Faculdade de Tecnologia de Praia Grande (Praia Grande) https://ric.cps.sp.gov.br/handle/123456789/13758 2026-05-25T09:16:33Z 2026-05-25T09:16:33Z PIRES, Guilherme Ozores VIEIRA, Gustavo Pereira https://ric.cps.sp.gov.br/handle/123456789/44663 2026-05-21T17:41:07Z 2025-06-01T00:00:00Z

Title: Além das métricas: análise de comportamento preditivo na seleção de modelos de machine learning para o risco de diabetes. Authors: PIRES, Guilherme Ozores; VIEIRA, Gustavo Pereira Abstract: "O Diabetes Mellitus tipo 2 é uma doença crônica com prevalência crescente, representando um significativo desafio para a saúde pública. A detecção precoce é um fator crucial para a prevenção de complicações graves e, neste contexto, o objetivo deste trabalho foi desenvolver e avaliar um modelo preditivo de aprendizado de máquina para identificar indivíduos de alto risco, utilizando o dataset PIMA Indians Diabetes como estudo de caso. A metodologia envolveu um rigoroso pipeline de pré-processamento, seguido da avaliação de nove algoritmos através de métricas quantitativas (AUC, Recall), otimização de limiar e, de forma decisiva, uma validação qualitativa com perfis clínicos sintéticos. Os resultados demonstraram que a análise de plausibilidade foi indispensável para desqualificar algoritmos com altas métricas que apresentaram comportamentos de risco, como o Gradient Boosting. Este processo consagrou o modelo Random Forest como a solução superior, por apresentar o melhor equilíbrio entre performance quantitativa e um comportamento preditivo seguro e coerente. Conclui-se que a validação de comportamento clínico é uma etapa indispensável no desenvolvimento de ferramentas de IA responsáveis para a saúde, superando a avaliação baseada unicamente em métricas estatísticas. "; Type 2 Diabetes Mellitus is a chronic disease with a growing prevalence, representing a significant public health challenge. Early detection is a crucial factor in preventing severe complications, and in this context, the objective of this work was to develop and evaluate a predictive machine learning model to identify individuals at high risk, using the PIMA Indians Diabetes dataset as a case study. The methodology involved a rigorous preprocessing pipeline, followed by the evaluation of nine algorithms through quantitative metrics (AUC, Recall), threshold optimization, and, decisively, a qualitative validation with synthetic clinical profiles. The results showed that, although several models had high metric performance, the plausibility analysis was indispensable for disqualifying algorithms with high-risk behaviors, such as Gradient Boosting. This process established the Random Forest model as the superior solution, presenting the best balance between quantitative performance and safe, coherent predictive behavior. It is concluded that the validation of clinical behavior is a fundamental behavior. It is concluded that the validation of clinical behavior is a fundamental step for the development of responsible AI tools for healthcare, surpassing evaluations based solely on statistical metrics.

2025-06-01T00:00:00Z SOUZA, João Victor SILVA, Wellington Marques da https://ric.cps.sp.gov.br/handle/123456789/44594 2026-05-19T17:45:30Z 2025-05-24T00:00:00Z

Title: Segurança intrínseca em IoT: comparativo de Rust e C++ na prevenção de vazamentos de memória. Authors: SOUZA, João Victor; SILVA, Wellington Marques da Abstract: Este artigo investiga os mecanismos de segurança de memória oferecidos pela linguagem Rust em comparação com o C++ em aplicações de Internet das Coisas (IoT). A segurança de memória é um aspecto crítico em sistemas embarcados, onde falhas como buffer overflow, double-free e use-after-free podem comprometer a integridade e a disponibilidade das aplicações. Foram desenvolvidos e testados protótipos que simulam essas falhas em ambas as linguagens, permitindo observar como Rust lida com elas em tempo de compilação, enquanto o C++ permite sua execução mesmo sob análise com AddressSanitizer. Os mecanismos de ownership, borrowing e controle de lifetimes demonstraram-se eficazes na prevenção de falhas, compondo a base da segurança intrínseca do Rust. Apesar dos resultados promissores, reconhecem-se limitações como o uso de um ambiente controlado e ausência de testes com FFI e concorrência. Conclui-se que o Rust apresenta vantagens significativas em segurança de memória, sendo promissor para o desenvolvimento de sistemas IoT mais resilientes.; This article investigates the memory safety mechanisms provided by the Rust programming language in comparison to C++ in Internet of Things (IoT) applications. Memory safety is a critical aspect in embedded systems, where failures such as buffer overflow, double-free, and use-after-free may compromise the integrity and availability of applications. Prototype routines simulating these flaws were developed and tested in both languages to observe how Rust addresses them at compile time, whereas C++ allows their execution even under AddressSanitizer analysis. The ownership, borrowing, and lifetime control mechanisms proved effective in preventing failures, forming the basis of Rust’s intrinsic safety model. Despite promising results, some limitations are acknowledged, such as the use of a controlled environment and the absence of tests involving FFI and concurrency. It is concluded that Rust presents significant advantages in memory safety, emerging as a promising alternative for developing more resilient IoT systems.

2025-05-24T00:00:00Z SANTANA, Ligia Piva de SOUSA, Geovana Vieira de D'Alessandro, Thiago Sansalone https://ric.cps.sp.gov.br/handle/123456789/44592 2026-05-19T17:02:50Z 2025-06-26T00:00:00Z

Title: Chefprice: sistema de gerenciamento de gastos e custos na produção de alimentos. Authors: SANTANA, Ligia Piva de; SOUSA, Geovana Vieira de; D'Alessandro, Thiago Sansalone Abstract: Este trabalho apresenta o desenvolvimento do ChefPrice, um sistema web inovador para o gerenciamento de custos e despesas na produção de produtos alimentícios. A motivação para a criação do sistema surgiu da experiência da autora como confeiteira, que enfrentava desafios na precificação e no cálculo preciso dos custos de produção. O ChefPrice foi concebido para auxiliar pequenos empreendedores do setor alimentício, oferecendo uma ferramenta prática, intuitiva e eficaz para o controle financeiro. Suas principais funcionalidades incluem o cadastro de materiais com informações detalhadas de quantidade e valor por embalagem, a montagem de receitas com cálculo automático de custos diretos e indiretos, e a sugestão de preço de venda baseada na margem de lucro desejada. Destaca-se também a criação de listas de receitas para referência de mercado e a leitura automatizada de notas fiscais com inteligência artificial para atualização de preços. O sistema foi desenvolvido utilizando angular no Front-end com estilização em Bootstrap, Laravel na API, e Microsoft SQL Server como banco de dados. O ChefPrice visa proporcionar maior praticidade, controle e organização para empreendedores do setor de alimentos, promovendo uma gestão financeira mais eficiente e sustentável.; This work presents the development of ChefPrice, an innovative web system for managing costs and expenses in the production of food products. The motivation for creating the system arose from the author's experience as a confectioner, who faced challenges in pricing and accurately calculating production costs. ChefPrice was designed to assist small entrepreneurs in the food sector, providing a practical, intuitive, and effective tool for financial control. Its main features include the registration of materials with detailed information on quantity and value per package, the assembly of recipes with automatic calculation of direct and indirect costs, and the suggestion of selling prices based on the desired profit margin. It also features the creation of recipe lists for market reference and automated reading of invoices with artificial intelligence for price updates. The system was developed using Angular In the front-end with styling in Bootstrap, Laravel in the API, and Microsoft SQL Server as the database. ChefPrice aims to provide greater practicality, control, and organization for entrepreneurs in the food sector, promoting a more efficient and sustainable financial management.

2025-06-26T00:00:00Z GARCIA, Gustavo de Rezende GODOI, Heitor Pedro de SANTOS, Nycolas da Guia https://ric.cps.sp.gov.br/handle/123456789/44528 2026-05-15T17:08:43Z 2025-06-27T00:00:00Z

Title: TCC mentor: sistema auxiliar na criação de TCCs Authors: GARCIA, Gustavo de Rezende; GODOI, Heitor Pedro de; SANTOS, Nycolas da Guia Abstract: O TCC Mentor é uma plataforma inovadora desenvolvida para facilitar a comunicação entre orientadores e alunos durante a elaboração de trabalhos de conclusão de curso. O sistema combina ferramentas de mentoria inteligente com um assistente virtual especializado, resolvendo problemas como interpretação de feedbacks e organização centralizada do processo de orientação. Com recursos como análise automatizada de feedbacks e suporte a dúvidas acadêmicas em tempo real, a plataforma busca otimizar o tempo dos orientadores e reduzir a ansiedade dos alunos, garantindo um fluxo de trabalho mais eficiente e transparente.; TCC Mentor is an innovative platform designed to streamline communication between advisors and students during the development of final-year projects. The system integrates intelligent mentoring tools with a specialized virtual assistant, addressing challenges such as feedback interpretation and centralized coordination of the advising process. Featuring automated feedback analysis and real-time academic support, the platform aims to optimize advisors' time, reduce student anxiety, and ensure an efficient, transparent workflow.

2025-06-27T00:00:00Z