Ciência Aberta - Produção Discente em Destaque

AUTOMAÇÃO E DIGITALIZAÇÃO DE SERVIÇOS: UMA ABORDAGEM BASEADA EM KDD

Johnny Willian Bussolaro — 2025-12-11

A automação e digitalização de serviços têm ganhado relevância significativa nas organizações modernas, principalmente devido à necessidade urgente de aumentar a eficiência e melhorar a experiência do cliente. No contexto atual, em que a transformação digital se torna um imperativo, a análise de dados emerge como uma ferramenta chave que pode catalisar este processo. De acordo com (Ferreira, 2019), a utilização de metodologias de extração de conhecimento permite às empresas não apenas otimizar suas operações, mas também tomar decisões informadas baseadas em dados relevantes. Assim, a implementação do KDD (Knowledge Discovery in Databases) se torna fundamental para o sucesso desta jornada de digitalização, pois possibilita a transformação de grandes volumes de dados em insights úteis. No entanto, a situação-problema que permeia a automação de serviços está na resistência à mudança e na dificuldade de integração das novas tecnologias nos processos existentes. A falta de uma abordagem estruturada muitas vezes resulta em ineficiências operacionais, comprometendo os objetivos de desempenho das organizações. (Falbo, 2004) destacam que muitas empresas não conseguiram alinhar suas estratégias de automação com suas práticas de gestão, o que resulta em um baixo retorno sobre investimento. Assim, o desafio enfrentado por muitas organizações é a criação de um ambiente que promova a automação eficiente associada a uma boa gestão de dados, o que se reflete na necessidade de uma abordagem baseada em KDD. Para enfrentar esses desafios, este artigo propõe um sistema que utiliza técnicas de KDD para fortalecer a automação e a digitalização de serviços, permitindo a análise e interpretação eficaz dos dados. A pesquisa de (Guarino, 1998) indica que o uso de ferramentas de análise de dados pode melhorar a acurácia e a velocidade das decisões operacionais, potencializando a eficiência dos processos. Desta forma, a proposta não apenas busca atender às expectativas das empresas contemporâneas, mas também contribuir para o desenvolvimento de soluções inovadoras que favoreçam uma gestão mais eficaz das tecnologias de informação. Por fim, a justificativa para esta pesquisa se fundamenta na crescente necessidade de as organizações se adaptarem rapidamente às mudanças e às exigências do mercado. O uso de um modelo baseado em KDD não fornece apenas uma abordagem teórica robusta, mas também uma aplicação prática que pode trazer vantagens competitivas. Segundo (Ferreira, 2019), adotar uma estratégia de gestão de dados bem definida se tornou uma diretriz essencial para empresas que desejam não apenas sobreviver, mas prosperar no ambiente digital. Portanto, este artigo visa esclarecer como a automação, alinhada ao KDD, pode ser uma solução eficaz para os desafios atuais das organizações.

CLOUD COMPUTING PARA MACHINE LEARNING

Welton Henrique Silva Teixeira — 2025-12-11

Esse artigo foi construído em prol de verificar e analisar o funcionamento de Cloud Computing quando utilizado para Machine Learning. Isso foi feito por meio da experimentos de estresse, comparando serviços de nuvem com uma um hardware local, utilizando-se de gráficos e comparando dados com de companhias de escalas maiores. Resultados mostraram que mesmo quando se tratava de empresas de grande porte da tecnologia, os gastos com servidores locais ou até mesmo híbridos crescem em proporção direta ao volume de dados, podendo se tornar financeiramente proibitivos em projetos de Big Data. Por fim, serviços de nuvem se mostraram extremamente eficazes e eficientes para lidar com a elasticidade e processamento de dados de um projeto de Machine Learning, além de mostrar que servidores mostram desempenho superior, quando se trata de dados estáticos ou muito sensíveis, não o inutilizando no mercado.

DA ELETRÔNICA DIGITAL À COMPUTAÇÃO QUÂNTICA

Vinícius Rodrigues dos Santos — 2025-12-11

A computação clássica, baseada em bits binários e operações determinísticas, é amplamente utilizada para resolver problemas de otimização por meio de ferramentas como o Solver, que aplicam métodos de programação matemática e heurística. Contudo, à medida que a complexidade aumenta, a busca exaustiva torna-se computacionalmente inviável devido ao crescimento exponencial do espaço de soluções. Nesse contexto, a computação quântica surge como alternativa promissora, fundamentada no uso de qubits, que exploram princípios como superposição e emaranhamento para processar múltiplas possibilidades em paralelo. Entre os algoritmos relevantes, destaca-se o de Grover, capaz de reduzir o número de interações necessárias em problemas de busca de O(N) para O(√

DO MONÓLITO AO MILHÃO DE USUÁRIOS

José Roberto Paes Barbosa Junior — 2025-12-11

Este artigo apresenta um estudo detalhado sobre estratégias arquiteturais para escalar uma aplicação web desde um estágio inicial simplificado até atingir a capacidade de suportar um milhão de usuários simultâneos. O objetivo central consiste em propor um roteiro incremental de evolução arquitetural que contempla a separação entre aplicação e banco de dados, utilização de balanceadores de carga, replicação de dados, aplicação de cache, escalabilidade automática e mensageria para processamento assíncrono. A metodologia adotada baseou-se em revisão bibliográfica em obras de referência, artigos técnicos e documentação de provedores de nuvem, além da análise de práticas relatadas por empresas líderes em tecnologia. Os principais resultados demonstram que a adoção gradual dessas práticas reduz gargalos de desempenho, melhora métricas de latência p95 e p99, aumenta a disponibilidade do sistema e proporciona elasticidade financeira em ambientes de nuvem. Conclui-se que a aplicação planejada dos princípios de design de sistema não apenas prepara profissionais para entrevistas técnicas, mas também contribui significativamente para a construção de sistemas robustos, escaláveis e tolerantes a falhas, capazes de atender às demandas do mercado digital contemporâneo.

ANÁLISE COMPARATIVA DAS TECNOLOGIAS DE MEMÓRIA RAM DDR4 E DDR5

Gustavo Takeshi Sassada Kumakawa — 2025-12-11

Este trabalho realiza uma análise comparativa entre as tecnologias de memória RAM DDR4 e DDR5, investigando o impacto prático de suas evoluções arquitetônicas. A metodologia adotada baseou-se em pesquisa descritiva, com levantamento de especificações técnicas e análise de dados de benchmarks provenientes de fontes especializadas. A investigação mostrou que a tecnologia DDR5 representa um avanço significativo, apresentando inovações como a arquitetura de subcanais independentes e o PMIC, que proporcionam uma largura de banda consideravelmente maior. Testes práticos confirmaram que essa superioridade se traduz em ganhos de desempenho concretos em tarefas intensivas em dados, como compressão de arquivos e transcodificação de vídeo. No entanto, a análise também revelou que os benefícios da DDR5 não são universais; em cenários limitados pelo desempenho da CPU, como na renderização, a diferença de performance é mínima, destacando a memória DDR4 de alta qualidade como uma opção de excelente custo-benefício. Conclui-se, portanto, que a escolha entre as duas tecnologias não depende de superioridade absoluta, mas sim de adequação ao uso e ao orçamento, consolidando a DDR5 como padrão para construções futuras e a DDR4 como uma alternativa valiosa para o presente.

ESTUDO DE CASO DA APLICAÇÃO DE SENSORES IOT PARA MONITORAMENTO DE TRÁFEGO URBANO EM UM CONTEXTO DE CIDADES INTELIGENTES

Guilherme da Silva Vitorino — 2025-12-11

A crescente urbanização e o consequente aumento da frota veicular têm imposto desafios significativos à gestão da mobilidade urbana nas cidades contemporâneas. Congestionamentos, poluição e acidentes são problemas recorrentes que afetam a qualidade de vida dos cidadãos e a sustentabilidade ambiental. Diante desse cenário, a emergência das Cidades Inteligentes, impulsionadas pela Internet das Coisas (IoT), surge como uma solução promissora para otimizar a gestão do tráfego. Este artigo apresenta um estudo de caso exploratório e descritivo sobre a aplicação de sensores IoT para o monitoramento e gestão do tráfego urbano. Por meio de uma revisão bibliográfica sistemática, foram identificados os tipos de sensores, as tecnologias de comunicação e as arquiteturas de sistemas IoT empregadas. A análise de estudos de caso reais demonstra os benefícios alcançados, como a redução de congestionamentos, a otimização do tempo de viagem e a melhoria da segurança viária. Discute-se também os desafios inerentes à implementação dessas soluções, incluindo custos, privacidade de dados e interoperabilidade. Conclui-se que a integração de sensores IoT em sistemas de monitoramento de tráfego é fundamental para o desenvolvimento de cidades mais eficientes, seguras e sustentáveis, contribuindo significativamente para a mobilidade urbana do futuro.

MACHINE LEARNING

Flávio de Moraes Camargo — 2025-12-11

Este artigo analisa a utilização da linguagem de programação Python no mercado financeiro, destacando suas vantagens, bibliotecas disponíveis e potenciais
aplicações práticas. A partir de revisão bibliográfica e análise de estudos recentes, verifica-se que o Python se consolidou como uma das linguagens mais relevantes do setor, em razão de sua versatilidade, ampla comunidade de suporte e integração com bibliotecas voltadas à análise de dados, modelagem estatística e aprendizado de máquina. As aplicações identificadas abrangem desde a análise de séries temporais até o desenvolvimento de algoritmos de negociação automatizada, configurando o Python como uma ferramenta essencial para profissionais e pesquisadores da área.