Laboratório de Ciência de Dados e Inteligência Artificial (LCDIA)

LCDIA

 

O Laboratório de Ciência de Dados e Inteligência Artificial (LCDIA) da Universidade de Fortaleza, da Fundação Edson Queiroz, é um ambiente dedicado ao desenvolvimento de projetos de pesquisa e inovação através da análise de dados, da excelência de modelos matemáticos, estatísticos e computacionais, e da aplicação e aprimoramento de técnicas de inteligência artificial, utilizando processamento de linguagem natural, aprendizado de máquina e aprendizado profundo.

 

Buscando solucionar problemas de interesse perante clientes dos setores público e privado, o Laboratório de Ciência de Dados e Inteligência Artificial atua como um espaço para o desenvolvimento de projetos.

Os integrantes do LCDIA utilizam conhecimentos das áreas de Ciência de Dados e Inteligência Artificial na implementação de aplicações práticas para identificar padrões e encontrar soluções otimizadas. O Laboratório também produz conhecimento através de publicações científicas e funciona como um formador de profissionais capazes de aplicar de forma efetiva e interdisciplinar no mercado de trabalho o conhecimento adquirido.

O Laboratório de Ciência de Dados e Inteligência Artificial (LCDIA) está vinculado à Vice-reitoria de Pesquisa da Universidade de Fortaleza.

Podem participar alunos de Graduação (a partir do 3º semestre), Especialização, Mestrado e Doutorado, de qualquer curso, que tenham interesse e disponibilidade para participar de projetos de pesquisa e inovação em Ciência de Dados e Inteligência Artificial.

Pesquisadores

Docente da Universidade de Fortaleza há mais de 30 anos. Ele fez seu doutorado (1997) na Universidade de Aix-Marseille III, França e pós-doutorado(2007) no Laboratório de Sistemas de Conhecimento em Stanford, Califórnia, EUA. Furtado já escreveu mais de 150 artigos científicos em computação com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: simulação multiagente, web semântica, aprendizagem automática e mineração de dados. Tem aplicado suas pesquisas na área de Segurança Pública, Justiça e Cidades Inteligentes. Além da experiência acadêmica tem larga experiência no setor público onde é analista de negócios da Empresa de Tecnologia da Informação do Estado do Ceará. Atuou como Diretor de Tecnologia da Secretaria de Segurança Pública do Estado do Ceará (1997-2004) e, mais recentemente (2013-2016), como vice-presidente e depois presidente da Fundação de Ciência, Tecnologia e Inovação de Fortaleza (CITINOVA). Foi secretário adjunto de planejamento, orçamento e gestão da Prefeitura de Fortaleza (2017-2018). É cientista-chefe do Tribunal de Justiça e do Ministério Público do Estado do Ceará. Bolsista de Desenvolvimento Tecnológico do CNPQ. 

Lattes: http://lattes.cnpq.br/3865660008588988

Possui Bacharelado (2005), Mestrado (2008) e Doutorado (2012) em Física pela Universidade Federal do Ceará (UFC). Foi pesquisador de pós-doutorado no Departamento de Física da UFC (2012-2016) e no Programa de Pós-graduação em Informática Aplicada (2016-2019) da Universidade de Fortaleza (UNIFOR). Atualmente, é professor do Laboratório de Ciência de Dados e Inteligência Artificial, do Mestrado Profissional em Ciências da Cidade da MBA de Ciência de Dados, todos na UNIFOR. Tem experiência na área de Física, com ênfase em Sistemas Complexos, Física Estatística, Matemática Aplicada, Ciência de Dados e Aprendizado e Máquina.

Lattes: http://lattes.cnpq.br/7840327783740008

Professor e Pesquisador da Universidade de Fortaleza, membro do Laboratório de Inteligência Artificial e Ciência de Dados (LCDIA).  Foi pesquisador visitante em Computational Social Sciences na University of Southern California - USC, EUA (2016), com pós-doutorado pela mesma instituição (2015). PhD em Engenharia pela Université de Rennes, França (2013), Mestre em Engenharia Eletrônica e Computação pelo Instituto Tecnológico de Aeronáutica - ITA (2009), Pós-graduado em Administração de Empresas pelo CEAG/FGV-SP (2008), Bacharel em Análise de Sistemas (2002), Tecnólogo em Processamento de Dados (2001), e Técnico em Eletrotécnica (1997). As principais linhas de pesquisa e de desenvolvimento são: Ciência de Dados, Ciências Sociais Computacionais, Agentes Conversacionais, Sistemas Colaborativos.

Lattes: http://lattes.cnpq.br/5686068199608499

Possui Bacharelado, Mestrado e Doutorado em Física pela Universidade Federal do Ceará (UFC). Tem experiência na área de Física, com ênfase em Física Estatística e Termodinâmica, atuando principalmente nos seguintes temas: Sistemas Complexos, Modelagem Computacional e Ciência de Dados. Possui também experiência no setor público, onde atuou como Cientista de Dados Jr. no Instituto de Pesquisa e Estratégia Econômica do Ceará (IPECE). Atualmente exerce o cargo de Professor no Laboratório de Ciência de Dados e Inteligência Artificial (LCDIA) na Universidade de Fortaleza (Unifor).

Lattes: http://lattes.cnpq.br/4214634077827179

Possui grande conhecimento nas áreas de Física Geral e Matemática Aplicada devido ao grande tempo dedicado a pesquisas no campo de Soft Matter, Biofísica, Física Estatística e Machine Learning realizadas tanto no Brasil como fora do país. Habilidades relativas a cálculos matemáticos avançados e linguagem de programação foram sendo aperfeiçoadas destacando conhecimentos analíticos de níveis elevados além da compreensão de linguagens como C#, Fortran, Python, R, CUDA-C, MPI, etc. Ademais, atividades como publicações internacionais, coordenação de alunos de iniciação científica, docência para alunos tanto no ensino médio como no ensino superior e seminarista foram algumas das ações que dediquei maior até o presente momento. Assim, espero que através da troca de experiências eu possa contribuir para o crescimento da instituição de ensino bem com o meu crescimento profissional. 

Lattes: http://lattes.cnpq.br/7015035716946978

Doutora em Ciências da Computação pela Universidade Federal do Ceará (2010), Professora e atual Coordenadora do Programa de Pós-Graduação em Informática Aplicada da Universidade de Fortaleza (PPGIA/UNIFOR). Auditora do Tesouro do Município de Fortaleza. Desenvolve pesquisas na Área de Inteligência Artificial, Linguística Computacional, Processamento de Linguagem Natural, Ciência de Dados e da Web. Atualmente é membro do Comitê Gestor Brasil-Portugal para o desenvolvimento do processamento computacional da língua portuguesa (PROPOR).

Possui doutorado em Informática Aplicada pela Universidade de Fortaleza (2017). Atualmente é professor das disciplinas Teoria dos Grafos, Inteligência Artificial e Ciência de dados dos cursos de graduação em Ciência da Computação e pós graduação em Big Data e Ciência de Dados na mesma universidade. Também coordena projetos de inovação tecnológica no setor produtivo, orientando alunos de graduação, mestrado e doutorado em pesquisas aplicadas. Tem experiência na área de Ciência de Dados com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: Preparação de Dados, Mineração em Grafos e Aprendizado de Máquina. 

Lattes: http://lattes.cnpq.br/4380023778677961

Possui os títulos de Bacharel em Informática pela Universidade de Fortaleza (2002) e de Bacharel em Administração pela Universidade Federal do Ceará (2002). Obteve o título de Mestre em Informática Aplicada pela Universidade de Fortaleza (2006), e sua dissertação foi considerada entre as 10 melhores no XX Concurso de Teses e Dissertações promovido pela Sociedade Brasileira de Computação. Possui o título de Doutor em Ciências da Computação pela Universidade Federal do Ceará e pela Université de Nice-Sophia Antipolis, França (2010), curso realizado em cotutela. Além disso, realizou Pós-Doutorado na Syddansk Universitet, Dinamarca (2011). Atualmente é Professor Titular da Universidade de Fortaleza, afiliado ao Programa de Pós-Graduação em Informática Aplicada (PPGIA). Suas principais áreas de pesquisa são Otimização Combinatória e Pesquisa Operacional, com ênfase em Programação Matemática e Metaheurísticas. Tem experiência em modelagem e resolução de problemas em Logística, Transportes, Produção e Telecomunicações. Possui orientação de alunos de graduação e de mestrado. Publicou mais de 30 trabalhos em periódicos especializados, anais de eventos e capítulos de livro, muitos deles realizados em colaboração com pesquisadores de universidades e centros de pesquisa internacionais. 

Lattes: http://lattes.cnpq.br/7124527215517591

Doutor em Informática Aplicada pela Universidade de Fortaleza (2017). Atualmente é professor do curso de Ciência da Computação e Análise e Desenvolvimento de Sistemas, ministra a disciplina de Cidades Inteligentes no Mestrado Profissional Em Ciências Da Cidade e faz parte do grupo de professores que coordena o Laboratório de Pesquisa e Inovação em Cidades (LAPIN) da Universidade de Fortaleza. Seu tema de pesquisa abrange jogos, animação, realidade virtual, game engines, programação em nível de GPU e visão computacional. Obteve 6 prêmios, 1 deles em nível internacional, mais especificamente: Prêmio Universitário Java (Grupo de Usuários Java do Ceará - CEJUG) em 2008; Prêmio Universitário Felipe Gaucho (Grupo de Usuários Java do Ceará - CEJUG) em 2009; Sony Ericsson Content Awards em 2009; 1º Lugar entre todos os alunos concludentes, em nível de graduação, do Centro de Ciências Tecnológicas (CCT) da UNIFOR, em 2010; 2o Melhor Artigo na Categoria Arte & Design no XI Simpósio Brasileiro de Jogos e Entretenimento Digital (SBGames), da Sociedade Brasileira de Computação (SBC), em 2012; e ficou entre os 3 Finalistas no Concurso de Teses e Dissertações do SBGames da Sociedade Brasileira de Computação (SBC), com menção honrosa (Categoria TESE DE DOUTORADO), em 2018.

 Lattes: http://lattes.cnpq.br/1108754668964591

Possui graduação (bacharelado) em Ciência da Computação pela Universidade Estadual do Ceará (2012), mestrado em Informática Aplicada pela Universidade de Fortaleza (2015) e doutorado em Ciência da Computação pela Universidade Federal do Ceará (2019). É professor vinculado ao Centro de Ciências Tecnológicas da Universidade de Fortaleza (UNIFOR). Tem experiência em pesquisas na área de otimização combinatória, meta-heurísticas, e metodologias híbridas, com ênfase na aplicação em problemas de corte e empacotamento bidimensionais e tridimensionais, planejamento de rotas, e problemas com estrutura em árvores.

Lattes: http://lattes.cnpq.br/4527686499680864

Graduado em Engenharia Elétrica pela Universidade Federal do Ceará (UFC, 1992), Mestre em Eletrônica e Comunicações (Unicamp, 1997), Doutor em Telecomunicações e Telemática (Unicamp, 2000) e Especialista em Gestão Estratégica da Inovação Tecnológica(Unicamp, 2013). Professor Adjunto da Universidade São Francisco-USF em Itatiba-SP (2000). Desde 2001 é professor Titular da Universidade de Fortaleza-UNIFOR. Coordenador do curso de graduação em Engenharia de Telecomunicações de 2001 a 2007. Diretor do Centro de Ciências Tecnológicas da Unifor de 2007 a 2011. Idealizador do Espaço de Desenvolvimento de Empresas de Tecnologia (EDETEC) da Unifor. Coordenador do EDETEC desde 2011. Professor do Mestrado Profissional em Administração (MPA) e Mestrado Profissional em Ciências da Cidade (MPCC) da UNIFOR. Coordenador do FORTEC-NE (Associação Fórum Nacional dos Gestores de Inovação e Transferência de Tecnológica do Nordeste) de 2017-2018. A partir de 2019 integra o Conselho Fiscal do FORTEC. Vice-Presidente da Rede de Incubadoras de Empresas do Ceará (RIC). Autor de trabalhos científicos em congressos nacionais e internacionais. Consultor Ad Hoc da FINEP. Coordenador de projetos de P&D&I realizados por meio de contratos com empresas nacionais e multinacionais e junto aos órgãos financiadores MCTI, CNPq, FINEP, FUNCAP e BNB. Membro da Câmara Setorial de Tecnologia da Informação e Comunicação (CSTIC) da Agência de Desenvolvimento do Estado do Ceará (ADECE). Representante da rede de Núcleos de Inovação Tecnológica do estado do Ceará (REDENIT-CE). Membro do Conselho Fiscal da REDE METROLÓGICA DO CEARÁ - RMCE. Membro de comissão organizadora de eventos científicos nacionais e internacionais. Experiência na elaboração e condução de pedido de patentes nas áreas de biotecnologia, tecnologias e processo mecânicos, dispositivos elétricos-eletrônicos e softwares embarcados. Experiência na gestão de co-desenvolvimento e transferência de tecnologia para a indústria.

Lattes: http://lattes.cnpq.br/0037030950401408

Coordenador: Erneson Alves de Oliveira

Descrição: Este projeto propôs a integração, caracterização e visualização dos dados do sistema público de saúde de Fortaleza através de técnicas de Inteligência Artificial e Ciência de Dados. Em especial, analisamos os dados de Hipertensão Arterial Sistêmica (HAS), Diabetes Mellitus (DM) e Gravidez de Risco (GR) a fim de apoiar políticas públicas de controle do risco cardiovascular da população. O objetivo geral deste projeto foi desenvolver análises quantitativas através de modelos matemáticos e computacionais buscando a definição de indicadores para o entendimento e monitoramento do cenário atual da linha de cuidado da HAS, DM e GR em Fortaleza. As atividades desse projeto foram realizadas entre dezembro de 2019 e novembro de 2020.

Período: dezembro de 2019 a dezembro de 2020

Colaboradores: UNIFOR, SMS e FUNCAP.

Participantes:
Erneson Alves de Oliveira (Coordenador)
Carlos Caminha de Oliveira Neto - Professor
Rafael Almeida Albuquerque - Aluno
João Manoel da Silva Lins Borges - Aluno 

Coordenador: Erneson Alves de Oliveira

Período: junho de 2020 a dezembro de 2020

Descrição: O atual cenário de pandemia devido ao novo coronavírus (COVID-19) mostra-se preocupante com o número crescente de pessoas infectadas. O COVID-19 é capaz de produzir casos sintomáticos, tais como febre, diarréia, e até mesmo insuficiência respiratória e falência de órgãos, e casos assintomáticos. Embora ainda não existe medicamento ou vacina capaz de curar pessoas infectadas pelo COVID-19, existem fortes indícios de que o isolamento social é eficaz no controle de novos casos. Assim, tem-se por objetivo neste projeto o desenvolvimento de um modelo fenomenológico preditivo, a partir de dados de saúde, de mobilidade e socioeconômicos, para estimar os possíveis cenários de abertura de atividades comerciais durante períodos de pandemia, utilizando ciência de dados, inteligência artificial e sistemas complexos. As atividades desse projeto foram realizadas entre julho e dezembro de 2020.

Colaboradores: UNIFOR e FEQ

Coordenador: Luciano Heitor Gallegos Marin

Período: dezembro de 2019 a Novembro de 2020

Descrição: O objetivo geral deste projeto detém-se no desenvolvimento de uma nova versão inovada de chatbot inteligente baseado em sistemas do tipo generation-based para o contexto do portal Fortaleza Digital, do tipo Governance to Customer (G2C), da Prefeitura Municipal de Fortaleza. Este chatbot foi entregue para a CITINOVA dentro do período de 1 ano e integra técnicas de PLN, IA e IHC, para gerar a melhor resposta ao usuário, visando o seu engajamento. O chatbot é capaz de interagir semanticamente, garantindo a sua acessibilidade para cidadãos em geral.

Colaboradores: UNIFOR, CITINOVA e FUNCAP.

Participantes: 
Luciano Heitor Gallegos Marin (Cientista Chefe, Funcap)
Matheus Pirani Mafra (Bolsista Funcap)
Rafael Mauricio Araújo (Bolsista FEQ)
Vanessa Carneiro (Bolsista PPGIA)
João Vitor Rodrigues (Bolsista FEQ)
Bruno Silva (Bolsista CNPq)

Coordenador: Luciano Heitor Gallegos Marin

Período: março de 2020 a abril de 2020

Descrição: O surto epidêmico do COVID-19 gerou grande necessidade de soluções para a alta demanda de pessoas com seus sintomas, muitas delas necessitadas de atendimento médico. Este projeto aborda o Dr. Saúde, um chatbot desenvolvido por alunos e professores da Universidade de Fortaleza, especializado na triagem dos sintomas do COVID-19. Além desta triagem, o Dr. Saúde também é capaz de fornecer mapas geolocalizados de unidades de atendimento de saúde localizados próximo ao cidadão. O Dr. Saúde foi colocado em produção e disponibilizado para a população em abril de 2020 no site da Prefeitura de Fortaleza, ajudando cerca de 3.500 cidadãos por mês.

Colaboradores: UNIFOR, CITINOVA e SMS

Participantes:
Luciano Heitor Gallegos Marin (Líder do projeto, voluntário)
Matheus Pirani Mafra (Voluntário)
Rafael Mauricio Araújo (Voluntário)
Pedro Ivo Azevedo Caliope (Voluntário)
Bruno Silva (Voluntário)
Felipe Strozberg (Voluntário)

Coordenador: Napoleão Nepomuceno

Período: 1º de setembro de 2020 a 31 de agosto de 2022

Descrição: Visa desenvolver, no âmbito do programa cientista-chefe, uma pesquisa para prover o Ministério Público do Estado do Ceará (MPCE) de ferramentas que, ao realizar análises exploratórias de dados estruturados e semiestruturados em bases públicas e/ou próprias, possam contribuir na automação de atividades operativas e investigativas, com foco particular em crimes cometidos por organizações criminosas, como lavagem de dinheiro, sonegação fiscal e fraude à licitação. Serão desenvolvidas também ferramentas de reconhecimento de padrões para realizar a exploração de arquivos de texto, áudio, imagem e vídeo, em tarefas de identificação de pessoas e de extração de dados.

Colaboradores: FUNCAP

Participantes:
Antônio Artur de Holanda (Bolsista)
Ayres de Moura (Bolsista)
Antônio Maurício Brito Junior (Bolsista)
Claudio Henrique Moura Santos (Bolsista)
Fernanda Caroline Alcântara Fernandes (Bolsista)
Mateus Bessa Maurício (Bolsista)
Rafael Bezerra Melo Sousa Lemos (Bolsista)
Daniel Valente de Macedo (Professor)
Danilo de Cavalcante Vasconcelos (Professor)
Napoleão Vieira Nepomuceno (Professor)
Pablo Abreu de Morais (Professor)

Coordenador: Daniel Valente de Macedo

Período: 01/01/2020 - 30/12/2020

Descrição: O objetivo deste projeto é oferecer ao cliente experiências imersivas realistas por meio de uso de tecnologia de Realidade Aumentada e Realidade Virtual para aumentar as vendas e o engajamento dos clientes por meio da customização de um veículo virtual e de todos os seus acessórios disponíveis, tornando o processo de venda muito mais intuitivo, prático e lúdico para todos os envolvidos.

Colaboradores: Ford Motor Company

Participantes:
Eduardo Bruno (Bolsista)
Samuel Madeira (Bolsista)
Anderson Karl (Bolsista)
Carlos David (Bolsista)
Vitor Carvalho (Bolsista)

Coordenador: Daniel Valente de Macedo

Período: 10/02/2021 - 10/08/2021

Descrição: Este projeto tem como principal objetivo desenvolver uma ferramenta WEB de visualização e personalização parametrizada de peças 3D. Com isso, tornando possível a visualização do resultado final de um produto personalizado antes mesmo de comprar, fabricar ou imprimir.

Colaboradores: Ford Motor Company

Participantes: 
Eduardo Bruno (Bolsista)
Anderson Karl (Bolsista)
Carlos David (Bolsista)

Coordenador: Carlos de Oliveira Caminha Neto

Período: 2021 - Atual

Descrição: Neste projeto serão exploradas grandes quantidades de dados de rastreamento de objetos em ambientes fechados. Serão procurados a partir de ações sistemáticas de estratégias de aprendizado de máquina ou outro método adequado, padrões consistentes, como regras de associação ou sequências temporais, para detectar relacionamentos sistemáticos entre variáveis com foco na produção subconjuntos de dados que possibilitem a predição de coordenadas de objetos rastreados em ambientes fechados. 

Participantes:
Carlos de Oliveira Caminha Neto 
Daniel Sullivan
Rafael Albuquerque
Daniel Dantas 

Coordenador: Carlos de Oliveira Caminha Neto

Período: 2020 - Atual 

Descrição: Esta proposta tem como foco a modelagem, automação e melhoria do processo PTU (Protocolo de Transações Unimed) A500. Tal processo é de fundamental importância para a Unimed Ceará, pois tem por objetivo enviar as notas de uma fatura de uma Unimed Prestadora (onde o usuário foi atendido) para a Unimed Origem (detentora do contrato) e será sempre gerado um arquivo para cada fatura. Atualmente, esse processo é feito através do sistema Sabius, que requer uma entrada repetitiva de dados, quinzenalmente, para que sejam gerados os arquivos. 

Participantes:
Carlos de Oliveira Caminha Neto
Matheus Paixão
Erick Lima
Rodrigo Siebra 

Coordenador: Vasco Furtado

Período: 2020 - Atual

Descrição: A área de Processamento de Linguagem Natural (PLN) é uma área da Inteligência Artificial (IA) que destina-se a desenvolver programas de computador que tenham a habilidade de compreender textos escritos em uma língua natural para, por exemplo, extrair dos mesmos informações estruturadas. Especificamente nesse projeto, aplicaremos técnicas e métodos de PLN (Text Mining, Análise Semântica, Machine Learning e Business Intelligence) para extrair e analisar informações dos documentos textuais gerados internamente por sistemas do Tribunal de Justiça (TJ). São elas: entidades mencionadas nos documentos (objetos envolvidos nos processos, reclamantes, reclamados), fatos em ordem temporal para subsidiar análises e pareceres, informações relacionadas à movimentação de presos (em processos criminais), dentre outras de interesse do TJ. 

Participantes:
Carlos de Oliveira Caminha Neto
Vasco Furtado
Vládia Pinheiro
Daniel Sullivan
Vanessa Carneiro
Caio Cesar Ponte Silva
Daniel Dantas
Erneson Oliveira 

Coordenador: Carlos de Oliveira Caminha Neto

Período: 2019 - 2020

Descrição: Atualmente, o Delfos, API de Inteligência Artificial (IA) criada pela Casa Magalhães, conta apenas com um serviço que usa aprendizado de máquina supervisionado para prever se um cliente da Casa Magalhães vai suspender o seu contrato. O presente projeto tem como objetivo aprimorar e evoluir o Delfos para prover serviços de IA para os clientes da Casa Magalhães. A Unifor desenvolverá novos serviços para o Delfos em parceria com a equipe da Casa Magalhães. Serão realizados ciclos de análise de dados com o objetivo de definir modelos capazes de resolver o problema de precificar produtos de acordo com o contexto que os cerca. A cada ciclo – com duração de 2 meses – será desenvolvido um novo serviço para a API do Delfos. Os modelos serão desenvolvidos para aprender e reproduzir o comportamento de um especialista do varejo. 

Participantes:
Carlos de Oliveira Caminha Neto
Caio Ponte
Gabriel Lopes

Financiador(es): Casa Magalhães-CM

Coordenador: Daniel Macedo

Período: 2019 - 2020

Descrição: Este projeto tem como objetivo desenvolver uma solução tecnológica para identificação de lixo e buraco nas ruas utilizando técnicas de Visão Computacional.

Participantes:
Carlos de Oliveira Caminha Neto
Daniel Macedo
Rafael Bomfim
Hebert Rocha
Carlos Mendes

Coordenador: Vládia Pinheiro

Período: 2019 - 2020

Descrição: O projeto proposto tem dois objetivos ortogonais. O primeiro consiste em desenvolver um Sistema de Extração de Informação – XVertebral – baseado em técnicas de Inteligência Artificial (IA) e Processamento de Linguagem Natural (PLN), para, a partir de textos científicos publicados em veículos com boa proveniência, extrair informações sobre diagnósticos, sintomas, características e tratamento de doenças da coluna vertebral. As informações extraídas serão analisadas por especialistas humanos (corpo técnico do ITC Vertebral) para, caso sejam validadas, possam compor a base de conhecimento do sistema de apoio a diagnóstico do ITC. O segundo objetivo é construir um conjunto de rotinas para análise de dados dos sistemas de atendimento do ITC Vertebral visando descobrir padrões consistentes, como regras de associação ou sequências temporais, para detectar relacionamentos sistemáticos entre sintomas, diagnósticos e tratamentos aplicados pelo corpo de fisioterapeutas do ITC Vertebral. A análise de dados permitirá avaliar a padronização de tratamentos e a efetividade dos mesmos. 

Participantes:
Carlos de Oliveira Caminha Neto
Vládia Pinheiro
Daniel Sullivan
Rafael Albuquerque
Vanessa Carneiro 

Coordenador: Carlos de Oliveira Caminha Neto

Período: 2019 - 2020

Descrição: Neste projeto serão exploradas grandes quantidades de dados da Pathfind, uma empresa brasileira que desenvolveu uma ferramenta de roteirização adaptada ao mercado brasileiro. Serão procurados padrões consistentes, como regras de associação ou sequências temporais, para detectar relacionamentos sistemáticos entre variáveis com foco na produção de subconjuntos de dados que possibilitem a caracterização da má utilização do software da Pathfind por parte de operadores de terceiros. Foi observado um cenário onde a má utilização do roteirizador da Pathfind por operadores de terceiros pode ocasionar em grande prejuízo para a empresa. Sempre que a Pathfind adquire um novo cliente é realizado um processo onde o seu roteirizador é instalado e configurado (etapa de implantação) no ambiente do cliente. Após essa implantação, a responsabilidade de utilização é transmitida ao cliente, que comumente define um operador do seu corpo de funcionários para fazer as simulações no roteirizador. Porém, com o passar do tempo, os operadores tendem a não parametrizar criteriosamente o roteirizador, fazendo com que as simulações passem a ter resultados ruins. Esse cenário possibilita que concorrentes da Pathfind apresentem seus roteirizadores e, utilizando uma parametrização correta, apresentem ao cliente resultados melhores. Em alguns casos a Pathfind pode inclusive perder o cliente. O cenário descrito acima motivou a elaboração de um projeto de mineração de dados, cujo objetivo é caracterizar a interação do operador com o roteirizador para descobrir pistas de que os resultados das simulações não estão satisfatórios devido a má utilização do mesmo. Essa caracterização permitirá compreender o fenômeno e alertar a Pathfind para que ela entre em contato com o cliente para corrigir o problema. É destacada como atividade preliminar as análises de dados a implementação de um software validador de templates (30 no total) de dados de clientes da Pathfind. Essa atividade atenderá uma demanda importante da empresa, bem como permitirá que a equipe de mineração de dados se antecipe em relação ao conhecimento dos bancos de dados da Pathfind. Esse validador ainda contará com uma rotina de georreferenciamento de dados dos clientes dos clientes da Pathfind. Outra atividade importante será o desenvolvimento de uma primeira estrutura de BigData para a empresa. Essa estrutura será composta por uma camada de ETL para higienização e padronização de dados, uma camada de Business Intelligence (serão desenvolvidos dashboards para três perfis de usuários) e uma camada de algoritmos de predição e detecção de anomalias (esses algoritmos serão os responsáveis por detectar problemas na utilização do software por parte dos operadores de terceiros). Essa estrutura de BigData estará disponível em um servidor AWS e estará integrada com os bancos de dados dos clientes da PathFind.

Participantes:
Carlos de Oliveira Caminha Neto
Rafael Bomfim
Rafael Albuquerque
Daniel Aragão
Caio Cesar Ponte Silva

Colaboradores: PATHFIND SOLUCOES DE TECNOLOGIA EM LOGISTICA LTDA-PF

Coordenador: Vasco Furtado

Período: 2018 - 2019

Descrição: Neste projeto foram utilizadas técnicas de relacionamento de registros para ligar o cadastro de servidores públicos da SEPOG com diversos cadastros de cidadãos da prefeitura de Fortaleza.

Participantes:
Carlos de Oliveira Caminha Neto
Victor Dantas
Vasco Furtado

Coordenador: Vasco Furtado

Período: 2018 - 2019

Descrição: Este projeto tem por objetivo desenvolver métodos de análise e mineração de dados e ferramentas computacionais que, a partir de uma visão integrada dos dados estaduais, permitam compreender problemas críticos e impactantes ao desenvolvimento do Estado bem como permitem identificar oportunidades de promoção do bem-estar social. Espera-se gerar um ambiente capaz de apoiar a tomada de decisão a partir de dados que indiquem o estado do desenvolvimento econômico e social do Estado. A metodologia básica para que isso seja atingido consiste primeiramente na criação de um repositório integrado de dados e depois numa plataforma de software capaz de explorar os dados de forma transversal e multi-disciplinar. 

Participantes:
Carlos de Oliveira Caminha Neto
Vládia Pinheiro
Vasco Furtado
Hygor Piaget Monteiro Melo
Victor Dantas
Erneson Oliveira 

Coordenador: Carlos de Oliveira Caminha Neto

Período: 2018 - Atual

Descrição: O objetivo principal deste projeto é construir um simulador de vendas de produtos para Pinheiro Supermercados. Esse simulador será desenvolvido a partir da exploração de grandes quantidades de dados do Bom Vizinho. Serão procurados padrões consistentes, como regras de associação ou sequências temporais, para detectar relacionamentos sistemáticos entre variáveis com foco na produção subconjuntos de dados que possibilitem a compreensão da elasticidade de preços e a correlação das vendas dos produtos de suas lojas. O software desenvolvido permitirá simular as receitas ao alterar o preço de uma parte dos produtos da loja.

Participantes:
Carlos de Oliveira Caminha Neto
Caio Ponte
Daniel Sullivan
MELO, HYGOR PIAGET M.
Gabriel Lopes
Rafael Albuquerque
Daniel Dantas 

Coordenador: Carlos de Oliveira Caminha Neto

Período: 2017 - 2017

Descrição: O objetivo principal deste projeto é explorar grandes quantidades de dados da empresa Esmaltec, empresa brasileira, pertencente ao grupo Edson Queiroz e que produz eletrodomésticos há mais de cinquenta anos. Serão procurados padrões consistentes, como regras de associação ou sequências temporais, para detectar relacionamentos sistemáticos entre variáveis com foco na produção de subconjuntos de dados que possibilitem a identificação de desperdício de recursos tanto no ambiente fabril, quanto no sistema de pós-venda da empresa. Os objetivos específicos deste projeto são, primeiro, desenvolver algoritmos para higienizar as bases de dados da empresa, permitindo que as mesmas sejam analisadas por qualquer analista, impossibilitando que impurezas produzidas no processo de alimentação desses dados venham comprometer decisões estratégicas da empresa. Segundo, produzir dashboards a partir dos dados higienizados da empresa, permitindo a interpretação dos mesmos em painéis de visualização disponíveis em tempo real para a gerência da Esmaltec

Participantes: 
Carlos de Oliveira Caminha Neto
Gabriel Lopes
Jean Toniolli
LIMA, LANNA 

Colaboradores: Fundação Edson Queiroz - FEQ

Coordenador: Vládia Pinheiro

Período: 2017 -2020

Descrição: O objetivo geral do projeto é desenvolver um modelo regulatório e de negócio, além de avaliar os impactos na rede elétrica, definir modelos conceituais e formular métricas para avaliação de impactos na mobilidade elétrica, correspondente ao Contrato firmado entre a Universidade de Fortaleza e a Enel. 

Participantes:
Carlos de Oliveira Caminha Neto
Vládia Pinheiro
Caio Ponte
Daniel Sullivan
Hygor Piaget Monteiro Melo
André Lopes
Sarah Mesquita Lima
Erneson Oliveira

Descrição: O projeto proposto consiste em desenvolver um Sistema de Extração de Informação – XVertebral – baseado em técnicas de Inteligência Artificial (IA) e Processamento de Linguagem Natural (PLN) - capaz de extrair informações sobre diagnósticos, sintomas, características e tratamento de doenças da coluna vertebral, a partir de textos científicos publicados em veículos com boa proveniência. As informações extraídas serão analisadas por especialistas humanos fisioterapeutas para, caso sejam validadas, compor a base de conhecimento do sistema de apoio a diagnóstico.

Descrição: Projeto desenvolvido em parceria com a ENEL para definição de modelos de negócio para mobilidade elétrica, indicadores e análise dos impactos sociais, ambientais e elétricos, além do desenvolvimento de simuladores para expansão de postos de recarga.

Descrição: Análise e desenvolvimento de modelos baseados em redes neurais para geração de diálogos fim-a-fim de chatbots (agentes conversacionais) para a língua portuguesa. 

Informações para contato

Laboratório de Ciência de Dados e Inteligência Artificial (LCDIA)

  • Fone de contato: (85) 3477-3889
  • E-mail de contato: lcdia@unifor.br
  • Endereço de contato: Bloco M, Sala M-25