Navegando por Autor "Lopes Júnior, Márcio Luiz Bezerra"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
TCC Desenvolvimento de um Chatbot usando redes de aprendizado profundo(Universidade Federal do Rio Grande do Norte, 2018-12-17) Lopes Júnior, Márcio Luiz Bezerra; Brito Júnior, Agostinho de MedeirosApresenta o desenvolvimento de um chatbot voltado à comunidade acadêmica da UFRN utilizando técnicas de aprendizado profundo, com o objetivo de auxiliar discentes e funcionários a realizar consultas e sanar dúvidas mais rapidamente e a qualquer momento. Para isso, foram construídas uma rede neural convolucional capaz de identificar o que o usuário deseja, uma estrutura de banco de dados capaz de alimentar esta rede, e sequências de consultas e respostas capazes de solucionar o problema do usuário. O sistema foi testado com diversas configurações até ser encontrada uma que obteve resultados satisfatórios para cada tipo de entrada esperado.Dissertação Stratification of preterm birth risk in Brazil through unsupervised learning methods and socioeconomic data(Universidade Federal do Rio Grande do Norte, 2022-04-29) Lopes Júnior, Márcio Luiz Bezerra; Fernandes, Marcelo Augusto Costa; Barbosa, Raquel de Melo; https://orcid.org/0000-0001-7536-2506; http://lattes.cnpq.br/3475337353676349; http://lattes.cnpq.br/0833804654660654; Chiavegatto Filho, Alexandre Dias Porto; Silva, Ivanovitch Medeiros Dantas da; https://orcid.org/0000-0002-0116-6489; http://lattes.cnpq.br/3608440944832201; Dias, Leonardo AlvesNascimento prematuro (PTB) é um fenômeno que traz riscos e desafios à sobrevivência de um recém-nascido. Apesar de muitos avanços na pesquisa, nem todas as causas do PTB estão bem definidas. Atualmente, entende-se que risco de PTB é multifatorial e que pode, também, estar associado a fatores socioeconômicos. Objetivando analisar essa possível relação, este trabalho busca estratificar o risco de PTB no Brasil utilizandose apenas de dados socioeconômicos, extraindo e analisando clusters que apresentarem divergência relevante de PTB, todos os quais serão descobertos por processos de clusterização automáticos usando uma série de métodos de aprendizagem de máquina nãosupervisionada. Através do uso de bancos de dados públicos disponibilizados pelo Governo Federal do Brasil, um novo banco de dados foi gerado com dados socioeconômicos a nível municipal e uma taxa de ocorrência de PTB. Esse banco de dados foi processado utilizando dois métodos de clusterização distintos, ambos construídos através da união de métodos de aprendizagem não-supervisionada, tais como k-médias, análise de componentes principais (PCA), clusterização espacial baseada em densidade de aplicações com ruído (DBSCAN), mapas auto-organizáveis (SOM) e clusterização hierárquica. Os clusters com alto PTB foram formados majoritariamente por municípios com baixos níveis educacionais, com pior qualidade de serviços públicos – como saneamento básico e coleta de lixo – e com populações mais brancas. A distribuição dos clusters também foi observada, com clusters com alto PTB concentrados nas regiões Norte e Nordeste. Os resultados indicam, uma influência positiva da qualidade de vida e da oferta de serviços públicos na redução do risco de PTB.