Abstract: A redução das populações de polinizadores, especialmente abelhas nativas, tem gerado impactos relevantes na biodiversidade e na produtividade agrícola em diversas regiões do mundo. No noroeste do Rio Grande do Sul, caracterizado pela coexistência entre áreas agrícolas e remanescentes naturais, observa-se a ausência de soluções tecnológicas sistemáticas para o monitoramento contínuo dessas espécies. Diante desse cenário, esta pesquisa propõe o desenvolvimento e validação de um sistema computacional distribuído, baseado em Internet das Coisas (IoT), redes de comunicação de longo alcance e técnicas de inteligência artificial, com o objetivo de monitorar em tempo quase real a atividade e diversidade de polinizadores. A proposta fundamenta-se na integração de dados multimodais, especialmente sinais acústicos e variáveis ambientais (temperatura, umidade e luminosidade), coletados por dispositivos IoT instalados em campo. A identificação dos polinizadores será realizada por meio de análise acústica, utilizando espectrogramas e técnicas de aprendizado de máquina. A arquitetura do sistema contempla o uso de redes LoRaWAN e soluções híbridas de conectividade, visando garantir comunicação eficiente em áreas rurais com infraestrutura limitada. Para assegurar a confiabilidade da transmissão de dados, serão empregados buffers locais e estratégias de compressão, com a meta de atingir taxa de entrega superior a 95%. Os dados coletados serão processados em pipelines de fluxo contínuo (stream processing), com armazenamento em bancos de dados escaláveis, permitindo análise em tempo quase real e geração de indicadores ecológicos. Como resultados esperados, destacam-se a criação de um protótipo funcional de estações de monitoramento, a implementação de uma rede IoT resiliente, a construção de uma base de dados inédita sobre polinizadores da região e o desenvolvimento de uma plataforma de visualização em tempo real com dashboards e alertas automáticos. Espera-se também a geração de relatórios periódicos sobre tendências populacionais e a produção de conhecimento científico interdisciplinar. Os impactos do estudo abrangem avanços científicos no campo da ecologia computacional e da inteligência artificial aplicada, contribuições tecnológicas para a agricultura de precisão e potencial de inovação econômica por meio de soluções transferíveis ao setor produtivo. No âmbito socioambiental, a proposta visa apoiar a conservação da biodiversidade, possibilitar a detecção precoce de declínios populacionais e promover práticas agrícolas mais sustentáveis. Além disso, contribui para a formação de profissionais capacitados em áreas estratégicas como IA, redes e agronomia.

Abstract: A redução das populações de polinizadores, em especial das abelhas nativas, impacta a biodiversidade e a produtividade agrícola, o que motiva o desenvolvimento de tecnologias de monitoramento contínuo e não invasivo. Entre as abordagens disponíveis, a análise acústica do zumbido produzido pelo batimento das asas destaca-se por permitir a identificação de abelhas de forma automatizada. Este projeto de iniciação científica concentra-se na etapa de análise de dados desse problema, com três frentes articuladas: (i) o levantamento e a caracterização de datasets abertos de áudio de abelhas; (ii) a investigação e a comparação de métodos de identificação por meio de inteligência artificial, contrastando abordagens clássicas (SVM, Random Forest, KNN) e de aprendizado profundo (CNN); e (iii) a implementação e o teste da adequação de embeddings vetoriais e bancos de dados vetoriais para armazenar e processar os áudios. Os experimentos serão conduzidos no ambiente computacional do LARCC. Espera-se entregar uma avaliação comparativa de modelos de classificação acústica e uma metodologia para o armazenamento vetorial eficiente de áudios de abelhas, contribuindo para o monitoramento inteligente de polinizadores.

Abstract: A elaboração de atividades educacionais alinhadas à Base Nacional Comum Curricular (BNCC) constitui uma tarefa essencial para o planejamento pedagógico, porém demanda tempo, conhecimento especializado e constante atenção às habilidades previstas para cada etapa da Educação Básica. Paralelamente, os avanços recentes em Inteligência Artificial, especialmente por meio dos Grandes Modelos de Linguagem (LLMs), têm ampliado as possibilidades de automação na produção de conteúdos educacionais. Entretanto, muitas dessas soluções apresentam limitações relacionadas ao alinhamento curricular e à qualidade pedagógica das questões geradas. Nesse contexto, este trabalho investiga a utilização da técnica de Geração Aumentada por Recuperação (Retrieval-Augmented Generation – RAG) como estratégia para apoiar a geração automática de questões objetivas alinhadas à BNCC. Para isso, será desenvolvida uma arquitetura baseada em RAG integrada a uma base de conhecimento composta por habilidades da BNCC e atividades educacionais previamente validadas. A avaliação da proposta será realizada por meio da comparação entre questões geradas por um modelo de linguagem com e sem recuperação de contexto, considerando critérios de coerência, adequação curricular, qualidade dos distratores e utilidade pedagógica. Espera-se que os resultados contribuam para a compreensão do potencial do RAG como ferramenta de apoio ao trabalho docente, favorecendo a produção de atividades educacionais mais alinhadas às diretrizes curriculares e às necessidades do contexto escolar brasileiro.

Abstract: Este trabalho apresenta um sistema para automatizar a busca de postagem e informações sobre editais de pesquisa, buscando responder perguntas sobre editais com coleta via web scraping, extração e chunking, embeddings em português e indexação.

Abstract: Este projeto busca integrar sensores inteligentes que monitoram continuamente condições ambientais, como temperatura e umidade. O projeto contribui desenvolvendo sistemas automatizados que utilizam sensores conectados a microcontroladores, permitindo a coleta e transmissão de dados em tempo real para bancos de dados otimizados para séries temporais executados em nuvem, também oferece para os operadores integrações e visualização dos dados com interfaces interativas. Além disso, a implementação de processamento de dados permite a detecção de padrões e o disparo imediato de alertas, otimizando a gestão do ambiente e prevenindo falhas. Os principais resultados obtidos demonstram a eficácia do sistema em monitorar as condições ambientais, contribuindo para um melhor gerenciamento de ambientes computacionais e prevenção de falhas nos equipamentos.

Abstract: A exploração de dados não estruturados por meio de modelos grandes de linguagem (LLMs) exige avaliação detalhada de diferentes estágios de processamento, para garantir a viabilidade de sua implementação. Nesse contexto, o projeto RAG-SAPS tem como objetivo extrair e organizar informações presentes nos anais do Salão de Pesquisa Setrem (SAPS), democratizando o acesso ao conhecimento produzido em diferentes áreas de conhecimento na Faculdade Três de Maio. O projeto busca aprimorar a aplicação da engenharia de prompt no ambiente acadêmico, por meio da aplicação de LLMs de código aberto em português, além de otimizar recursos para a implementação eficiente dos diferentes processos RAG (Retrieval-Augmented Generation). A importância dessa abordagem está na capacidade de estruturar informações existentes em documentos PDFs, para permitir o acesso delas por meio de linguagem natural.

Abstract: Neste projeto, o foco está nos aspectos de tecnologia da informação e engenharia da computação envolvidos no armazenamento eficiente de dados de sensores. O aumento no número de dispositivos e sensores, assim como no volume de dados produzidos, exige que esses dados sejam enviados através das redes de computadores até centrais de processamento, onde podem ser armazenados para possibilitar análises. O poder de processamento necessário pode ser oferecido por arquiteturas de servidores alocadas em datacenter, formando ambientes do paradigma de computação em nuvem. No entanto, esses dados precisam ser armazenados de maneira eficiente para serem acessados posteriormente de forma rápida e consistente, o que demanda pesquisa.

Abstract: Estima-se que entre 10% a 25% da safra de grãos é perdida na pós-colheita. A secagem é uma das etapas mais críticas na sequência do processamento do grão para sua correta conservação após a colheita. A secagem de grãos é um processo comumente utilizado na produção de alimentos para remover a umidade do núcleo até que o seu teor seja seguro, geralmente entre 12% a 14% em base úmida. Considerando que a massa do grão é uma quantidade de espaços sólidos e vazios (orifícios) através dos quais um fluido pode passar, a secagem do grão pode ser considerada um problema de meio aberto-poroso acoplado. Diante disso, um modelo matemático e de simulação está sendo proposto para descrever a convecção em um fluxo livre com um obstáculo poroso. A ideia é implementar um esquema de dinâmica de fluidos computacional aplicado à secagem de grãos usando a técnica de discretização por volumes finitos para simular e calcular as soluções numéricas dos estudos de caso. Entretanto, aplicações computacionais desse tipo demandam alta performance, exigindo técnicas de execução concorrente. Através do uso de diferentes interfaces de programação paralela, como OpenMP, TBB, CUDA e OpenACC, é possível a instanciação de fluxos concorrentes de código e execuções em processadores do tipo multi-core e many-core (GPU). Tais arquiteturas estão disponíveis tanto em computadores físicos, como também em ambientes de nuvens computacionais. Encontrar as melhores formas de distribuir o processamento, avaliar interfaces de programação paralela e definir arquiteturas computacionais apropriadas são importantes para garantir a eficiência das execuções da aplicação. O projeto contribui com simulações que oferecem a correta compreensão, modelagem e construção de silos e secadoras de grãos. O processo aqui proposto pode ser aplicado a qualquer tipo de grão e eventualmente expandido para simulações de outros problemas de meios porosos. Além disso, as simulações customizadas demandarão de pouco tempo de processamento, graças ao uso do processamento paralelo. Palavras Chave: Simulação Computacional, Secagem de Grãos, Processamento de Alto Desempenho, Programação Paralela, Computação em Nuvem.

Abstract: Existe uma crescente preocupação para o aumento da produção de alimentos no mundo. Um relatório da Embrapa aponta que a produtividade precisa aumentar em pelo menos 35% para suprir a demanda mundial até 2030. Por isso, precisamos de soluções que ajudem a melhorar a produtividade nas áreas de terra disponíveis para a semeadura de diferentes culturas. Esse projeto busca contribuir com a produção de milho através do emprego da tecnologia da informação. O problema em questão é como acelerar a medição da densidade de plantas de milho para estimar o rendimento de grãos de uma plantação. No cálculo de estimativa de produção, a medição da densidade de planta é uma das tarefas mais demoradas e tem grande impacto no resultado final. A motivação é auxiliar produtores e agrônomos no cálculo de estimativa de produção para tomar decisões mais rápidas e assertivas em diferentes estágios fenológicos do milho e, consequentemente, aumentar a produção e evitar desperdícios. A solução proposta é trabalhar com análise de imagens capturadas a partir de Veículos Aéreos não Tripulados (VANT), usando técnicas/modelos de inteligência artificial para medir a densidade das plantas de milho. O resultado esperado é eliminar a necessidade de uma pessoa realizar a medição da densidade, que pode ser errônea, imprecisa e muitas vezes impraticável em detrimento da extensão da área plantada.

Abstract: The class of stream processing applications represents different important processing domains (e.g., image, video, audio, and unstructured data produced by sensors). The project challenge is to enable these applications to run in cloud computing environments rather than running in traditional high-performance processing centers. The cloud computing model enables greater control over the resources and the user can pay-per-use. The elasticity (increase and decrease the use of computational resources) of these environments allows users to save money when stream processing applications support the proper on-demand resource provisioning. This scenario is quite interesting and appropriate to be investigated in these applications since the intensity of the data flow varies and the computational cost of the operation is often irregular for each item/task being processed. Our goal in this project is to investigate different ways of exploiting parallelism and automatic elasticity. In addition, we intend to provide efficient stream parallelism support for a set of applications from this domain in the cloud.

Abstract: Aplicações de streaming estão cada vez mais presentes em nossos sistemas atendendo diversos tipos de usuários. Com os recentes avanços tecnológicos, elas vêm sendo exploradas e desafiadas a resolverem problemas importantes para a humanidade em áreas como a medicina (análise de imagens médicas para descoberta de doenças), transporte (carro autônomo e monitoramento de tráfego), agricultura (monitoramento de pragas e otimização no uso de pesticidas) e segurança (para monitoramento e detecção de indivíduos). Um dos desafios nestas aplicações é a exploração do paralelismo para atender uma determinada qualidade de serviço associada a vazão e a latência. A característica básica de uma aplicação de stream é ter um conjunto contínuo de itens/instruções/tarefas (em sua maioria infinito) que fluem naturalmente através de uma sequência de operações, computando sobre cada elemento do stream. Sem este fim determinado, os dados não podem ser simplesmente particionados e mapeados para unidades de processamento paralelas. Além disso, também existe uma dependência entre as operações, onde cada operação consome uma entrada de dados produzida pela operação anterior e produz na saída o resultado do processamento para a próxima operação, assemelhando-se a uma linha de produção. Outro desafio é permitir que estas aplicações possam executar em ambientes de nuvens computacionais ao invés de executar nos tradicionais centros de processamento de alto desempenho. O modelo de computação em nuvem permite um controle maior sobre os recursos e o usuário pode pagar somente pelo que usa. Ao mesmo tempo, é possível ter acesso instantaneamente a um grande poder computacional sem mesmo ter que adquirir o hardware. A elasticidade (aumentar e diminuir o uso de recursos computacionais) destes ambientes possibilita a diminuição dos custos quando as aplicações de streaming são preparadas para fazer a utilização adequada e sob demanda dos recursos. Este cenário é bem favorável e apropriado para ser explorado nestas aplicações, uma vez que a intensidade do fluxo contínuo de dados varia e o custo computacional da operação muitas vezes é irregular para cada item/tarefa a ser processada. Ciente destes desafios, o projeto tem como objetivo investigar diferentes formas de explorar o paralelismo e a elasticidade automática, bem como fornecer o suporte eficiente a um conjunto de aplicações de streaming aliando estas duas propriedades importantes.

Abstract: Plataformas de computação em nuvem permitem que os desenvolvedores usem de forma eficiente e abstrata os recursos computacionais da nuvem e ao mesmo tempo desenvolvam aplicações inteligentes e modernas. Atualmente, existem diversas plataformas disponíveis em ambientes de nuvem pública e privada. É um desafio para as empresas e programadores escolherem de forma assertiva a plataforma apropriada para o desenvolvimento do seu sistema. Nesta nova era da tecnologia da informação, a computação em nuvem permite com que os recursos computacionais e sistemas possam ser facilmente acessados através da internet. Isso é devido a evolução das plataformas que permitem ao desenvolvedor criar aplicações mais robustas e sofisticadas. O desafio deste projeto é classificar e caracterizar estas plataformas existentes para simplificar a escolha no projeto de software. Além disso, permitir a descoberta de lacunas para possibilitar pesquisas futuras na área deste projeto, melhorando ainda mais o processo de desenvolvimento de sistemas inteligentes e modernos na nuvem.

Abstract: Este projeto tem como objetivo a implantação de um ambiente de nuvem privada com a plataforma OpenStack. O objetivo principal é fazer uma prova de conceito em uma infraestrutura típica, composta por quatro servidores idênticos e configurados em cluster. Além disso, serão avaliados e implantados diferentes tipos de instâncias na nuvem (Kernel-based, Container-Based). A implantação contemplará ambientes homogêneos e heterogêneos, os quais são trabalhados de forma didática e prática durante a realização do projeto. O foco principal das avaliações serão o desempenho e as limitações que os ambientes implantados irão oferecer. Por isso, uma série de testes serão executados. Como resultado, espera-se a produção de manuais das implantações e relatório técnico das análises efetuadas, a fim de entender o funcionamento da plataforma de nuvem e de identificar a melhor forma de implantar a nuvem privada ciente do desempenho, diante das limitações impostas pelo uso do hardware.

Abstract: Em diversas áreas da ciência existem algoritmos que demandam um elevado custo computacional. Uma alternativa para acelerar a execução destes algoritmos consiste na execução concorrente do código, tornando a obtenção das soluções numéricas factível ou obtidas em um tempo de processamento aceitável. Arquiteturas multicore e aceleradores com vários núcleos de processamento têm sido amplamente utilizados como uma alternativa eficiente e viável na busca por maior poder de processamento. Sistemas modernos são compostos por processadores multicore e aceleradores altamente especializados tais como GPUs e co-processadores Intel Xeon Phi. No entanto, fazer uso desse tipo de arquitetura requer aspectos de programação distintos, e que, portanto, devem ser investigados apropriadamente para garantir a maximização do aproveitamento dos recursos computacionais. Assim, usando diferentes interfaces de programação paralela combinadas, é possível comparar e analisar modos de se obter o melhor aproveitamento do hardware e consequentemente prover execuções mais eficientes para os programas. Baseado neste contexto, esta pesquisa investiga como explorar diferentes formas de paralelismo para diversas classes de aplicações usando interfaces de programação paralelas apropriadas, avaliar o desempenho de arquiteturas atuais e propor técnicas de divisão paralela da aplicações. O uso de diferentes interfaces de programação permite fazer uso de um conjunto maior de arquiteturas computacionais como multiprocessadores/multicore, manycore/coprocessadores e multicomputadores. Desta forma será possível prover maior desempenho na execução de aplicações científicas e comerciais em arquiteturas atuais e, consequentemente, ter soluções mais rápidas e/ou precisas, além de usar e propor algoritmos para a avaliação de arquiteturas computacionais.

Abstract: A computação em nuvem vem se tornando cada vez mais uma alternativa na utilização de grandes infraestruturas de processamento (IaaS), softwares (SaaS) e plataformas de desenvolvimento (PaaS). O modelo IaaS pode ser encarado pelo usuário como uma forma de diminuição de custos em infraestrutura, pois as ferramentas de administração para este fim, trabalham diretamente com tecnologias de virtualização. Assim, permitindo que servidores sejam criados e os recursos provisionados de forma simples e estruturada. A demanda existente de ferramentas de administração de nuvens nos coloca em uma situação em que é essencial analisar e comparar o desempenho e estimar qual delas apresenta a melhor utilização dos recursos computacionais. Este projeto tem como objetivo abordar questões de desempenho em diversos tipos de aplicações sobre um ambiente de computação em nuvem privado, implantando com diferentes ferramentas de administração do modelo IaaS. Por exemplo, aplicações de caráter empresarial/corporativo (serviços web) e científico (computação de alto desempenho). O desafio deste projeto é encontrar a melhor combinação de virtualizador e ferramenta de administração de nuvem para determinados tipos de aplicações. Para isso, os resultados esperados são: (I) avaliação e comparação das características das aplicações e da infraestrutura da nuvem, proporcionando uma visão geral e possíveis tendências do desempenho; (II) identificar padrões comportamentais das ferramentas e relacionar com as características das aplicações para simplificar as escolhas; (III) criar benchmarks customizáveis ao ambiente de uma empresa para prever o comportamento na nuvem; (IV) identificar possíveis gargalos de desempenho e propor soluções eficientes; (V) proposta de novas pesquisas para atender as necessidades futuras do ambiente corporativo.