Projetos e temas de pesquisa para alunos em 2020

Neste post apresentamos alguns temas e projetos de pesquisa que alguns dos orientadores propõe para os interessados em participar do módulo de formação pré-mestrado Pesquisa em Engenharia de Computação em 2020. A lista não é exaustiva, e podem ser adicionadas mais informações a medida em que forem recebidas. Os orientadores estão indicados em ordem alfabética.

1. Profa. Dra. Anarosa Alves Franco Brandão

Uma arquitetura escalável para sistemas multiagentes:
Agentes de software são entidades relativamente independentes e autônomas, com capacidades de interação que pode variar de uma simples reação a um evento até uma conversação completa. Tais agentes podem ser organizados em comunidades e trabalhar juntos usando diferentes mecanismos de interação para resolver problemas complexos. Essas comunidades também são conhecidas como sistemas multiagentes (SMA). Uma questão interessante quando se considera SMA está relacionada à sua escalabilidade sem perda de desempenho, tendo em vista cenários de aplicação como Cidades Inteligentes, Internet das Coisas, dentre outros. Este projeto tem por objetivo definir uma arquitetura escalável para SMA a partir de um estudo prévio sobre escalabilidade em plataformas para apoiar o desenvolvimento do SMA.
Avaliação de desempenho em sistemas multiagentes centrados em organizações
Sistemas multiagentes centrados em organizações são sistemas compostos por agentes de software que interagem num ambiente para atingir objetivos individuais e globais. Tais sistemas possuem um modelo organizacional subjacente, que regula o comportamento dos agentes que fazem parte da organização. Esta regulação pode levar a alguns gargalos relacionados ao desempenho do sistema como um todo. Neste projeto serão analisados os diversos modelos organizacionais disponíveis para modelagem de sistemas multiagentes centrados em organizações com intuito de identificar os gargalos que levam a piora de desempenho do sistema e propor estratégias para mitigar os problemas que levam à queda de desempenho.
Agentes conversacionais em ambientes web de apoio ao ensino no domínio de introdução à computação
Agentes conversacionais são agentes de software com capacidade de interagir com usuários em linguagem natural. A inserção organizada de agentes conversacionais em ambientes web de apoio ao ensino pode ser caracterizada como um sistema multiagentes centrado em organização. Este projeto consiste na modelagem, implementação e implantação de um sistema multiagentes com capacidades conversacionais para tutoriar aprendizes num sistema web de apoio ao ensino. O sistema será validado para o domínio de introdução a computação.
Um modelo de colaboração para apoiar o ensino de introdução a algoritmos envolvendo cegos e videntes
A inclusão de pessoas com deficiência no contexto educacional tem sido uma preocupação crescente no mundo. O método Collab4All foi criado para propiciar a inclusão de pessoas com deficiências em atividades colaborativas mediadas por computador. Este projeto consiste na adoção do Collab4All para criação de um modelo de colaboração para apoiar o ensino de introdução a algoritmos envolvendo cegos e videntes. Para tanto, faremos uso do sistema iVProg integrado ao ambiente Moodle como meio computacional que apoiará o ensino de introdução a algoritmos.

2. Profa. Dra. Anna Helena Reali Costa

Meu foco de pesquisa tem sido o Aprendizado de Máquina, em especial o Aprendizado por Reforço (RL – Reinforcement Learning), que é um aprendizado on-line, por tentativa e erro, resultado das próprias interações dos agentes com o ambiente. Tenho proposto diversos algoritmos com o objetivo de agilizar o RL, muitas vezes utilizando transferência de conhecimento (de tarefas anteriores para novas, de outros agentes para o aprendiz, de humanos para agentes, etc). As aplicações têm sido em diversos campos, como na área financeira, em agentes conversacionais (chatbots, visando gerar melhores diálogos), em carga de veículos elétricos, em smart homes e smart grids, em previsões de séries temporais, etc, muitas vezes aliando o Deep Learning (DL) com o RL, em sistemas de DeepRL (como o AlphaGo, vencedor do campeão mundial em GO, Lee Sedol). Diversas oportunidades de pesquisa e inovação são oferecidas na área.

3. Prof. Dr. Bruno Albertini

[HW] Co-processadores criptográficos: Os algoritmos criptográficos e relacionados, principalmente os de criptografia pós-quântica, exigem um poder computacional considerável para operarem. Esta linha de pesquisa visa construir co-processadores criptográficos capazes de acelerar os algoritmos, tornando-os viáveis ao uso.
[Arquiteturas/HW]: Vários processadores tem surgido, principalmente com foco em paralelismo e baixo consumo energético. Há atualmente um projeto nesta área, focado em um processador didático low power.
[HW] Aceleradores de IA: Em diversas áreas da computação podemos perceber a presença de aceleradores. Em IA, por exemplo, usa-se corriqueiramente GPUs para o treinamento de redes. Contudo, o treinamento e execução em ambientes restritos (mobile, embarcados, low power) é inviável usando GPUs. Esta linha desenvolve HW de propósito específico para aceleração do treinamento e execução de algoritmos de IA.
[Embarcados/RSSF] Aplicação de Redes de Sensores sem Fio: Há diversas aplicações não exploradas em redes de sensores sem fio. Nesta linha, aplico tecnologias experimentais para suporte ao agronegócio e/ou meio ambiente.
[Mobile] Aplicações mobile: Há alguns tipos de aplicações mobile (citizen science, tracking, serious games) que podem ser aplicadas diretamente ao meio ambiente. Esta linha estuda-as e aplica-as com foco em biodiversidade.
[HW/SW] Blockchain: Esta linha explora tecnologias Blockchain em: (i) HW aceleradores, (ii) aplicações em biodiversidade, supply-chain e não triviais (iii) SW implementando novas tecnologias (e.g. consenso).

4. Profa. Dra. Cíntia Borges Margi

O principal tema de pesquisa envolve a aplicação do conceito de redes definidas por software a redes de sensores sem fio (RSSF) e Internet das Coisas. Diversos aspectos ainda estão em aberto na aplicação deste paradigma, abrindo espaço para pesquisa. Em redes cabeadas aplica-se o OpenFlow, e mais recentemente discute-se o uso de P4. O grupo de pesquisa desenvolveu e utiliza o arcabouço IT-SDN aplicado a RSSF. Um importante aspecto a ser tratado é como P4 se adequaria a RSSF e IoT.

5. Prof. Dr. Fabio Gagliardi Cozman

Aprendizado de máquina e representação de conhecimento: nos últimos anos o processamento de grandes bases de dados levou a grandes avanços em sistemas de suporte baseados em reconhecimento de padrões e linguagem natural (como chatbots e sistemas de recomendação). Para avançar ainda mais, é necessário combinar aprendizado de máquina a partir de dados com técnicas de representação de conhecimento, possibilitando assim que inteligências artificiais tenham senso comum e capacidade de raciocínio.

6. Profa. Dra. Graça Bressan

Reconhecimento facial e prova de vida
Análise de sentimentos e recomendação

7. Prof. Dr. João Batista Camargo

Impacto das Técnicas de Machine Learning sobre os Requisitos de Safety tendo em mente os Sistemas Autônomos Cyber-Físicos

8. Prof. Dr. Marcos Antonio Simplício Junior

Criptografia e segurança da informação em cenários distribuídos, em especial: redes veiculares (veículos que se comunicam entre si e/ou nos quais os módulos internos se comunicam) e transações financeiras (e.g., usando aplicativos móveis para acessar bancos ou no contexto de criptomoedas e Blockchain). Projetos podem envolver tanto a parte mais “matemática” (projeto e análise algoritmos e protocolos criptográficos) como a parte mais “sistemas/rede” (como usar algoritmos e protocolos em um cenário alvo).