Matrícula Alunos Regulares: 01/08/2019 até 09/08/2019.

 Matrícula Alunos Especiais: 12/08/2019 até 16/08/2019 (Orientação abaixo)

 Reajuste de Matrícula: 19/08/2019 até 13/09/2019.

 Trancamento: Até 16/09/2019.

 Período Letivo: 19/08/2018 a 13/12/2019.

 

Disciplinas Ofertadas 2019.2 (PPGCC)

 

Atenção - Inscrição em Disciplina Isolada 2019.2:

A Coordenação do Programa de Pós-Graduação em Ciência da Computação informa que o período de inscrição para ingresso como "Aluno Especial" dá-se de 12 até 16 de agosto de 2019. O processo será válido mediante entrega da documentação solicitada e valores para cada disciplina, ambos especificados no formulário abaixo.

Formulário de Solicitação de Matrícula 

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:

 

 DEFESAS DE MESTRADO:

 1) Aluno: Hugo Brito Lima

Matrícula: 201720070006.
Titulo: "SongVis: Visualising The Semantics Of Music" 

Orientador: Prof. Dr. Bianchi Serique Meiguins
Data: 26/06/2019.

Hora:09:30 h

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

Banca Examinadora:

1.    Prof. Dr.   Bianchi Serique Meiguins    - Orientador (PPGCC/UFPA)

2.    Prof. Dr. Carlos Gustavo Resque dos Santos - Membro Interno (PPGCC/UFPA)

3.    Prof. Dr. Leonardo José Araújo Coelho de Souza - Membro Externo (UFPA)        

  

         RESUMO

Can a picture accurately represent the contents of a song? In this work we introduce SongVis: an interactive, web-based, visualisation tool that represents semantic features of music. Music, despite being an aural phenomenon, is often depicted by visual means, from the ancient Greeks associating sounds with colors to virtual reality tools nowadays. To develop SongVis we considered: which features are the most important, how to extract them from music files, how to graphically represent these features, how to assemble them into a unique visualisation, how interactions could yield insights and, finally, how successful was this work considering the views of the general public. SongVis allows the comparison of songs by the inspection of their visuals, and this quality can be exploited at tasks such as: browsing music libraries for similar tracks, filtering queries based on visual features, management of music collections or playlists according to the desired visual attributes, etc. Hence, this work looks forward to benefiting the Music Information Research (MIR) field, the Information Visualisation (InfoVis) field and users in general, by providing a useful tool and a step forward at the representation of music semantics. 

Palavras-chave: Music visualisation, semantic descriptors, music information research, information visualization.

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:

 

DEFESAS DE MESTRADO

1)Aluno: Diego Hortêncio dos Santos

Matrícula: 201820070026.
Titulo: "Analisando o Efeito de Diferentes Níveis de Sobreposição Parcial na Percepção de Variáveis Visuais para Dados Categóricos". 

 

Orientador: Prof. Dr. Bianchi Serique Meiguins
Data: 30/05/2019.

Hora:15:30 h

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

Banca Examinadora:

   1.           Prof. Dr. Binachi Serique Meiguins- Orientador (PPGCC/UFPA)

   2.          Prof. Dr. Carlos Gustavo Resque dos Santos (PPGCC/UFPA)

   3.          Profa. Dra. Marcelle Pereira Mota- Membro Interno (PPGCC/UFPA)

   4.          Prof. Dr. Marcelo de Paiva Guimarães- Membro Externo (UNIFESP) 

 

RESUMO  

 A sobreposição de itens visuais em diversas técnicas de visualização é um problema conhecido, potencializado por questões como quantidade de dados e espaço visual disponível. Várias abordagens já foram aplicadas para diminuir o nível de oclusão em visualização de dados, tais como: jitter randômico, utilização de transparência, rearranjo no layout de visualizações, utilização de técnicas de foco+contexto, entre outras. Esta dissertação objetiva apresentar um estudo comparativo do limite percentual de sobreposição parcial e quantidade de valores distintos para diferentes variáveis visuais na representação de dados categóricos. O estudo utilizou um layout em grade onde foram analisadas as variáveis visuais: matiz da cor, luminosidade da cor, saturação da cor, forma, texto, orientação e textura, tendo a quantidade de valores distintos codificados variando de 3 a 5 valores para cada variável visual e os percentuais de sobreposição parcial estudados foram de 0%, 50%, 60% e 70%. Adicionalmente uma ferramenta foi desenvolvida para geração de cenários de visualização de forma automática, captura do tempo de resolução das tarefas e coleta das respostas dos participantes do estudo. Nos cenários gerados os participantes realizaram tarefas de localização de um padrão visual alvo gerado aleatoriamente pela ferramenta. A análise dos resultados mostrou que as variáveis visuais Matiz, Luminosidade e Forma como robustas a percentuais altos de oclusão e aumento gradativo de valores visuais codificados, destaca-se a variável visual Texto com bons resultados para a acurácia e tempo de resolução, a variável visual Textura apresentou problemas de identificação com o aumento do nível de oclusão e quantidade de valores distintos e por fim, as variáveis visuais Orientação e Saturação apresentaram o maior quantitativos de erros durante a realização dos testes marcando, com isso, os piores desempenhos entre as variáveis visuais analisadas. 

Palvras-chave: Avaliação, Variáveis Visuais, Sobreposição.

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

 

DEFESAS DE MESTRADO: 

1) Aluno: Fábio Rocha de Araújo

Matrícula: 201720070004.
Titulo: "ESBA: Hybrid Energy-Saving Vídeo Bitrate Adaptation Algorithm To Deliver Videos With High Quality Of Experience and Energy-Efficiency For Mobile Users ".  

Orientador: Prof. Dr. Denis Lima do Rosário
Data: 29/04/2019.

Hora:13:00 h

Local: Auditório da Faculdade de Matemática.

Banca Examinadora:

1.    Prof. Dr. Denis Lima do Rosário - Orientador (PPGCC/UFPA)

2.    Prof. Dr. Eduardo Coelho Cerqueira - Co-Orientador (PPGCC/UFPA)

3.    Pesquisador Thais Lira Tavares dos Santos - Membro Externo (UFPA)

 

RESUMO

The number of mobile devices that use video streaming applications has been steadily rising year after year. Platforms responsible for providing multimedia service face great challenges in delivering high-quality content for mobile users due to frequent disconnections, often caused by user movements and heavily energy-dependence of mobile devices. A video adaptation approach with Quality of Experience (QoE) and Energy-saving support is a key issue to mitigate these problems, enhancing user QoE, as well as reducing the energy consumption in mobile devices. In this master thesis, we propose a hybrid Energy-Saving video Bitrate Adaptation algorithm (ESBA) to deliver videos with high QoE and energy-efficiency for mobile users. In addition, we consider an Artificial Neural Network (ANN) approach for individual network throughput prediction. Simulation results show the efficiency of ESBA compared to existing adaptation video bitrate algorithms, reducing the number and duration of player stalls, as well as saving energy of mobile devices. Moreover, observing results, we notice that the ANN approach overcomes current throughput prediction approaches present in literature in specific scenarios, permitting the adaptation algorithm to respond more efficiently to network changes. 

Palavras-chave: Energy, HAS, OoE

 

2) Aluno: Felipe Rocha de Araújo

Matrícula: 201720070003.
Titulo: "Mobility Prediction Based on Markov Model With User Similarity Using Location-Based Social Networks Data".  

Orientador: Prof. Dr.  Eduardo Coelho Cerqueira  
Data: 29/04/2019.

Hora:16:00 h

Local: Auditório da Faculdade de Matemática.

Banca Examinadora:

1.    Prof. Dr. Eduardo Coelho Cerqueira   - Orientador (PPGCC/UFPA)

2.    Prof. Dr. Denis Lima do Rosário - Co-Orientador (PPGCC/UFPA)

3.    Pesquisador Thais Lira Tavares dos Santos - Membro Externo (UFPA)

         RESUMO

The increasing availability of location-acquisition technology, e.g., embed GPS in smartphones, has created a new specificity of social networks, known as Location-Based Social Networks (LBSNs). It enables users to add a location dimension to existing online social networks in a variety of ways. In this context, LBSNs users stopped being only consumers to become data producers, offering various research opportunities such as mobility prediction and recommendation systems. In addition, LBSN data contains spatial, temporal, and social features of user activity, providing valuable information that is currently available on a large scale and low-cost form via traditional data collection methods. Several models have been proposed for mobility prediction based on LBSN, where most of them use historical records to identify user and group movements. In this sense, Markov Chain (MC) is one of the statistical models used in user mobility prediction, which aims to find the probability of an event happening given $n$ past events conforming to the order of the model. In this master thesis, we introduce the TEmporal Markov Model with User Similarity (TEMMUS) mobility prediction model. It considers an MC of variable order based on the day of the week (weekday or weekend) and the user similarity to predict the user's future location. The results highlight a higher performance of TEMMUS compared to other predictors.

Palavras-chave: PSN, mobility, prediction 

 

A Coordenação do Programa de Pós-Graduação em Ciência da Computação informa que o período de inscrição para ingresso como "Aluno Especial" dá-se de 25 de Fevereiro à  01 13 de Março de 2019. O processo será válido mediante entrega da documentação solicitada e valores para cada disciplina, ambos especificados no formulário abaixo. 

Formulário de Solicitação de Disciplina

Oferta de Disciplina 2019.1

 

As aulas iniciam-se dia 18 de Março de 2019.