obtiveram especificidade superiores a 93% e 80%, respectivamente.

A evasão escolar é uma preocupação mundial devido às consequências negativas para toda a sociedade, sendo preciso investigá-la para compreendê-la e atuar de forma antecipada, mitigando seu risco de ocorrência. Esse trabalho propõe o emprego de Mineração de Dados Educacionais com técnicas de Aprendizado de Máquina para identificar as variáveis que são importantes para a caracterização do perfil do estudante em risco de evasão. As técnicas Máquina de Vetores de Suporte, Gradient Boosting Machine, Floresta Aleatória e comitê de máquina foram aplicadas a 1.429 registros de estudantes dos cursos superiores de um dos campi do IFMG, entre 2013 e 2019. Os resultados obtidos sugerem superioridade de desempenho do comitê de máquina, por meio do qual se obteve a importância das variáveis sobre o fenômeno em estudo, o que permitiu traçar o perfil do estudante evasor, por período. Tais resultados viabilizaram a proposição de um processo de detecção e acompanhamento desses estudantes.

The mapping of terrain features relies on the necessity of an object-based approach, which can be related to the constitution of terrain units. The regionalization of land surface parameters enables the assessment of characteristics inside terrain unities and enhances heterogeneity outside these patches. This study presents a classification methodology for hierarchical geomorphometric delineation, using visual and Random Forest (RF) classification in a regionalized dataset of terrain variables, applied in Demini’s watershed, north of Amazonia. These variables, calculated by segments derived from multiresolution segmentation, were evaluated in order to identify which had major contributions to RF’s classifications. The characterization of features had great correspondence with Environmental Informations Database (BDIA) data of geomorphological mapping, used as a reference in this work. The Overall Accuracy for RF taxon 1 was 96%, while Taxon 2 Highland and Lowland RF models reached 84% and 87%, respectively. Identification of subdomain classes was possible mostly using the digital elevation model (DEM) and variables directly derived from the DEM. The delineation of floodplain presented significant differences between visual and RF results, including BDIA’s data.

A crescente digitalização e aplicação de inteligência artificial (IA) em problemas complexos do mundo real, tem potencial de melhorar os serviços de saúde, inclusive da atuação dos farmacêuticos no processo do cuidado. O objetivo deste estudo foi identificar na literatura científica, estudos que testam algoritmos de aprendizado de máquina (Machine Learning - ML) aplicados as atividades de farmacêuticos clínicos no cuidado ao paciente. Trata-se de uma revisão integrativa, realizada nas bases de dados, Pubmed, Portal BVS, Cochrane Library e Embase. Artigos originais, relacionados ao objetivo proposto, disponíveis e publicados antes de 31 de dezembro de 2021, foram incluídos, sem limitações de idioma. Foram encontrados 831 artigos, sendo 5 incluídos relacionados as atividades inseridas nos serviços de revisão da farmacoterapia (3) e monitorização terapêutica (2). Foram utilizadas técnicas supervisionadas (3) e não supervisionadas (2) de ML, com variedade de algoritmos testados, sendo todos os estudos publicados recentemente (2019 - 2021). Conclui-se que a aplicação da IA na farmácia clínica, ainda é discreta, sinalizando os desafios da era digital.

A análise de processos judiciais é uma tarefa cara, que requer muito tempo de juizes e assessores, seja para tomar decisões, seja para classificar de acordo com a jurisprudência vigente. Porém, esse processo é repetitivo e extrair a semântica desse corpus pode ser uma etapa de apoio a esse processo. O objetivo desta pesquisa é desenvolver uma metodologia capaz de gerar automaticamente classificações de documentos jurídicos, utilizando técnicas de processamento de linguagem natural. Primeiramente, coletamos 430.000 sentenças de tribunais trabalhistas brasileiros de 2006 a 2018. Então propomos o uso de técnicas de geração de representação de palavras para representação de dados. Em seguida, usamos técnicas de agrupamento para agrupar semanticamente as decisões judiciais semelhantes. Finalmente, os grupos são usados ​​para criar rótulos artificiais para cada documento. Por fim, utilizamos técnicas de classificação para produzir modelos capazes de captar a semântica do texto judicial. Os resultados são promissores na captura do contexto semântico dos textos jurídicos e, portanto, essa metodologia pode ser utilizada como suporte para o processo decisório brasileiro.

Empresas do ramo industrial geralmente têm grandes investimentos em equipamentos modernos de produção, bem como altos custos de manutenção dessas unidades. A identificação rápida e precisa de falhas e problemas nos equipamentos industriais contribui de forma crucial para reduzir os custos de manutenção e melhorar a confiabilidade na produção. O diagnóstico de falhas consiste no monitoramento do funcionamento de um equipamento de modo a identificar a ocorrência de uma falha. Com o aumento do número de sensores instalados a bordo dos equipamentos, eles têm sido mais usados para monitorar o estado desses equipamentos e diagnosticar suas falhas ou mal funcionamento. Avanços nas pesquisas na área de Inteligência Artificial, em especial, na área de Aprendizado de Máquina fornecem meios para aumentar a confiabilidade de sistemas inteligentes de diagnóstico de falhas e resultam em um desempenho mais confiável dos equipamentos e da indústria. Este artigo apresenta uma visão geral sobre técnicas de aprendizado de máquina para o diagnóstico inteligente de falhas em equipamentos industriais que têm sido usadas nos últimos 12 anos do Laboratório do Núcleo de Inferência e Algoritmos da Universidade Federal do Espírito Santo além de apontar perspectivas de desenvolvimento de novos trabalhos neste tema.

Neste mapeamento foram pesquisadas duas tecnologias que estão sendo bastante utilizadas atualmente e suas aplicações em pomares de laranja e maçã. Uma delas são os Unmanned aerial vehicle (UAV) amplamente utilizados por militares e a outra é o aprendizado de máquina que vem sendo usado cada vez pelas empresas. O mapeamento sistemático foi realizado em 6 bases incluindo artigos entre 2010 e abril de 2021. A pesquisa resultou em 589 artigos nos quais 12 foram selecionados após aplicar os critérios de filtragem. Os principais resultados obtidos foram: (1) grande parte dos artigos (7/12, 58,3%) mapeou o pomar para fazer inventário; (2) quase todos artigos utilizaram técnicas consideradas estado-da-arte para detectar objetos, onde 4 (33,3%) usaram Faster R-CNN e 3 (25%) usaram alguma versão do YOLO; (3) todos utilizaram algum tipo de câmera para coletar os dados, sendo as câmeras RGB o elemento mais utilizado (8/12, 66,67%); (4) metade das publicações utilizaram drones quadricópteros; (5) o Brasil é o país com maior participação nos artigos publicados (5/12, 41,67%); e (6) o artigos mais antigo encontrado sobre o assunto dentro dos últimos 10 anos é de 2019 e a quantidade aumentou nos últimos anos. Os resultados mostraram que o assunto é novo e poucos artigos foram publicados, mas existe uma tendência de crescimento.

Em uma ciência cada vez mais orientada a dados, o uso de métodos computacionais inteligentes é progressivamente indispensável. Neste contexto, torna-se importante expor os estudantes de graduação em física às metodologias de inteligência artificial e aprendizado de máquina. Neste trabalho propomos uma forma de utilizar tais métodos na física, resolvendo o problema didático do rolamento em um plano inclinado. Para tanto, introduzimos os principais conceitos das técnicas de aprendizado de máquina e realizamos medidas do tempo que diferentes objetos (aro, disco e esfera) levam para percorrer uma certa distância, de acordo com a altura inicial e o ângulo de inclinação do plano. Com estes dados, aplicamos métodos de classificação capazes de predizer o objeto que rolava sobre o plano com acurácia de 83%, e métodos de regressão capazes de prever a velocidade média do objeto com erro absoluto médio de 1.4 cm s−1. Mostramos também que este modelo didático é instrutivo pois possibilita uma comparação direta com modelos físicos tradicionais e serve como exemplo introdutório para a discussão do que significa ensinar física para o computador.

A autenticação de usuários em Ambientes Virtuais de Aprendizagem (AVAs) geralmente exige uma senha para conexão. Tal método é incapaz de garantir a autenticidade de cada atividade do usuário após a autenticação. Para mitigar esse problema, Cruz et al. propôs um mecanismo de autenticação periódica de usuários em AVAs [1]. Foram aplicadas técnicas de aprendizado de máquina para construir modelos de reconhecimento baseados na dinâmica da digitação dos usuários. Para demonstrar sua viabilidade em um cenário real, com um grande número de usuários, este trabalho conduziu um estudo de caso aplicado, usando o Moodle, a um grupo de 307 usuários, produzindo um total de 4.829 palavras avaliadas. Cerca de 89% dos modelos de reconhecimento atingiram pelo menos 80% de acurácia, indicando a eficácia do mecanismo na identificação de autorias suspeitas.

Resumo Fundamento A quantificação não invasiva da reserva fracionada de fluxo miocárdico (FFR TC ) através de software baseado em inteligência artificial em versão mais atualizada e tomógrafo de última geração (384 cortes) apresenta elevada performance na detecção de isquemia coronariana. Objetivos Avaliar o desempenho diagnóstico da FFR TC na detecção de doença arterial coronariana (DAC) significativa em relação ao FFRi, em tomógrafos de gerações anteriores (128 e 256 cortes). Métodos Estudo retrospectivo com pacientes encaminhados à angiotomografia de artérias coronárias (TCC) e cateterismo (FFRi). Foram utilizados os tomógrafos Siemens Somatom Definition Flash (256 cortes) e AS+ (128 cortes). A FFR TC e a área luminal mínima (ALM) foram avaliadas em software (cFFR versão 3.0.0, Siemens Healthineers, Forchheim, Alemanha). DAC obstrutiva foi definida como TCC com redução luminal ≥50% e DAC funcionalmente obstrutiva como FFRi ≤0,8. Todos os valores de p reportados são bicaudais; e quando

RESUMO A área de sistemas inteligentes de transporte há muito investiga como empregar tecnologias da informação e comunicação a fim de melhorar a eficiência do sistema como um todo. Isso se traduz basicamente em monitorar e gerenciar a oferta (rede viária, semáforos etc.) e a demanda (deslocamentos de pessoas e mercadorias). A esse esforço, mais recentemente, estão sendo adicionadas técnicas de inteligência artificial. Essa tem o potencial de melhorar a utilização da infraestrutura existente, a fim de melhor atender a demanda. Neste trabalho é fornecido um panorama focado especificamente em duas tarefas onde a inteligência artificial tem contribuições relevantes, a saber, controle semafórico e escolha de rotas. Os trabalhos aqui discutidos objetivam otimizar a oferta e/ou distribuir a demanda.

RESUMO A área de Inteligência Artificial demonstrou avanços extraordinários nos últimos anos e, atualmente, é utilizada para solucionar inúmeros problemas tecnológicos e econômicos. Como boa parte do sucesso atual da Inteligência Artificial se deve às técnicas de Aprendizado de Máquina, particularmente às Redes Neurais Artificiais, neste artigo falamos dessas áreas, estado atual, desafios e oportunidades de pesquisas. Vamos também mencionar preocupações com impactos sociais e questões éticas.

RESUMO A Ciência Forense Digital surgiu da necessidade de tratar problemas forenses na era digital. Seu mais recente desafio está relacionado ao surgimento das mídias sociais, intensificado pelos avanços da Inteligência Artificial. A produção massiva de dados nas mídias sociais tornou a análise forense mais complexa, especialmente pelo aperfeiçoamento de modelos computacionais capazes de gerar conteúdo artificial com alto realismo. Assim, tem-se a necessidade da aplicação de técnicas de Inteligência Artificial para tratar esse imenso volume de informação. Neste artigo, apresentamos desafios e oportunidades associados à aplicação dessas técnicas, além de fornecer exemplos de seu uso em situações reais. Discutimos os problemas que surgem em contextos sensíveis e como a comunidade científica tem abordado esses tópicos. Por fim, delineamos futuros caminhos de pesquisa a serem explorados.

Resumo: Neste trabalho, apresentamos estudos descritivos e computacionais relacionados ao sujeito oculto. Em um primeiro momento, realizamos uma descrição de cunho quantitativo, tomando por base três corpora dos gêneros jornalístico, literário e enciclopédico. Especificamente, quantificamos o sujeito oculto em cada um dos corpora, e encontramos sujeitos omitidos em 24%, 41% e 46% das orações, respectivamente. Em um segundo momento, por meio de uma estratégia baseada em regras, reconstituímos esses sujeitos e os devolvemos aos corpora, com o objetivo de avaliar o quanto a omissão do sujeito é capaz de impactar o aprendizado automático de dependências sintáticas. Os resultados indicam que a reconstituição formal do sujeito pode melhorar a aprendizagem das dependências sintáticas em até 2% quando consideramos a métrica CLAS, evidenciando o papel relevante da modelagem linguística no aprendizado automático. Palavras-chave: descrição linguística; sujeito oculto; omissão de sujeito; dependências sintáticas; linguística computacional; aprendizado de máquina; linguística de corpus. Abstract: In this paper, we present descriptive and computational studies related to omitted subjects. Firstly, we develop a quantitative descriptive study based on three corpora, which consist of journalistic, literary and encyclopedic genres. Specifically, we quantify the omitted subjects in sentences for each of these corpora; omitted subjects were found in 24%, 41% and 46% of their sentences, respectively. Secondly, applying rule-based strategies, we reconstitute those subjects and place them back to the corpora, with the goal of evaluating how much the omission of subjects can impact the automatic learning of syntactic dependencies. The results indicate that the formal subject reconstitution can enhance the learning of syntactic dependencies in up to 2% according to the CLAS metric, highlighting the relevant role of linguistic modeling in the automatic learning process. Keywords: linguistic description; omitted subject; syntactic dependencies; computational linguistics; machine learning; corpus linguistics.

Doenças psicológicas são condições sintomáticas que afetam tanto aspectos psicológicos quanto aspectos físicos de uma pessoa, podendo levar à morte em casos mais graves. Um exemplo dessas doenças é a depressão, que quando o tratamento é feito rapidamente melhora as chances do paciente se recuperar. Então um diagnóstico rápido é essencial para que o tratamento aconteça de forma efetiva. Entretanto, os métodos tradicionais dificultam a análise de dados em forma de imagem, sons e texto de forma digital pelos profissionais de psicologia. Esse trabalho almejou contribuir com uma aplicação em conjunto a um estudo para otimizar o tempo de diagnóstico, oferecendo uma análise através de aprendizado de máquina, analisando imagens, sons e texto de forma automática, fornecendo ao profissional da área de psicologia um relatório de satisfação e tristeza do paciente. Os resultados se mostram satisfatórios com uma acurácia média na validação da rede de 72.47% no reconhecimento de emoções.

Neste trabalho foi desenvolvido um sistema de navegação semi autônomo de um drone para uma indústria de caixas de papelão, para auxiliar na contagem do estoque de bobinas de papelão. A metodologia desenvolvida possui quatro etapas principais, sendo a decodificação de QR Code, detecção de marcadores ópticos, sistema de navegação e movimentação do drone. Para a etapa de decodificação de QR Code foi utilizada a biblioteca pyzbar. Na etapa de detecção do marcador óptico foi utilizada a biblioteca YOLOv4 Tiny, que faz o uso de técnicas de aprendizagem de máquina para detectar objetos em tempo real. A YOLOv4 Tiny foi treinada utilizando um dataset personalizado com imagens dos marcadores ópticos e etiquetas em um ambiente de simulação fechado, obtendo uma taxa de acerto de 92.10%. A etapa do sistema de navegação é alimentada pela resposta da rede neural, na qual cada marcador tem uma função associada a ele. A última etapa depende do sistema de navegação, uma vez que este envia qual será o comando em que o drone deve seguir e a movimentação envia este comando ao drone.

Doenças psicológicas são condições sintomáticas que afetam tanto aspectos psicológicos quanto aspectos físicos de uma pessoa, podendo levar à morte em casos mais graves. Um exemplo dessas doenças é a depressão, que quando o tratamento é feito rapidamente melhora as chances do paciente se recuperar. Então um diagnóstico rápido é essencial para que o tratamento aconteça de forma efetiva. Entretanto, os métodos tradicionais dificultam a análise de dados em forma de imagem, sons e texto de forma digital pelos profissionais de psicologia. Esse trabalho almejou contribuir com uma aplicação em conjunto a um estudo para otimizar o tempo de diagnóstico, oferecendo uma análise através de aprendizado de máquina, analisando imagens, sons e texto de forma automática, fornecendo ao profissional da área de psicologia um relatório de satisfação e tristeza do paciente. Os resultados se mostram satisfatórios com uma acurácia média na validação da rede de 72.47% no reconhecimento de emoções.

Neste trabalho foi desenvolvido um sistema de navegação semi autônomo de um drone para uma indústria de caixas de papelão, para auxiliar na contagem do estoque de bobinas de papelão. A metodologia desenvolvida possui quatro etapas principais, sendo a decodificação de QR Code, detecção de marcadores ópticos, sistema de navegação e movimentação do drone. Para a etapa de decodificação de QR Code foi utilizada a biblioteca pyzbar. Na etapa de detecção do marcador óptico foi utilizada a biblioteca YOLOv4 Tiny, que faz o uso de técnicas de aprendizagem de máquina para detectar objetos em tempo real. A YOLOv4 Tiny foi treinada utilizando um dataset personalizado com imagens dos marcadores ópticos e etiquetas em um ambiente de simulação fechado, obtendo uma taxa de acerto de 92.10%. A etapa do sistema de navegação é alimentada pela resposta da rede neural, na qual cada marcador tem uma função associada a ele. A última etapa depende do sistema de navegação, uma vez que este envia qual será o comando em que o drone deve seguir e a movimentação envia este comando ao drone.

RESUMO O grande volume de dados gerados em redes sociais é usado por empresas para monitoramento das opiniões do público sobre seus produtos e serviços. Na área da Saúde, esses dados podem conter informações também aplicáveis na vigilância, como na avaliação do impacto de políticas públicas ou na identificação de fake news. Este trabalho apresenta resultados de estudos demonstrando como a análise de dados de redes sociais pode ser utilizada nas atividades de vigilância, tendo como estudo de caso a pandemia da Covid-19. Foi utilizada uma abordagem baseada em Ciência de Dados, com extração de informações através de algoritmos de aprendizado de máquina. Os resultados indicam que essa abordagem pode revelar importantes informações para as atividades de vigilância, trazendo uma visão em tempo real de aspectos relacionados à pandemia.

Brazilian Judiciary is presented as one of the focus of discussion on the implementation of technologies related to Artificial Intelligence (AI), from which comes the machine learning (ML). In this context, the research problem is presented: is it possible that machine learning contributes to the functioning of the legal precedents system? Starting from an initial positive hypothesis, and using the inductive method, the article presents a study of two cases, with data collection about two procedural institutes: one about the non-compliance to legal precedents, the “Reclamação” [sic]; and another about the techniques for management of repetitive cases, the “Incidente de Resolução de Demandas Repetitivas (IRDR)” [sic]. In order to contextualize the theme and objectives of the study, the research presents the evolution of the concept of jurisdiction, referring to the changes brought by the Brazilian Code of Civil Procedure (2015), and still the notions of E-Judiciary and e-jurisdiction combined with the functionalities of AI, as well as related work using ML. Thus, the proposed ML applications are based on the identification of these two procedural institutes, related to the operation of the legal precedence system, which can be improved with the implementation of the technology to achieve a model of intelligent civil jurisdiction.

A agricultura é um dos setores que mais se destaca na economia do Brasil, sendo necessário muitas vezes o emprego do sensoriamento remoto, para identificação da expansão das áreas agrícolas e estimativas da sua produção. Esse trabalho tem por objetivo mapear as áreas agrícolas do noroeste de Minas Gerais por meio de máquina de vetor de suporte e comparar os resultados obtidos com o censo estatístico do Instituto Brasileiro de Geografia e Estatística. Para identificação das áreas agrícolas foi utilizado o algoritmo Service Vector Machine e imagens dos satélites e sensores Landsat 8 / OLI e Terra / MODIS. As amostras de treinamento do algoritmo foram obtidas por meio de imagem de alta resolução espacial, disponível no programa Google Earth Pro, nas classes rios, floresta, agricultura, pastagem e silvicultura. O mapeamento utilizando imagem do sensor OLI apresentou melhor Acurácia Global (0,81) e Kappa (0,66). A classificação com imagem OLI e MODIS apresentaram maior precisão na classe agricultura quando comparada as demais classes, apresentando confusão com pastagem, em decorrência da alta fitomassa da pastagem na época de aquisição das imagens (verão). O cálculo das áreas agrícolas demonstra superestimativa do Service Vector Machine (SVM) na classificação das imagens OLI e MODIS, com forte relação dos dados MODIS com o censo do IBGE (R²=0,83). Apenas municípios com áreas agrícolas superiores a 50.000 ha apresentaram menor erro na estimativa das áreas agrícolas. A aplicação do algoritmo mostra-se potencial para mapeamento da agricultura por meio de imagens dos sensores MODIS e OLI, porém deve-se avaliar a época de aquisição das imagens orbitais e variações nos parâmetros do algoritmo para melhorar a acurácia da classificação.

Na busca por uma classificação processual adequada, o TJDFT desenvolveu o Toth para recomendar classe e assuntos do processo. No momento da autuação, o PJe aciona o Toth que efetua mineração do texto da petição inicial e classifica o processo. A recomendação ocorre quando o analista processual avalia o processo. O piloto realizado produziu resultados promissores em ambiente de produção, o que levou à decisão de efetivamente realizar recomendações ao usuário do PJe. Suas classificações têm atingido relevância satisfatória. Este artigo, primeiro, apresenta a solução Toth. Em seguida, conceitua Inteligência Artificial e descreve como o Toth utiliza processamento de linguagem natural e aprendizado supervisionado. Por fim, os resultados são apresentados.

Avanços notáveis têm sido possíveis com os algoritmos para raciocínio automático da Inteligência Artificial (IA). Tais avanços levam cientistas da informação a questionar se há sentido na classificação tradicional após a chegada dos motores de busca. A questão impacta não só a CI, mas a Biblioteconomia, a medida em que os dados do século XXI não estão mais em estantes. Não existe restrição física que exija a organização para a qual os esquemas de classificação foram originalmente concebidos. Questiona-se mesmo se um esquema prévio pode predizer necessidade de um usuário. O objetivo deste artigo é discutir os limites do raciocínio automático e em que medida substitui o humano na classificação. A metodologia adotada compreende: i) revisão bibliográfica sobre fundamentos do raciocínio humano e computacional; ii) a descrição do raciocínio automático produzido por duas abordagens populares: a ontologia e o aprendizado de máquina; iii) comparação entre os tipos de raciocínio. Foram resultados encontrados: as abordagens automáticas exibem claras limitações, mas ontologias são o que há de mais próximo daquilo que pessoas podem fazer na classificação e, portanto, mais próxima da CI. Conclui-se, portanto, que a assistência da IA é profícua, mas as abordagens analisadas – raciocínio automático clássico e probabilístico – estão longe de substituir o raciocínio humano em tarefas classificatórias.

A detecção de sinais de Descargas Parciais (DP) na faixa da Ultra Alta Frequência (UHF) permite identificar e classificar, de forma minimamente invasiva, defeitos em equipamentos de alta tensão, bem como estimar o grau de urgência da realização de manutenções preventivas. Neste artigo, técnicas de machine learning foram utilizadas para realizar o reconhecimento automático dos padrões obtidos a partir de envoltórias de sinais UHF de DP. Para tanto, foi elaborado um arranjo experimental para emular diferentes fontes de DP: uma cuba de óleo com eletrodos ponta-plano, a barra de um hidrogerador e um transformador de potencial. A partir dos sinais obtidos nesse arranjo, geraram-se envoltórias, a partir das quais foi realizada a extração de uma série de atributos no domínio do tempo, tais como: curtose, amplitude máxima e tempo de subida. Em seguida, realizou-se a seleção dos atributos por meio de uma associação de algoritmos, dentre eles o k-means, de forma a reduzir a dimensionalidade dos dados para aumentar a eficiência do algoritmo classificador. Por fim, fez-se a classificação dos sinais de DP a partir de uma rede neural artificial, decision tree e random forest. Os resultados mostraram que os atributos extraídos das envoltórias foram efetivos na classificação dos sinais de DP, com valores de acurácia média superiores a 95% quando foi utilizado o banco de dados otimizado.

A competência social nas máquinas, com a capacidade de adaptar a linguagem ao público-alvo, ainda é uma demanda a ser explorada no campo das tecnologias habilitadoras da Inteligência artificial. Como a descrição linguística do português brasileiro que vem sendo desenvolvida pela Sociolinguística no Brasil pode atender a uma demanda de aplicação prática? Neste texto, propomos um caminho para explorar como traços sociolinguísticos podem atribuir uma personalidade humana à máquina.

Com a expansão do mercado imobiliário na Região Serrana do estado do Rio de Janeiro, uma parcela cada vez maior da população precisa tratar com a compra e venda de imóveis. Porém, a avaliação justa de uma unidade imobiliária não é uma tarefa simples e pode ser influenciada por diferentes atributos da edificação. Com o propósito de auxiliar nessa incumbência, o presente trabalho tem como objetivo identificar as características mais importantes na avaliação de um imóvel nessa região e, em seguida, propor um modelo matemático simples capaz de estimar o seu valor de mercado. Para isso, informações sobre valores de comercialização e detalhes construtivos de casas e apartamentos à venda na cidade de Nova Friburgo foram extraídos de portais de anúncios online, formando uma base única de dados imobiliários, sobre a qual foram, posteriormente, aplicadas técnicas de seleção de variáveis e regressão linear múltipla para a obtenção do modelo pretendido. Os resultados obtidos revelaram que a característica de maior influência na determinação do preço de compra e venda de um imóvel na região é a sua área construída. Por outro lado, o modelo matemático construído foi capaz de estimar os preços de comercialização de uma propriedade com aproximadamente 25% de desvio percentual médio da base de testes.

Com a expansão do mercado imobiliário na Região Serrana do estado do Rio de Janeiro, uma parcela cada vez maior da população precisa tratar com a compra e venda de imóveis. Porém, a avaliação justa de uma unidade imobiliária não é uma tarefa simples e pode ser influenciada por diferentes atributos da edificação. Com o propósito de auxiliar nessa incumbência, o presente trabalho tem como objetivo identificar as características mais importantes na avaliação de um imóvel nessa região e, em seguida, propor um modelo matemático simples capaz de estimar o seu valor de mercado. Para isso, informações sobre valores de comercialização e detalhes construtivos de casas e apartamentos à venda na cidade de Nova Friburgo foram extraídos de portais de anúncios online, formando uma base única de dados imobiliários, sobre a qual foram, posteriormente, aplicadas técnicas de seleção de variáveis e regressão linear múltipla para a obtenção do modelo pretendido. Os resultados obtidos revelaram que a característica de maior influência na determinação do preço de compra e venda de um imóvel na região é a sua área construída. Por outro lado, o modelo matemático construído foi capaz de estimar os preços de comercialização de uma propriedade com aproximadamente 25% de desvio percentual médio da base de testes.

Com a expansão do mercado imobiliário na Região Serrana do estado do Rio de Janeiro, uma parcela cada vez maior da população precisa tratar com a compra e venda de imóveis. Porém, a avaliação justa de uma unidade imobiliária não é uma tarefa simples e pode ser influenciada por diferentes atributos da edificação. Com o propósito de auxiliar nessa incumbência, o presente trabalho tem como objetivo identificar as características mais importantes na avaliação de um imóvel nessa região e, em seguida, propor um modelo matemático simples capaz de estimar o seu valor de mercado. Para isso, informações sobre valores de comercialização e detalhes construtivos de casas e apartamentos à venda na cidade de Nova Friburgo foram extraídos de portais de anúncios online, formando uma base única de dados imobiliários, sobre a qual foram, posteriormente, aplicadas técnicas de seleção de variáveis e regressão linear múltipla para a obtenção do modelo pretendido. Os resultados obtidos revelaram que a característica de maior influência na determinação do preço de compra e venda de um imóvel na região é a sua área construída. Por outro lado, o modelo matemático construído foi capaz de estimar os preços de comercialização de uma propriedade com aproximadamente 25% de desvio percentual médio da base de testes.

O Cerrado é um dos biomas existentes no Brasil e o segundo mais extenso da América do Sul. Possui grande importância devido a sua biodiversidade, ecossistema e principalmente por servir como um reservatório, ou “esponja”, que distribui água para os demais biomas, além de ser berço de nascentes de algumas das maiores bacias da América do Sul. No entanto, devido às atividades antrópicas praticadas (com destaque para a pecuária e silvicultura) e a redução da vegetação nativa, este bioma está ameaçado. Considerado como hotspot em biodiversidade, o Cerrado pode não existir em 2050. Com a necessidade de sua preservação, o objetivo desse trabalho consistiu em investigar o uso de algoritmos de aprendizado de máquina para realizar o mapeamento da vegetação nativa existente na região do município de Três Lagoas, utilizando a plataforma em nuvem Google Earth Engine. O processo foi realizado com uma imagem Landsat-8 OLI, datada de 10 de outubro de 2018, e com os algoritmos Random Forest (RF) e Support Vector Machine (SVM). Na validação da classificação, o RF e o SVM apresentaram índices kappa iguais a 0,94 e 0,97, respectivamente. O RF, quando comparado ao SVM, apresentou classificação mais ruidosa. Por fim, verificou-se a existência de vegetação nativa de aproximadamente 2556 km² ao adotar o RF e 2873 km² ao adotar SVM.

Descobrir o gosto musical de uma pessoa tem uma aplicação óbvia nos mecanismos de recomendação usados pelos provedores de serviços de música on-line. Estamos interessados em uma aplicação menos óbvia, relacionada ao ambiente de trabalho de um desenvolvedor de software. Neste trabalho em particular, comparamos dois algoritmos usados em mineração de dados como classificadores. O objetivo é comparar Support Vector Machine (SVM) e k-Nearest Neighbor (k-NN) como preditores do gosto musical de um usuário. Para executar o experimento, usamos um banco de dados de músicas que foram previamente classificadas com um rótulo indicando se o usuário gosta ou não de cada música. O banco de dados inclui um conjunto de características das músicas, cada classificador usa as mesmas combinações de características no processo de aprendizado e, em seguida, classifica novas instâncias de músicas de acordo com o gosto previsto para o usuário. Este estudo inicial indicou que o SVM é um melhor preditor do que o k-NN para este contexto particular. Em investigações futuras, pretendemos avaliar o usuário em um ambiente síncrono, nossa hipótese é que pode ser possível entender mais do que o cenário de gosto / não gosto e expandir para o que o usuário quer ouvir em um momento específico, com o qual planejamos capturar o estado emocional atual do usuário. Eventualmente, queremos correlacionar o estado emocional de um desenvolvedor de software com a propensão a defeitos do código escrito.

RESUMO: A presente pesquisa tem como objetivo principal o desenvolvimento de um modelo computacional com uso de técnicas de Mineração de Textos para a tarefa de correção de questões dissertativas em ambientes online, possibilitando, por sua vez, a diminuição da subjetividade na avaliação das questões discursivas dos discentes. O conjunto de dados utilizados para os experimentos baseia-se em 15 questões discursivas de computação pertencentes ao ciclo básico de cursos da área das Engenharias. A metodologia proposta é apoiada em três grandes fases: 1) Aplicação de técnicas de pré-processamento de textos e representação dos documentos segundo a abordagem “Saco de palavras”, com esquema de ponderação term-frequency; 2) Realização do processamento dos textos por meio da comparação dos termos contidos nas respostas com os do gabarito por intermédio de medidas baseadas em termos e edição; 3) Confrontação dos resultados numéricos obtidos com as notas da correção do avaliador, ao investigar a hipótese de que as médias das notas reais e estimadas são iguais por meio do Teste T, assim como análise do erro médio absoluto percentual (MAPE) entre tais subconjuntos. Os resultados obtidos indicaram uma alta aderência à hipótese de que as médias dos dados reais vs estimados são iguais, principalmente para as medidas baseadas em tokens. A acurácia foi da ordem de 84,2% para Coseno no modelo bigram. Assim, o principal resultado deste trabalho é a concepção de um modelo de MT para o apoio ao processo avaliativo de questões discursivas em ambiente EaD. PALAVRAS-CHAVE: aprendizado de máquina; mineração de texto; sistemas de ensino inteligentes. ABSTRACT: The present research has as main objective the computational development with the use of techniques of Texts Mining for the task of correcting the dissertative questions online, making it possible to provide the diminution of the subjectivity in the evaluation of the discursive questions of the students. The set of data used for the experiments is based on 15 discursive computational questions belonging to the basic course cycle of the Engineering area. The proposed methodology is supported by three major phases: 1) Application of pre-processing techniques and representation of documents according to the “Bag of words” approach, with term-frequency weighting scheme; 2) Carrying out the processing of texts by comparing the terms contained in the answers with those of the template by means of measures based on terms and editing; 3) Confrontation of the numerical results obtained with the evaluator's correction notes, investigating the hypothesis that the means of the real and estimated scores are equal by means of the T-Test, as well as analysis of the percentage absolute mean error (MAPE, in Portuguese) between such subsets. The results obtained indicated a high adherence to the hypothesis that the averages of the actual vs. estimated data are the same, especially for the tokens-based measurements. The accuracy was of the order of 84.2% for Cosine in the bigram model. Thus, the main result of this work is the design of a TM model to support the evaluation process of discursive issues in the distance learning environment. KEYWORDS: machine learning; text mining; smart education systems.

Um problema fundamental em cosmologia é estimar redshifts de galáxias com base em dados fotométricos. Por exemplo a Sloan Digital Sky Survey (SDSS) já coletou dados fotométricos relativos a cerca de um bilhão de objetos para os quais é necessário estimar os respectivos redshifts. Tradicionalmente, essa tarefa é resolvida utilizando-se métodos de aprendizado de máquina. Neste trabalho, mostramos como métodos existentes podem ser combinados de forma a se obter estimativas ainda mais precisas para os redshifts de galáxias. Abordamos este problema sob duas óticas: (i) estimação da regressão do redshift y nas covariáveis fotométricas x, E[Y|x], e (ii) estimação da função densidade condicional f(y|x). Aplicamos as técnicas propostas para um banco de dados provenientes do SDSS e concluímos que as predições combinadas são de fato mais precisas que os métodos individuais.

Este artigo descreve a aplicação de árvores de decisão como método de mineração de dados nos prontuários da Clínica Escola de Nutrição da Universidade Federal da Fronteira Sul (UFSS), campus Realeza. Árvores de decisão é uma técnica de aprendizado de máquina, utilizada para reconhecimento de padrões em inteligência artificial na análise de dados. Para que se possa aplicar esta técnica, se faz necessária a existência de uma massa de dados com diversos atributos significativos. Portanto, a Clínica Escola de Nutrição da UFFS, campus Realeza, possui uma grande quantidade de prontuários que foram utilizados na mineração de dados. Utilizou-se 1339 prontuários. Destes, foram selecionados apenas atributos ou variáveis que estavam preenchidos em todos os prontuários a fim de não comprometer os resultados e criação dos modelos. Assim aplicou-se a técnica de árvores de decisão aos prontuários para identificar como classe final as respectivas doenças: dislipidemia, diabetes e hipertensão. Portanto, para cada doença, a partir dos prontuários selecionados, foi criada uma árvore de decisão ou modelo. Este possui um conjunto de atributos ou variáveis mais significativas para a identificação e caracterização da doença. Além disso, a confiabilidade ou eficiência da árvore na identificação da doença foi definida com base nos 30% dos 1339 prontuários. Portanto, 402 registros foram utilizados para testar os modelos, sendo para dislipidemia a eficiência foi de aproximadamente 89%. Na hipertensão e diabetes obteve-se uma eficiência de aproximadamente 94%. Isto significa, o quanto as regras criadas a partir das árvores de decisão são eficientes na identificação das doenças. Estas regras podem ser utilizadas para o desenvolvimento de alguma ferramenta computacional para auxílio no diagnóstico e também para prever e classificar doenças.

A internet das coisas e o aprendizado de máquina são temas emergentes na área da saúde com potencial para otimizar a área e criar um sistema de saúde inteligente em virtude do envelhecimento da população. Este artigo analisa a produção científia do período de 2009 a 2019 a respeito da internet das coisas e do aprendizado de máquina na área da saúde. Utiliza metodologia bibliométrica em 1.353 artigos recuperados na base de dados Web of Science. Constata um crescimento da produção científia sobre o tema, sendo os Estados Unidos o principal polo de pesquisa na área. Identifia os autores mais produtivos e com maior impacto, periódicos mais produtivos, colaboração entre países e palavras-chave utilizadas, bem como suas relações. Incentiva que novas pesquisas explorem as abordagens identifiadas no estudo.

Resumo Introdução: a variedade, volume e velocidade de geração de dados (big data) possibilitam novas e mais complexas análises. Objetivo: discutir e apresentar técnicas de mineração de dados (data mining) e de aprendizado de máquina (machine learning) para auxiliar pesquisadores de Saúde e Segurança no Trabalho (SST) na escolha da técnica adequada para lidar com big data. Métodos: revisão bibliográfica com foco em data mining e no uso de análises preditivas com machine learning e suas aplicações para auxiliar diagnósticos e predição de riscos em SST. Resultados: a literatura indica que aplicações de data mining com algoritmos de machine learning para análises preditivas em saúde pública e em SST apresentam melhor desempenho em comparação com análises tradicionais. São sugeridas técnicas de acordo com o tipo de pesquisa almejada. Discussão: data mining tem se tornado uma alternativa cada vez mais comum para lidar com bancos de dados de saúde pública, possibilitando analisar grandes volumes de dados de morbidade e mortalidade. Tais técnicas não visam substituir o fator humano, mas auxiliar em processos de tomada de decisão, servir de ferramenta para a análise estatística e gerar conhecimento para subsidiar ações que possam melhorar a qualidade de vida do trabalhador.

The bookstores have been full of titles including the word “quantum”, but more regarding to the “quantum mysticism”, which supports the existence of links between quantum mechanics and Eastern mysticism, leading to serious misunderstandings. This work aims to identify terms that can help readers, especially high-school teachers, to recognize to which of those categories a book pertains even before reading it through, contributing to breaking the vicious circle of students learning pseudoscience and passing it on as truth. The online catalogues from the four biggest bookstores in Brazil were used in this research. Books containing the words “quântica” or “quântico” – both corresponding to “quantum” – in their titles or synopses were searched. The resulting database was scrutinized with the help of Data Science techniques and text mining resources from the R programming language, and 22 terms that discriminate with an accuracy of 94% between the categories “quantum mysticism” and science or science popularization were identified.

O Brasil tem a quinta maior taxa de mortes no trânsito do planeta. Geralmente os acidentes são causados por falha humana, envolvendo desatenção e desrespeito à legislação. A fim de auxiliar o motorista a agir de forma preventiva e responsável, sistemas computacionais podem estabelecer meios para emitir alertas ao reconhecer situações de risco à segurança no trânsito. O desafio apresentado neste trabalho foi realizar a detecção e o reconhecimento de alguns sinais de trânsito considerados necessários à segurança viária. Este trabalho objetivou o desenvolvimento de um sistema embarcado de auxílio ao motorista baseado em visão computacional e aprendizado de máquina. A função do sistema é reconhecer situações perigosas e alertar o motorista a respeito das sinalizações encontradas nas vias (placas de sinais de velocidade máxima permitida, parada obrigatória, preferência e faixas rolamento). Foi utilizado um Raspberry Pi 3 e uma câmera de 5 megapixels para ser o hardware embarcado. O trabalho buscou o desenvolvimento de algoritmos que realizem a tarefa de auxiliar a percepção humana ao guiar veículos, com execução em hardware de baixo processamento em tempo real.

O eletroencefalograma (EEG) é um exame médico que visa registrar a atividade cerebral do indivíduo para análise posterior. Diversas aplicações estão surgindo atualmente para o mesmo, e um fator de grande importância para qualquer aplicação é encontrar padrões e grupos nos sinais e relacioná-los às ações. Atualmente, existem vários classificadores usados ​​para isso, e esses classificadores são aplicados diretamente aos sinais do EEG. No entanto, outra temática utiliza métodos de Mapping Features no processamento dos sinais e posteriormente, realiza a classificação nos sinais resultantes visando obter resultados melhores.

O eletroencefalograma (EEG) é um exame médico que visa registrar a atividade cerebral do indivíduo para análise posterior. Diversas aplicações estão surgindo atualmente para o mesmo, e um fator de grande importância para qualquer aplicação é encontrar padrões e grupos nos sinais e relacioná-los às ações. Atualmente, existem vários classificadores usados ​​para isso, e esses classificadores são aplicados diretamente aos sinais do EEG. No entanto, outra temática utiliza métodos de Mapping Features no processamento dos sinais e posteriormente, realiza a classificação nos sinais resultantes visando obter resultados melhores.

O Brasil tem a quinta maior taxa de mortes no trânsito do planeta. Geralmente os acidentes são causados por falha humana, envolvendo desatenção e desrespeito à legislação. A fim de auxiliar o motorista a agir de forma preventiva e responsável, sistemas computacionais podem estabelecer meios para emitir alertas ao reconhecer situações de risco à segurança no trânsito. O desafio apresentado neste trabalho foi realizar a detecção e o reconhecimento de alguns sinais de trânsito considerados necessários à segurança viária. Este trabalho objetivou o desenvolvimento de um sistema embarcado de auxílio ao motorista baseado em visão computacional e aprendizado de máquina. A função do sistema é reconhecer situações perigosas e alertar o motorista a respeito das sinalizações encontradas nas vias (placas de sinais de velocidade máxima permitida, parada obrigatória, preferência e faixas rolamento). Foi utilizado um Raspberry Pi 3 e uma câmera de 5 megapixels para ser o hardware embarcado. O trabalho buscou o desenvolvimento de algoritmos que realizem a tarefa de auxiliar a percepção humana ao guiar veículos, com execução em hardware de baixo processamento em tempo real.

RESUMO: A presente pesquisa tem como objetivo principal o desenvolvimento de um modelo computacional com uso de técnicas de Mineração de Textos para a tarefa de correção de questões dissertativas em ambientes online, possibilitando, por sua vez, a diminuição da subjetividade na avaliação das questões discursivas dos discentes. O conjunto de dados utilizados para os experimentos baseia-se em 15 questões discursivas de computação pertencentes ao ciclo básico de cursos da área das Engenharias. A metodologia proposta é apoiada em três grandes fases: 1) Aplicação de técnicas de pré-processamento de textos e representação dos documentos segundo a abordagem “Saco de palavras”, com esquema de ponderação term-frequency; 2) Realização do processamento dos textos por meio da comparação dos termos contidos nas respostas com os do gabarito por intermédio de medidas baseadas em termos e edição; 3) Confrontação dos resultados numéricos obtidos com as notas da correção do avaliador, ao investigar a hipótese de que as médias das notas reais e estimadas são iguais por meio do Teste T, assim como análise do erro médio absoluto percentual (MAPE) entre tais subconjuntos. Os resultados obtidos indicaram uma alta aderência à hipótese de que as médias dos dados reais vs estimados são iguais, principalmente para as medidas baseadas em tokens. A acurácia foi da ordem de 84,2% para Coseno no modelo bigram. Assim, o principal resultado deste trabalho é a concepção de um modelo de MT para o apoio ao processo avaliativo de questões discursivas em ambiente EaD. PALAVRAS-CHAVE: aprendizado de máquina; mineração de texto; sistemas de ensino inteligentes. ABSTRACT: The present research has as main objective the computational development with the use of techniques of Texts Mining for the task of correcting the dissertative questions online, making it possible to provide the diminution of the subjectivity in the evaluation of the discursive questions of the students. The set of data used for the experiments is based on 15 discursive computational questions belonging to the basic course cycle of the Engineering area. The proposed methodology is supported by three major phases: 1) Application of pre-processing techniques and representation of documents according to the “Bag of words” approach, with term-frequency weighting scheme; 2) Carrying out the processing of texts by comparing the terms contained in the answers with those of the template by means of measures based on terms and editing; 3) Confrontation of the numerical results obtained with the evaluator's correction notes, investigating the hypothesis that the means of the real and estimated scores are equal by means of the T-Test, as well as analysis of the percentage absolute mean error (MAPE, in Portuguese) between such subsets. The results obtained indicated a high adherence to the hypothesis that the averages of the actual vs. estimated data are the same, especially for the tokens-based measurements. The accuracy was of the order of 84.2% for Cosine in the bigram model. Thus, the main result of this work is the design of a TM model to support the evaluation process of discursive issues in the distance learning environment. KEYWORDS: machine learning; text mining; smart education systems.