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.