O Programa de Pós Graduação em Ciência da Computação tem a honra de convidar toda a comunidade acadêmica para participar das  Defesas de Qualificação de Doutorado e Dissertação de Mestrado abaixo relacionadas:
 
 
DEFESAS DE QUALIFICAÇÃO DE DOUTORADO:
 
1) Aluno: Adailton Silva Magalhães

Matrícula: 201620080003.
Titulo: "Um Estudo Empírico sobre Fatores que Influenciam Testes de Software em Projetos Distribuídos de Software ".  

Orientador: Prof. Dr.Cleidson Ronald Botelho de Souza
Data: 05/09/2018.

Hora: 08h00 

Local: LABTIC da Ufpa.

Banca Examinadora:

  1. Prof. Dr. Cleidson Ronald Botelho de Souza - Orientador (PPGCC/UFPA)
  2. Prof. Dr. Gustavo Henrique Lima Pinto - Membro Interno (PPGCC/UFPA)
  3. Prof. Dr. Sandro Ronaldo Bezerra Oliveira - Membro Interno (PPGCC/UFPA)
  4. Prof. Dr. Carlos dos Santos Portea - Membro Externo (UFPA/CAMPUS CAMETÁ)
  5. Prof. Dra. Tayana Uchôa Conte - Membro Externo (UFAM)

Resumo

A fase de testes é essencial para qualquer projeto de desenvolvimento de software, e é particularmente crítica em projetos distribuídos de software (DDS), onde testadores e desenvolvedores estão dispersos entre diferentes locais de trabalho e possuem contato e interação presencial limitados. Apesar de existirem diversos estudos e relatos na literatura sobre fatores que podem influenciar o comportamento e desempenho das equipes em projetos DDS, atividades realizadas durante esta pesquisa apontaram para um gap de estudos para entender os fatores relacionados a testes em ambientes de projetos DDS. Neste sentido, neste projeto de tese são descritos os principais resultados obtidos até o momento da investigação empírica conduzida. Na primeira fase exploratória desta pesquisa investigou-se os fatores e o comportamento de projetos DDS baseado em dados de um projeto real e uso de técnicas de simulação de processos. A partir destes resultados iniciais e a identificação do gap na literatura de estudos específicos aos fatores relacionados à testes em projetos DDS através de uma revisão sistemática da literatura, esta pesquisa seguiu para uma fase experimental. A fase experimental foi iniciada com a identificação de fatores na literatura sobre testes em projetos de desenvolvimento de software, e posteriormente foi conduzida a criação de modelos baseado em técnicas de regressão para entender o relacionamento e influência destes fatores em projetos de testes em projetos DDS. Os resultados atuais sugerem mais tempo despendido entre times remotos está correlacionado com o esforço despendido na correção de bugs de um release do projeto. espera-se que os modelos criados possam ser reutilizados para outros contextos de projeto de desenvolvimento de software, e nesta direção são apontadas as atividades pretendidas para finalização desta pesquisa.

Palavras-Chave: Estudo Empírico, Teste de Software, Simulação de Processos, Regressão Linear. 

 

2) Aluno: Abraham Lincoln Rabelo de Souza

Matrícula: 201520080001.
Titulo: "Um Método de Apoio à Modelagem e Simulação de Redes Bayesianas para o Gerenciamento de Projetos de Desenvolvimento de Software ".  

Orientador: Prof. Dr.Cleidson Ronald Botelho de Souza
Data: 06/09/2018.

Hora: 08h00

Local: LABTIC da Ufpa.

Banca Examinadora:

  1. Prof. Dr. Cleidson Ronald Botelho de Souza - Orientador (PPGCC/UFPA)
  2. Prof. Dr. Gustavo Henrique Lima Pinto - Membro Interno (PPGCC/UFPA)
  3. Prof. Dr. Sandro Ronaldo Bezerra Oliveira - Membro Interno (PPGCC/UFPA)
  4. Prof. Dr. Carlos dos Santos Portea - Membro Externo (UFPA/CAMPUS CAMETÁ)
  5. Prof. Dra. Tayana Uchôa Conte - Membro Externo (UFAM)

Resumo

Apesar dos inúmeros avanços em métodos, técnicas e ferramentas de apoio ao processo de desenvolvimento de software, ainda são comuns os relatos sobre problemas causados por falhas nos sistemas de software. A literatura especializada sugere que ainda temos pouco conhecimento sobre os fenômenos que afetam o processo de desenvolvimento. E indica a necessidade de estudos que permitam a investigação, racionalização e ampliem nosso entendimento sobre suas causas e efeitos. Neste contexto, a modelagem e simulação de processos de software se destaca em relação a outros tipos de estudos experimentais por viabilizar a experimentação virtual, que proporciona menor consumo de recursos e tempo, além de agilizar o tempo de resposta do fenômeno investigado. O objetivo principal deste trabalho é propor um método de apoio a modelagem e simulação com redes bayesianas aderente ao gerenciamento de projetos de desenvolvimento de software. Para isso, foram elaborados um modelo conceitual e o método de apoio. O modelo conceitual contextualiza o uso de simulação com redes bayesianas durante o gerenciamento de projetos de desenvolvimento de software. O método visa orientar a modelagem e simulação. Para avaliar o método proposto foi realizado um estudo piloto em ambiente laboratorial que resultou na definição de uma rede bayesiana. O método proposto pretende contribuir para a área de desenvolvimento de software preenchendo a lacuna identificada na literatura a respeito da falta de detalhes sobre os procedimentos metodológicos que orientam a modelagem e simulação com redes bayesianas em problemas do desenvolvimento de software.

Palavras-Chave: Redes Bayesianas Modelagem e Simulação de Redes Bayesianas Método Gerenciamento de Projetos de Desenvolvimento de Software. 

 

3) Aluno: Tiago Davi Oliveira de Araujo

Matrícula: 201620080009.
Titulo: "Um Modelo para Reconhecimento, Reconstrução e Personalização de Gráficos de Dados Estáticos".  

Orientador: Prof. Dr. Bianchi Serique Meiguins
Data: 19/09/2018

Hora: 15h30 

Local: Auditório do Instituto de Ciências Exatas e Naturais

Banca Examinadora:

  1. Prof. Dr. Bianchi Serique Meiguins - Orientador (PPGCC/UFPA)
  2. Prof. Dr. Carlos Gustavo R. dos Santos - Membro Interno (PPGCC/UFPA)
  3. Prof. Dr. Jefferson Magalhães de Morais - Membro Interno (PPGCC/UFPA)
  4. Prof. Dr. Nelson Cruz Sampaio - Membro Interno (PPGCC/UFPA)
  5. Prof. Dr. José Gustavo de Souza Paiva - Membro Externo (UFU)
  6. Prof. Dr. Marcelo de Paiva Guimarães - Membro Externo (UNIFESP)

Resumo

Gráficos de dados são amplamente utilizados para comunicação, comparação e análise de dados em vários meios. Um bom gráfico de dados deve apresentar os elementos e dados necessários para seu bom entendimento, tais como: informação sobre eixos, escalas, títulos, legendas, linhas de tendência, etc. Contudo, em muitos casos, parte desses elementos geralmente não está disponível, bem como os dados que os criaram, prejudicando o entendimento do usuário e o redesign do gráfico. Desta forma, a imagem do gráfico torna-se a única fonte para o seu redesign, sendo necessário um processo de extração das características desse gráfico, que de forma mais detalhada engloba as etapas de localização do gráfico na imagem, sua segmentação, classificação do tipo, extração dos dados e características visuais. A partir desses dados é possível melhorar o gráfico ou até mesmo propor um novo tipo de gráfico para representar os mesmos dados. Assim, esta proposta de tese propõe um modelo para reconhecimento, reconstrução e personalização de imagens de gráficos de dados que pode ser apresentada em diversos cenários, tais como: realidade aumentada, realidade virtual, dispositivos móveis, web, etc. Como resultados parciais, um protótipo inspirado nesse modelo será apresentado, tendo como cenário de uso o gráfico de barras. Em relação as tecnologias adotadas, destacam-se para segmentação e localização do gráfico na imagem digital a Mask R-CNN, uma rede neural convolucional que classifica e segmenta objetos em uma imagem, para extração dos dados são utilizados algoritmos de OCR para encontrar títulos e eixos, para identificação dos contornos e características visuais para extração das informações das barras será utilizado OpenCV, para reconstrução e personalização dos gráficos são utilizadas a biblioteca de visualização da informação D3 e gramática de geração de gráficos VEGA. Por fim, para validação de cada etapa são utilizados métodos específicos, por exemplo, as etapas de localização do gráfico e segmentação faz uso do Mean Average Precision, métrica utilizada para precisão de detecção de objetos, a fase de extração de dados utiliza o Erro Absoluto Médio para comparar os gráficos reconhecidos com os dados originais para testar a precisão do método, e para fase de reconstrução e personalização será realizada uma avaliação qualitativa com usuários. 

Palavras-Chave: Reconhecimento de Gráfico, Aprendizado de Máquina, Processamento de Imagem, Visualização da Informação.  

 

4) Aluno: Anderson Gregório Marques Soares

Matrícula: 201520080002.
Titulo: "Expandindo a Visualização de Dados Multidimensionais em Treemaps com Glifos".  

Orientador: Prof. Dr. Bianchi Serique Meiguins
Data: 20/09/2018

Hora: 09h00 

Local: Sala FC-02 do Instituto de Ciências Exatas e Naturais

Banca Examinadora:

  1. Prof. Dr. Bianchi Serique Meiguins - Orientador (PPGCC/UFPA)
  2. Prof. Dr. Carlos Gustavo R. dos Santos - Membro Interno (PPGCC/UFPA)
  3. Prof. Dr. Jefferson Magalhães de Morais - Membro Interno (PPGCC/UFPA)
  4. Profa. Dra. Marcelle Pereira Mota - Membro Interno (PPGCC/UFPA)
  5. Prof. Dr. José Gustavo de Souza Paiva - Membro Externo (UFU)
  6. Prof. Dr. Marcelo de Paiva Guimarães - Membro Externo (UNIFESP)

Resumo

A Visualização da Informação (InfoVis) é a área que estuda representações visuais interativas para dados abstratos com objetivo de potencializar a percepção dos usuários sobre os dados. A técnica treemap é uma técnica de InfoVis consolidada e bastante difundida, que possui como principais características a visualização de dados hierárquicos e o uso de todo o espaço visual disponível de tela. No entanto, tal técnica apresenta alguns desafios para a representação de dados, entre elas destacam-se: poucas opções para representação visual de dados, limitada a tamanho, cor e rótulo; e para aumentar a dimensionalidade de dados utiliza-se os níveis hierárquicos, mas um número elevado de hierarquias dos dados pode dificultar a percepção dos usuários sobre os mesmos. Como objetivo de proposta de tese, visa-se propor soluções para mitigar os desafios apresentados na utilização da técnica treemap para muitas dimensões de dados, propondo como alternativa a agregação de glifos aos itens de dados visuais da técnica. No contexto de InfoVis, glifos são objetos visuais que codificam individualmente os atributos de uma base de dados a uma ou mais características visuais (variáveis visuais). Esta proposta de tese considera três principais cenários para comparação e avaliação: treemap, treemap com glifos e treemap com glifos adaptativos. Os glifos adaptativos são glifos que estão em itens do treemap com áreas muito pequenas, e por esta rezão é realizado uma análise de qual parte do glifo deve ser apresentada para ainda ser uma informação visual útil. Visando verificar as propostas, foi desenvolvido um protótipo computacional que permite criar cenários propostos para análise de dados multidimensionais. A avaliação dos cenários gerados será com base em tarefas de InfoVis aplicadas a grupos de usuários, tais como: busca de similaridades, busca visual, detecção de tendência, etc. Adicionalmente, cada participante responde um questionário qualitativo sobre as tarefas realizadas, e as características dos glifos. Por fim, uma análise preliminar dos resultados dos dados coletados quantitativos e qualitativos é apresentada.

Palavras-Chave: Visualização da Informação, Treemap, Glyph.

 

DEFESAS DE QUALIFICAÇÃO DE MESTRADO:

1) Aluno: Michell Costa Oliveira da Cruz

Matrícula: 201620070010
Titulo: "Modelo para Tomada de Decisão no Processo de Imputação de Dados Faltantes"

Orientador: Prof. Dr. Bianchi Serique Meiguins
Data: 19/09/2018

Hora: 09h00

Local: Auditório do Centro de Genômica e Biologia da Ufpa.

Banca Examinadora:

  1. Prof. Dr. Bianchi Serique Meiguins - Orientador (PPGCC/UFPA)
  2. Prof. Dr. Jefferson Magalhães de Morais - Co-Orientador (PPGCC/UFPA)
  3. Prof. Dr. Carlos Gustavo Resque dos Santos - Membro Interno (PPGCC/UFPA)
  4. Prof. Dr. Marcelo de Paiva Guimarães - Membro Externo (UNIFESP)

Resumo

Dados geralmente contêm valores ausentes e as razões são diversas. Valores ausentes ocorrem quando as medições valham, quando os resultados da análise são perdidos ou quando as medições são incompreensíveis. Logo, os registros de dados estão incompletos, o que pode causar análise de dados ineficientes e decisões imprecisas. A forma de analistas lidam com dados incompletos pode ser um trabalho difícil, sendo a diferença entre estudos enviesados e não enviesados. Técnicas de imputação são umas das principais maneiras de tratar dados faltantes. No entanto, vários fatores devem ser considerados na hora de se decidir o método mais indicado para uma base especifica. Desse modo, este trabalho desenvolveu um modelo de decisão cujo o objetivo e auxiliar no processo de imputação de dados, guiando o analista através de quatro etapas. Elas permitem (a) determinar, através de técnicas de visualização, os mecanismos geradores de dados faltantes, (b) realizar o tratamento de outliers, (c) executar simulações em amostras da base para definir, por meio de métricas de avaliação, qual a técnica de imputação mais eficiente para um conjunto de dados, e (d) realizar a imputação com a técnica selecionada como melhor opção. A metodologia proposta foi avaliada simulando a ocorrência de dados faltantes e seus mecanismos em cinco bases de dados reais através de cinco técnicas (Média, Hot-Deck, KNN Imputation, IRMI, MICE) de imputação considerando as métricas RMSE, MAE, MPE, Acurácia Categórica e Tempo de Execução. Seguindo o modelo de decisão proposto, os resultados mostraram a influência negativa dos outliers na imputação e a escolha da melhor técnica para cada cenário. Com isso, conclui-se que o modelo de tomada de decisão desenvolvido consegue orientar o analista nas etapas do processo de imputação de dados faltantes.

Palavras-Chave: Dados faltantes, imputação de dados, modelo de decisão, outlier, visualização de informação. 

 

Programa de Pós Graduação em Ciência da Computação tem a honra de convidar toda a comunidade acadêmica para participar da Defesa de Dissertação de Mestrado abaixo relacionada:

 
 
1) Aluno: Caio Marcos Flexa Rodrigues

Matrícula: 201620070018.
Titulo: "Um Novo Índice de Validade Cluster Baseado no Espalhamento Equidistante Mútuo para Clusterização Crisp"  

Orientador: Prof. Dr. Claudomiro de Souza de Sales Junior 
Data: 22/08/2018

Hora: 10h30 

Local: Sala FC-02 do Instituto de Ciências Exatas e Naturais da Ufpa.

 

Banca Examinadora:

  1. Prof. Dr. Claudomiro de Souza de Sales Junior  - Orientador (PPGCC/UFPA)
  2. Prof. Dr. Ronnie Cley de Oliveira Alves - Membro Interno (PPGCC/UFPA)
  3. Profa. Dra. Regiane Silva Kawasaki Francês - Membro Externo  (FACOMP/UFPA)

 

Resumo

A Clusterização de dados tem sido amplamente utilizada na descoberta do conhecimento para revelar estruturas de dados úteis ao analista. Como uma das tarefas mais importantes do reconhecimento de padrões, a clusterização particiona um conjunto de dados em grupos cujos elementos do mesmo cluster sejam semelhantes e elementos de cluster diferentes são dissimilares. Elementos de clusterização em geral supõem que o número de clusters K é conhecido, embora não haja conhecimento prévio sobre o conjunto de dados. Consequentemente, o significado dos grupos definidos precisa ser válido. Índices de validade de cluster são comumente usados para realizar a validação de resultados de clusterização. No entanto, a maioria deles é considerada dependente do número de objetos de dados e, geralmente, tende a ignorar grupos pequenos e de baixa densidade. Além disso, soluções de cluster subótimas são frequentemente selecionadas quando os clusters estão em um certo grau de sobreposição ou baixa separação. Assim sendo, propomos um novo índice de validade interna não paramétrico baseado no espalhamento equidistante mútuo dentro do cluster para clusterização crip. Sete diferentes índices de validade foram analisados em comparação com o índice  proposto, a fim de detectar o número de clusters em conjunto de dados. Experimentos em dados sintéticos e do mundo real mostram a eficácia e confiabilidade de nossa abordagem para validar o hiperparâmetro K.  

Palavras-Chave: Índice de validade de cluster, Espalhamento Equidistante mútuo, Número de cluster, Clusterização crip, Aprendizagem não supervisionada. 

 

2) Aluno: Fábio Malcher Miranda

Matrícula: 201720070005.
Titulo: "Aprimorando Montagens Metagenômicas Através do Particionamento de Dados de Sequenciamento pelo Conteúdo GC "

Orientador: Prof. Dr. Rommel Thiago Jucá Ramos
Data: 31/08/2018

Hora: 14h00

Local: Auditório do Centro de Genômica e Biologia da Ufpa.

 

Banca Examinadora:

  1. Prof. Dr. Rommel Thiago Jucá Ramos - Orientador (PPGCC/UFPA)
  2. Prof. Dr. Jefferson Magalhães de Morais - Membro Interno (PPGCC/UFPA)
  3. Prof. Dr. Nelson Cruz Sampaio Neto - Membro Interno (PPGCC/UFPA)
  4. Prof. Dr. Luiz Carlos Guimarães - Membro Externo (UFPA)

 

Resumo

A montagem de dados metagenômicos sequenciados por plataforma NGS acarreta em grandes desafios computacionais, especialmente devido ao grande volume de dados, erros de sequenciamento e variações de tamanho, complexidade, diversidade e abundância dos organismos presentes em um determinado metagenoma. Para superar esses problemas, este trabalho propõe o desenvolvimento de uma ferramenta de bioinformática de código aberto chamada GCSplit, que divide as sequências metagenômicas em subconjuntos usando uma métrica pouco dispendiosa computacionalmente: O conteúdo GC. Experimentos realizados em dados reais, obtidos no banco de dados SRA, mostram que o pré-processamento de leitura curtas com o GCSplit antes da montagem reduz o consumo de memória e gera resultados de maior qualidade, como aumento no tamanho do maior contig e na memória N50, enquanto tanto o valor L50 quanto o número total de contigs produzidos na montagem foram reduzidos. O GCSplit está disponível através do endereço https://github.com/mirand863/gcsplit. 

Palavras-Chave: Particionamento de dados, Ferramentas de bioinformática, Pré-Processamento de dados metagenômicos.   

 

O Programa de Pós Graduação em Ciência da Computação tem a honra de convidar toda a comunidade acadêmica para participar das Defesas de Qualificação de Doutorado e Dissertação de Mestrado abaixo relacionadas: 

 

DEFESA DE QUALIFICAÇÃO DE DOUTORADO: 

1) Aluno: Fernando Nazareno Nascimento Farias

Matrícula: 201520080008

Título: "VSDNLight: Orquestração de Redes Virtuais Definidas por Software Através de Hipervisores Leves". 

Orientador: Prof. Dr. Antônio Jorge Gomes Abelém 

Data: 26/06/2018

Hora: 09h00

Local: LABTIC da Universidade Federal do Pará

 

Banca Examinadora: 

  1. Prof. Dr. Antônip Jorge Gomes Abelém - Orientador (PPGCC/UFPA)
  2. Prof. Dr. Eduardo Coelho Cerqueira - Membro Interno (PPGCC/UFPA)
  3. Prof. Dr. Raimundo Viegas Junior - Membro Externo (FACOMP/UFPA)
  4. Pesquisador Billy Anderson Pinheiro - Membro Externo (UFPA) 
  5. Prof. Dr. José Ferreira de Rezende - Membro Externo (UFRJ)

Resumo

Com o surgimento das redes definidas por softwares (SDN) e características como programabilidade e abstração na infraestrutura, permitiu-se criar novas soluções de virtualização de redes, não apenas compartilhando utilização de um recurso especifico da infraestrutura, mas também, compartilhando parte ou toda visão topológica da mesma, ou seja, qualquer recurso disponível da infraestrutura. Para construção de redes virtuais definidas por software (VSDN) em fatias ou slices da infraestrutura física, faz-se a utilização de soluções de hipervisores. No entanto, essas soluções vêm apresentando limitações de escalabilidade e desempenho. O objetivo principal do trabalho é apresentar uma proposta de orquestração de uma nova forma de prover redes virtuais definidas por softwares que integrem soluções no plano de dados e controle através de hipervisores com menos atribuições de orquestração e controle dos elementos da infraestrutura física, que serão chamados, hipervisores leves. 

Palavras-Chave: Redes Definidas por Software; Virtualização; Hipervisores Leves.  

 

DEFESA DE DISSERTAÇÃO DE MESTRADO:

2) Aluno: Isaac Souza Elgrably

Matrícula: 201620070019

Título: "O Uso de Elementos de Gamificação Para o Ensino da Técnica de TDD". 

Orientador: Prof. Dr. Sandro Ronaldo Bezerra Oliveira

Data: 29/06/2018

Hora: 09h00

Local: LABCOMP I do Instituto de Ciências Exatas e Naturais 

 

Banca Examinadora:

  1. Prof. Dr. Sandro Ronaldo Bezerra Oliveira - Orientador (PPGCC/UFPA)
  2. Profa. Dra. Marcelle Pereira Mota - Membro Interno (PPGCC/UFPA)
  3. Prof. Dr. Carlos dos Santos Portela - Membro Externo (UFPA/CAMPUS CAMETÁ)

Resumo

Com a maior imersão das equipes de desenvolvimento de software aos métodos e práticas ágeis, tornou-se necessário que os alunos tenham cada vez mais cedo o contato com práticas oriundas dos Testes Ágeis. Assim, este estudo tem como objetivo utilizar conceitos de gamificação para estimular o apoio ao ensino e engajar a motivação de um grupo de alunos na disciplina de Qualidade de Software ministrada na graduação e pós-graduação. Para isso, foram separadas aulas para o ensino de testes ágeis que utilizaram elementos como motivação para os alunos. Diante disso, esta pesquisa teve como resultado um enriquecimento do conhecimento destes alunos em práticas de testes. Este trabalho busca como contribuir com o ensino de práticas ágeis para alunos, visando um melhor preparo para o mercado de desenvolvimento de Software. Pôde-se constatar, ainda, que a utilização de elementos da gamificação para o ensino de testes ágeis foi eficiente, pelo fator de que os alunos participantes dedicaram-se mais às tarefas e foram participativos em todos os diferentes cenários de aprendizagem que foram ministrados.   

Palavras-Chave: Gamificação; Aprendizado; Ensino; Desenvolvimento Guiado a Teste. 

 

O Programa de Pós Graduação em Ciência da Computação tem a honra de convidar toda a comunidade acadêmica para participar da Defesa de Dissertação de Mestrado abaixo relacionada:

1) Aluno: Vitor Cirilo Araujo Santos

Matrícula: 201620070013
Titulo: "MGCOMP: Sistema Computacional Multiplataforma para Análise Comparativa de Metagenoma" 

Orientador: Prof. Dr. Ronnie Cley de Oliveira Alves
Data: 04/05/2018.

Hora:10h00

Local: LABCOMP 1 do Instituto de Ciências Exatas e Naturais da Ufpa.

Banca Examinadora:

  1. Prof. Dr. Ronnie Cley de Oliveira Alves - Orientador (PPGCC/UFPA)
  2. Prof. Dr. Bianchi Serique Meiguins - Membro Interno (PPGCC/UFPA)
  3. Profa. Dra. Regiane Silva Kawasaki Francês - Membro Externo  (FACOMP/UFPA)

Resumo: 

A metagenômica estuda comunidades de microrganismos, não cultiváveis em laboratório, a partir da seleção de amostras do meio ambiente. As amostras ou metagenomas são submetidas a um sequenciamento em larga escala e posteriormente analisadas por pipelines de bioinformática. A análise das sequencias permite estimar o impacto da presença ou ausência desses microrganismos nos respectivos metagenomas. Assim, dados metagenômicos permitem a identificação das assinaturas taxonômicas e funcionais disponíveis em uma metagenoma. As assinaturas geralmente não são exploradas de forma integrada e a falta de metadados ambientais limitam inferências de contexto na análise de dados. Neste trabalho propomos uma ferramenta computacional (MGCOMP) que fornece um conjunto de funcionalidades para análise comparativa de metagenomas. Além disso, como proposta principal, oferecemos uma nova abordagem de comparação metagenômica baseada em uma metodologia integrada para identificar e comparar assinaturas metagenômicas, correlacionando-as com fatores ambientais (quando disponíveis). As assinaturas são apresentadas de forma hierárquica (estruturada em árvore), uma espécie de conjunto de clusters aninhados. Estes clusters são calculados através de uma estratégia computacional desenvolvida para avaliar de forma ótima as partições de clusterização. Foi desenvolvida também uma visualização em árvore de bolhas (por Javascript) para guiar a exploração interativa das assinaturas metagenômicas. No que nos diz respeito, a análise integrada das assinaturas ambientais e visualização interativa nunca foram explorados anteriormente.

Palavras-Chave: Metagenômica, Clusterização, Visualização Interativa de Dados. 

O Programa de Pós Graduação em Ciência da Computação tem a honra de convidar toda a comunidade acadêmica para participar da Defesa de Dissertação de Mestrado abaixo relacionada:

1) Aluno: Rafael Nascimento de Souza

Matrícula: 201620070012.
Titulo: "UFAHAMU:Um Framework para Aplicações Móveis Android Conscientes de Contexto" 

Orientador: Prof. Dr.Cleidson Ronald Botelho de Souza
Data: 12/04/2018

Hora:10h00

Local: LABTIC

Banca Examinadora:

  1. Prof. Dr. Cleidson Ronald Botelho de Souza - Orientador (PPGCC/UFPA)
  2. Profa. Dra. Marcelle Pereira Mota - Membro Interno (PPGCC/UFPA)
  3. Prof. Dr. Rodrigo Quites Reis - Membro Externo  (FACOMP/UFPA)

Resumo

Um campo da Computação Ubíqua tem se destacado significativamente na última década: a Computação Consciente de Contexto. Sistemas conscientes de contexto podem adaptar suas funcionalidades ao ambiente em que estão inseridos sem a intervenção direta do usuário. Este trabalho apresenta o Ufahamu, um framework Java para Android que facilita o desenvolvimento de aplicações conscientes de contexto. Este framework foi construído utilizando a abordagem Contexto-Regra-Ação com o objetivo de complementar limitações de frameworks anteriores. A contextualização, a motivação e o projeto do Ufahamu são apresentados em detalhes, bem como sua implementação e as suas validações. Três validações foram conduzidas, uma através do desenvolvimento de um app utilizando o próprio framework, uma comparando o framework proposto com 3 outros frameworks sob um ponto de vista de complexidade de código e, por último, uma validação  através de um experimento conduzido com engenheiros de software. Os resultados são promissores e sugerem que o framework Ufahamu, de fato, facilita o desenvolvimento de aplicações conscientes de contexto.

Palavras-Chave: Computação Consciente de Contexto; Computação Ubíqua; Framework; Java; Contexto-Regra-Ação.