Revista Tecnológica da Fatec Americana https://ric.cps.sp.gov.br/handle/123456789/89 2026-04-13T08:50:36Z 2026-04-13T08:50:36Z LIMA, Allan Felipe de SOUZA, Renata Oliveira Pires de https://ric.cps.sp.gov.br/handle/123456789/29981 2025-02-27T23:48:50Z 2024-11-01T00:00:00Z

Title: O comportamento das blue chips e small caps no período da pandemia Authors: LIMA, Allan Felipe de; SOUZA, Renata Oliveira Pires de Abstract: Este trabalho apresenta uma compreensão detalhada, aprofundamento e análise dos impactos provocados pela pandemia de COVID-19 sobre os desempenhos das ações Blue Chips e Small Caps no período de 2019 a 2022. O estudo busca identificar os resultados negativos, positivos ou padrões de similaridade entre esses dois tipos de ações, que possuem perfis de risco e características distintas. Para isso, foi utilizada uma metodologia quantitativa, com coleta de dados históricos da B3, tratados e analisados por meio do Power BI, possibilitando a criação de gráficos e dashboards dinâmicos. Além disso, ressalta-se a importância de uma análise segmentada e criteriosa dos dados para diferenciar corretamente as ações Blue Chips, que representam grandes empresas com alta liquidez e estabilidade, das Small Caps, que são de empresas menores e mais voláteis. A pesquisa também inclui uma análise das flutuações nos preços das ações, com o objetivo de identificar tendências de desempenho durante e após a crise pandêmica, fornecendo uma visão mais clara sobre como diferentes setores e empresas foram afetados, além de contribuir para futuras estratégias de investimento.; This study presents a detailed understanding, deep analysis, and evaluation of the impacts caused by the COVID-19 pandemic on the performance of Blue Chips and Small Caps stocks from 2019 to 2022. The research aims to identify negative, positive, or similar patterns between these two types of stocks, which have distinct risk profiles and characteristics. A quantitative methodology was employed, involving the collection of historical data from B3, processed and analyzed using Power BI, enabling the creation of dynamic graphs and dashboards. Furthermore, the importance of segmented and thorough data analysis is emphasized to correctly differentiate Blue Chips, representing large companies with high liquidity and stability, from Small Caps, which belong to smaller and more volatile companies. The research also includes an analysis of stock price fluctuations to identify performance trends during and after the pandemic crisis, providing clearer insights into how different sectors and companies were affected and contributing to future investment strategies.

2024-11-01T00:00:00Z GOMES, João Arthur Almeida ARAÚJO, Davi Torres SILVA, Matheus Felipe Gomes da MUNIZ, Frederico Barbosa ALMEIDA, Thissiany Beatriz https://ric.cps.sp.gov.br/handle/123456789/29980 2025-02-27T23:24:18Z 2024-11-01T00:00:00Z

Title: Caracterização de PANC, orientado por aprendizagem profunda Authors: GOMES, João Arthur Almeida; ARAÚJO, Davi Torres; SILVA, Matheus Felipe Gomes da; MUNIZ, Frederico Barbosa; ALMEIDA, Thissiany Beatriz Abstract: Este estudo tem como objetivo caracterizar plantas alimentícias não convencionais (PANC) utilizando aprendizado profundo para promover sua aceitação na dieta brasileira. Um dos focos principais é o desenvolvimento de um aplicativo que utiliza Inteligência Artificial (IA) para identificar e caracterizar essas plantas. Foram coletadas 1.354 imagens de três PANC: inhame, ora-pro-nobis e hibisco. A IA foi treinada com Redes Neurais Convolucionais (CNN), obtendo acurácia entre 91,16% e 99,91% na classificação. O aplicativo facilita a identificação das PANC e oferece receitas e orientações de uso. O projeto Osiris busca ter impacto social e ambiental, promovendo a preservação da biodiversidade e incentivando práticas agrícolas sustentáveis. Ao valorizar produtos locais, também pode criar oportunidades econômicas e reduzir a dependência de alimentos importados. A pesquisa destaca a importância de aumentar o volume de dados para melhorar a eficácia do modelo de IA e sugere a inclusão de mais espécies de PANC. A participação de especialistas é essencial para aprimorar a caracterização das plantas. O projeto reforça a importância das PANC na alimentação e a necessidade de conscientizar a população sobre seus benefícios. O aplicativo desenvolvido oferece uma plataforma acessível para promover uma dieta mais diversificada e saudável. O projeto Osiris inova ao transformar a percepção das PANC e fortalece a conexão entre as pessoas e o meio ambiente.; This study aims to characterize unconventional food plants (PANC) using deep learning to promote their acceptance in the Brazilian diet. One key focus is developing a mobile app that employs Artificial Intelligence (AI) to identify and characterize these plants. The project collected 1,354 images of three PANC species: yam, ora-pro-nobis, and hibiscus. The AI, trained using Convolutional Neural Networks (CNN), achieved high classification accuracy between 91.16% and 99.91%. This demonstrates the model's effectiveness in identifying PANC despite genetic variability. The app not only aids PANC identification but also provides recipes and advice on incorporating them into daily meals. The Osiris project has potential social and environmental impacts, promoting biodiversity preservation and more sustainable agriculture. It also supports local products, creating economic opportunities and reducing reliance on imports. The research highlights the importance of data volume in AI effectiveness and suggests expanding the image database to include more PANC species. Participation from botanists and researchers is vital for improving the plant characterization process. The project underscores the nutritional relevance of PANC and the need to raise awareness of their benefits. The developed app offers an accessible platform for the public to learn about and use these plants, fostering a more diverse and healthy diet. Ultimately, the Osiris project is an innovative initiative with the potential to change the perception and consumption of PANC, strengthening the connection between people and the environment.

2024-11-01T00:00:00Z LAURIANO, Aline Coelho SOUSA JUNIOR, Adeldivo Alves de SILVA, Amanda Nogueira de Castro e MUNIZ, Frederico Barbosa ALMEIDA, Thissiany Beatriz https://ric.cps.sp.gov.br/handle/123456789/29979 2025-02-27T23:06:32Z 2024-11-01T00:00:00Z

Title: Sofia: software orientado por inteligência artificial para auxílio ao pré-diagnóstico do TEA infantil Authors: LAURIANO, Aline Coelho; SOUSA JUNIOR, Adeldivo Alves de; SILVA, Amanda Nogueira de Castro e; MUNIZ, Frederico Barbosa; ALMEIDA, Thissiany Beatriz Abstract: O Transtorno do Espectro Autista (TEA) é um distúrbio de neurodesenvolvimento cujos sinais podem ser identificados a partir dos 18 meses. No entanto, o diagnóstico precoce é desafiado pela falta de profissionais especializados, especialmente em áreas rurais. Este estudo tem como objetivo desenvolver uma aplicação móvel, baseada em inteligência artificial (IA), para auxiliar profissionais de saúde no pré-diagnóstico de TEA em crianças de 0 a 2 anos na região do Vale do Ribeira. Foi implementado um modelo de rede neural do tipo MultiLayer Perceptron (MLP) para analisar dados de triagem coletados por meio do protocolo Q-CHAT-10. A aplicação foi desenvolvida com Kotlin para a interface, Java com Spring Boot para a API e Python (FastAPI) para a interação com o modelo de IA utilizando Keras e TensorFlow. A base de dados contou com 1.054 instâncias, e o modelo foi treinado com validação cruzada k-fold de 10 dobras, obtendo acurácia superior a 90%. Testes adicionais, com 54 novas instâncias, resultaram em uma precisão de 90,7% e sensibilidade de 92,6%. Conclui-se que a aplicação desenvolvida tem potencial para melhorar o pré-diagnóstico de TEA, especialmente em regiões de difícil acesso, ampliando assim a acessibilidade no processo de identificação precoce.; The Autism Spectrum Disorder (ASD) is a neurodevelopmental disorder whose signs can be identified from 18 months of age. However, early diagnosis is challenged by the lack of specialized professionals, especially in rural areas. This study aims to develop a mobile application, based on artificial intelligence (AI), to assist healthcare professionals in the pre-diagnosis of ASD in children aged 0 to 2 years in the Vale do Ribeira region. A MultiLayer Perceptron (MLP) neural network model was implemented to analyze screening data collected through the Q-CHAT-10 protocol. The application was developed with Kotlin for the interface, Java with Spring Boot for the API, and Python (FastAPI) for interaction with the AI model using Keras and TensorFlow. The database comprised 1,054 instances, and the model was trained using 10-fold cross-validation, achieving an accuracy of over 90%. Additional tests, with 54 new instances, resulted in 90.7% accuracy and 92.6% sensitivity. It is concluded that the developed application has the potential to improve ASD pre-diagnosis, especially in hard-to-reach regions, thus enhancing accessibility in the early identification process.

2024-11-01T00:00:00Z TONEZER, Leonardo Nabarro SILVA, Ana Clara Matthiesen ALMEIDA, Alisson Henrique de NEVES, João Emmanuel D'Alkmin https://ric.cps.sp.gov.br/handle/123456789/29978 2025-02-27T22:45:04Z 2024-11-01T00:00:00Z

Title: Simulações multiagentes e phishing: explorando a segurança em ambientes de nuvem Authors: TONEZER, Leonardo Nabarro; SILVA, Ana Clara Matthiesen; ALMEIDA, Alisson Henrique de; NEVES, João Emmanuel D'Alkmin Abstract: Este trabalho aborda o impacto de ataques de engenharia social, em especial o phishing, que continua sendo uma das principais ameaças à segurança cibernética, em sistemas de computação em nuvem. Com o crescimento da adoção de serviços em nuvem por empresas e indivíduos, a vulnerabilidade a esses ataques tem aumentado, uma vez que a engenharia social explora diretamente o fator humano. O objetivo é entender como essas ameaças afetam a integridade dos sistemas na nuvem e a segurança dos dados, analisando como os atacantes acumulam informações e progridem por diferentes níveis de segurança. A metodologia adotada para tal fim foi o desenvolvimento de um modelo de simulação com sistemas multiagentes, no qual usuários, atacantes e defensores interagem em um ambiente de nuvem com diferentes camadas de segurança, levando em consideração variáveis como a suscetibilidade dos usuários e as capacidades dos atacantes. Os resultados obtidos mostram que o sucesso dos atacantes está diretamente relacionado à suscetibilidade dos usuários e com as informações acumuladas de forma gradual, reforçando a necessidade de estratégias de treinamentos mais eficazes de forma mais abrangente.; This work addresses the impact of social engineering attacks, particularly phishing, which remains one of the main threats to cybersecurity in cloud computing systems. With the increasing adoption of cloud services by companies and individuals, the vulnerability to these attacks has grown, as social engineering directly exploits the human factor. The objective is to understand how these threats affect the integrity of cloud systems and data security, analyzing how attackers accumulate information and progress through different security levels. The methodology adopted for this purpose was the development of a multi-agent systems simulation model, where users, attackers, and defenders interact in a cloud environment with different security layers, considering variables such as user susceptibility and the attackers' abilities. The results obtained show that the success of attackers is directly related to user susceptibility and the gradual accumulation of information, highlighting the need for more effective and comprehensive training strategies.

2024-11-01T00:00:00Z