Na noite do dia 17 de junho, nas dependências da Sociedade Educacional Três de Maio – SETREM, os membros do LARCC Djalma e Claudio e Larissa apresentaram seus trabalhos de conclusão de curso. Djalma é aluno do Curso Superior de Tecnologia em Redes de Computadores enquanto que Claudio e Larissa são do Curso Bacharelado em Sistemas de Informação.
O trabalho desenvolvido pelos acadêmicos Claudio Scheer e Larissa Guder teve como objetivo realizar uma revisão sistemática da literatura sobre o uso de deep learning (aprendizado de máquina profundo) na agricultura. Este aprendizado de máquina é feito usando modelos de redes neurais, os quais se assemelham ao cérebro humano. O tema agricultura foi propositalmente escolhido por ser muito importante na região noroeste do estado do Rio Grande do Sul. Através desta pesquisa, outros pesquisadores poderão ter de forma sumarizada uma visão sobre quais são as soluções de deep learning já apresentadas para diversas áreas da agricultura. Além do mais, no decorrer do trabalho, são apontadas pesquisas que ainda precisam ser desenvolvidas no Brasil e no mundo.
A pesquisa desenvolvida pelo acadêmico Djalma teve como objetivo a criação de um modelo conceito para monitoramento e gerenciamento de smart datacenters. Os datacenters são infraestruturas computacionais de grande porte que servem hoje as principais empresas, as quais possuem seus softwares e serviços computacionais instalados. Essa pesquisa contribuiu com o processo de automatização e organização dos requisitos para implementação de um gerenciamento e monitoramento mais inteligente neste tipo de infraestrutura. A partir do modelo criado, foi implementado no datacenter do Laboratório de Pesquisas Avançadas para Computação em Nuvem (LARCC), o gerenciamento inteligente da temperatura para evitar o superaquecimento, bem como o gerenciamento do consumo energético dos servidores para que funcionem por mais tempo mesmo com pouca energia disponível.
A seguir são apresentados os títulos e os resumos de cada uma das pesquisas.
Autores: Claudio Scheer, Larissa Guder
Orientador: Prof. Dr. Dalvan Griebler
Título: Deep Learning in Agriculture: A Systematic Literature Review
Resumo: Com o crescimento do poder computacional, algoritmos de deep learning atingiram bons resultados em inúmeras áreas. Agricultura é uma das áreas que estão aplicando estes algoritmos nos mais variados domínios. Portanto, este trabalho apresenta uma revisão sistemática da literatura sobre o uso de deep learning na agricultura. Foram considerados artigos de janeiro de 2012 até abril de 2019. Dos 819 artigos encontrados, 230 papers foram classificados. Neste trabalho foram avaliadas as técnicas de deep learning utilizadas, culturas abordadas, utilizados, desafios relacionados à agricultura e deep learning, e entre outros importantes. Os resultados apresentados mostraram que deep learning é aplicada com sucesso em diversas áreas da agricultura. Na pecuária, por exemplo, a maioria dos resultados atingiram 95% de acurácia. No total, 47.2% dos artigos atingiram acurácia maior que 95%. Isso mostra que ainda há muito trabalho a ser feito na área de deep learning na agricultura. Sendo assim, as análises apresentadas neste trabalho são de extrema importância para dar suporte a novas pesquisas que buscam aplicar deep learning na agricultura, e também para definir as possíveis lacunas a serem exploradas.
Autor: Djalma Teixeira
Orientador: Prof. Dr. Dalvan Griebler
Co-orientador: Prof. MSc. Adriano Vogel
Título: Modelo Conceitual de Monitoramento e Gerenciamento para Smart DataCenters
Resumo: A demanda por datacenters inteligentes vem aumentando consideravelmente devido a complexidade de gerenciamento das infraestruturas atuais, que ocorre devido à crescente necessidade por recursos computacionais dentro das organizações. O presente trabalho tem como objetivo propor um modelo de gerenciamento e monitoramento inteligente para datacenters e testar sua eficácia através da implantação parcial do mesmo. Foi realizado um levantamento completo da infraestrutura física, rede lógica e dos serviços na infraestrutura de TI do LARCC. Por meio dos resultados obtidos, foi feita a classificação do datacenter do laboratório de acordo com os requisitos exigidos pelo norma ANSI TIA 942. Através da análise e da pesquisa realizada por trabalhos relacionados, foi elaborado um modelo conceitual para monitoramento e gerenciamento inteligente para infraestruturas computacionais, o qual foi dividido em cinco grande áreas: climatização, energia, computação, rede e segurança. Também foram definidos os eventos que afetam estes elementos, como monitorá-los e como gerenciá-los baseando-se na abordagem de computação autônoma. Com isso, foram implantados os modelos referentes a temperatura e energia, que utiliza ações reativas para abordar e conter consequências de superaquecimento e queda de energia. Para implementação deste fluxo de ações foi utilizada a ferramenta Zabbix, e sua função de execução de comandos remotos para aplicação prática do modelo. Conclui-se que o modelo conceitual proposto tem maior eficácia na contenção de eventos críticos que possam vir a afetar a infraestrutura estes resultados foram testados e validados na prática para os elementos de temperatura e energia.
Da esquerda para direita: Fernando Pinheiro (avaliador), Adriano Vogel (co-orientador), Djalma Teixeira (aluno), Priscila Guarienti (avaliadora), Dalvan Griebler (orientador).
Da esquerda para direita: Priscila Guarienti (avaliadora), Larissa Guder (aluna), Claudio Scheer (aluno), Samuel de Souza (avaliador) Dalvan Griebler (orientador), Adriano Vogel (avaliador), Tiago Seibel (avaliador).
