O turismo em áreas naturais, ou geoturismo, vem crescendo em todo o mundo nas últimas décadas, sendo muito relevante no contexto da Geociências, pois dá suporte ao turismo sustentável, gerando benefícios para a conservação e valorização do meio ambiente, além de ser positivo economicamente para regiões turísticas. As mudanças climáticas, no entanto, vêm tornando mais frequentes episódios intensos a extremos de chuva, que estão comumente associados a desastres de natureza hidrogeomorfológica, como inundações, escorregamentos e quedas de blocos. Desastres naturais têm impactos profundos em indivíduos, comunidades e, consequentemente, nas atividades turísticas. Dentro deste breve contexto, o objetivo do projeto é a proposta de procedimentos metodológicos para avaliação e gestão de riscos geológicos em áreas turísticas associadas a ambientes naturais. A principio, o projeto foca em processos de movimentos de massa (queda e tombamento de blocos de rocha, escorregamentos e fluxos de detritos) em áreas de montanha, cânions, cachoeiras e praias vulcânicas. Três regiões turísticas são utilizadas como áreas-piloto, caracterizadas por diferentes contextos geológico-geotécnicos e de paisagens: região dos cânions de Capitólio (Minas Gerais, Brasil), duas áreas de praias em Fernando de Noronha (Pernambuco, Brasil), e Parque Caminhos do Mar na região da Serra do Mar próxima a Cubatão (São Paulo, Brasil). Este projeto busca avançar na lacuna metodológica e de políticas públicas sobre a avaliação e gestão de riscos geológicos em áreas turísticas naturais e apresenta grande relevância social, pois o setor turístico em áreas naturais no Brasil é formado predominantemente por prefeituras de pequeno e médio porte, sem estrutura e recursos para tratar o tema.

Considerando um contexto de desenvolvimento de técnicas de predição automática de qualidade de ovos de galinha, ao qual esta bolsa TT se insere, este projeto visa implementar e comparar diversas técnicas de visão computacional e redes neurais profundas para a tarefa de segmentação semântica (classes: gema, casca, albúmen, câmara de ar e fundo) e extração automática de medidas morfométricas de ovos (o volume da câmara de ar, volume da gema, volume do ovo, largura e comprimento da gema, largura e comprimento do ovo e espessura da casca do ovo) em imagens tomográficas de ovo. (AU)

O colapso traqueal é um dos principais problemas que assolam cães, principalmente aqueles de pequeno porte e idade mais avançada, causando sintomas que dificultam a vida do animal e, nos piores casos, podendo levar à morte. Deste modo, a necessidade de um diagnóstico rápido e prático deste problema no animal, assim que ele chega à clínica, é fundamental. No entanto, os métodos de diagnóstico atuais tomam um tempo crítico por precisar de duas radiografias diferentes no processo, além de aumentar o estresse do paciente por conta de necessitar de uma pressão externa na região da traqueia cervical do cão durante uma dessas radiografias. Tendo isso em mente, obter uma ferramenta para diagnóstico de colapso traqueal cervical em cães somente com dados básicos do paciente e com apenas uma exposição radiográfica (aquela sem a necessidade da compressão na traqueia do animal) é algo que poderia contribuir com um protocolo para um diagnóstico mais rápido e prático da enfermidade, além de possibilitar a instituição terapêutica precoce, favorecendo um bom prognóstico para o paciente. Pensando nisso, e no fato de Redes Neurais Convolucionais (CNNs) terem apresentado resultados no passado em casos de classificação, assim como modelos de atenção (Transformers), especialmente em exames realizados em humanos, o objetivo deste projeto consiste em investigar o uso de CNNs e de Transformers para extrair conhecimento das radiografias, combinada com um modelo de Aprendizado de Máquina tradicional para trazer informações extras para o sistema a partir de dados básicos do animal, visando o desenvolvimento de uma ferramenta de auxílio ao diagnóstico explicável de colapso traqueal cervical em cães. Por fim, espera-se que esta ferramenta possa auxiliar o médico veterinário otimizando o diagnóstico do colapso traqueal em cães, com menor dose de radiação para ambos, profissional e animal, além de redução nos custos de diagnóstico, resultados diretos da possibilidade de redução de uma radiografia.

Apesar do progresso significativo alcançado em técnicas de aprendizado supervisionado, a necessidade de extensos conjuntos de dados rotulados representa um gargalo severo. Nesse cenário, outros paradigmas de aprendizado capazes de lidar com o desafio associado à escassez de dados rotulados representam uma alternativa relevante. As abordagens de Aprendizado Auto-supervisionado (SSL, na sigla em inglês) têm se estabelecido como uma maneira promissora de explorar avanços em aprendizado de máquina por meio de muitos exemplos não rotulados e sem nenhum rótulo anotado por humanos. Uma vantagem relevante dos algoritmos de SSL é sua capacidade de aproveitar grandes quantidades de dados não rotulados sem a necessidade de anotações humanas para gerar pseudo-rótulos durante o treinamento. A obtenção de pseudo-rótulos efetivos desempenha um papel importante e representa um desafio fundamental para as abordagens de SSL. Por outro lado, uma alternativa promissora para representar melhor a estrutura dos conjuntos de dados baseia-se no uso de medidas de similaridade contextualmente, que têm sido aplicadas com sucesso para capturar a geometria do espaço subjacente. Neste projeto de pesquisa de graduação, pretendemos investigar o uso de medidas de similaridade contextual baseadas em ranqueamento para abordagens de aprendizado auto-supervisionado.

Processos em evoluc'ao sao conhecidos como sistemas dinamicos e o seu comportamento pode ser caracterizado atraves da coleta ordenada de dados em tempos discretos cujo a regra e denominada de mapeamento discreto. Muito embora informac'oes continuas a respeito do progresso da dinamica sejam perdidas no processo de discretizac'ao, e possivel identificar os estados acessiveis do sistema a partir do conhecimento de sua configurac'ao inicial. Considerando o cenario em que perdas de energia sao observadas devido aýs dissipac'oes na dinamica, e possivel, em tempos de evoluc'ao suficientemente longos, observar a convergencia da dinamica no espac'o das configurac'oes aos conjuntos atrativos do sistema, genericamente chamados de atratores. O conjunto de condic'oes iniciais que convergem para um desses atratores do sistema e chamado de bacias de atrac'ao desse atrator.Em sistemas que apresentam multiestabilidade, as bacias de atrac'ao fornecem informac'oes da dinamica muito importantes sobre os modelos investigados. Dependendo em qual bacia se encontram as condic'oes iniciais, o sistema pode convergir para um estado estatico ou desenvolver oscilac'oes caoticas ou periodicas, contextos de importante impacto em sistemas dinamicos reais. Este projeto tem como principal objetivo estudar os diferentes tipos de bacias de atrac'ao em sistemas dinamicos discretos, com foco na caracterizac'ao de aspectos estruturais como o nivel de complexidade associada aý fronteira da bacia e a suas relac'oes com a natureza dinamica do sistema.

Persistent Memory (PM) is a new memory technology which provides persistent data with byte addressability. Programming with persistent memory is somewhat different than that of volatile memory, since a crash while a persistent data structure is being updated may make it inconsistent. For instance, adding a new element to a traditional linked list will corrupt the data structure if the pointer from the previous node is updated to the new one but a crash occurs before the next pointer is updated. To prevent such scenarios, the updates must be performed atomically. Although several programming interfaces have been proposed in the literature, only Intel PMDK (Persistent Memory Development Kit) is actually associated with a commercial product, being the only one officially supported. For most applications, programming with PMDK requires using its low-level interface. It is somewhat hard to use and very prone to coding errors as described in the literature. In this scientific initiation project, we intend to investigate the most common proposed interfaces for programming with PM and evaluate its ease-of-use, as well as the resulting performance. Some data structures will be choosen and a qualitative study will be carried out.

A recente introdução da memória não-volátil endereçável por byte, ou simplesmente Memória Persistente (PM), tornou possível desenvolver estruturas de dados que são duráveis sem usar arquivos tradicionais ou interfaces de sistema de banco de dados. A PM permite que a durabilidade seja alcançada diretamente, sem traduzir a representação de dados entre os domínios voláteis e duráveis, como os sistemas tradicionais (isto é, serialização). Um elemento-chave de qualquer sistema PM é o alocador de memória, responsável por gerenciar a memória não utilizada disponível. Os próprios metadados do alocador devem ser persistentes, caso contrário, também podem encontrar problemas de consistência. A pesquisa sobre alocação de memória para sistemas com PM é um tópico muito importante e existem diferentes abordagens. A usada pela Intel PMDK (Persistent Memory Development Kit), por exemplo, fornece uma interface complicada na qual um programador deve fornecer uma função de inicialização embutida na chamada para a alocação de memória. Isso ocorre porque a alocação e a atribuição do ponteiro de memória retornado devem ser atômicas. Outra alternativa é solicitar (des)alocação de memória apenas dentro das transações. Independentemente da interface, o desempenho dos diferentes alocadores de memória ainda não é bem compreendido. Neste projeto de iniciação científica buscamos entender o impacto no desempenho dos principais alocadores de memória disponíveis. Para conseguir isso, os tempos de execução serão medidos usando cargas de trabalho padrão orientadas à memória.

Este Plano de Trabalho foi desenvolvido para o Professor Coordenador do Núcleo Pedagógico (PCNP) de Matemática do Ensino Médio. Considerando as atribuições do PCNP, a saber: ser capaz de desenvolver ações de formação, na escola e na Diretoria de Ensino (DE); ser capaz de desenvolver ações de acompanhamento do processo pedagógico na escola; organizar e selecionar materiais adequados às diferentes situações, etc, entendemos que elas estão em sinergia com as ações didáticas propostas no Projeto de Pesquisa. Assim, consideramos que o PCNP poderá contribuir tanto com as atividades de pesquisa propostas nas escolas, por meio do diálogo e de sua experiência na rede de ensino, assim como um multiplicador das ações desenvolvidas no Projeto para outras escolas da DE. (AU)

Neste Plano de Trabalho o professor bolsista irá desenvolver e aplicar atividades de Modelagem Matemática, elaboradas a partir da articulação com as situações didáticas presentes em materiais didáticos para o trabalho com o itinerário formativo 2, do qual ele é o docente responsável. Para tanto, ele irá participar de ações de familiarização com a Modelagem Matemática, estudar os materiais didáticos para o trabalho com os itinerários formativos, para então elaborar e desenvolver com seus estudantes atividades de Modelagem, articuladas com os materiais didáticos, para o trabalho com o itinerário formativo 2. Espera-se com essas ações que o docente conheça a Modelagem e perceba seu potencial para o trabalho com o itinerário formativo 2 nas suas aulas. (AU)

Neste Plano de Trabalho o professor bolsista irá desenvolver e aplicar atividades de Modelagem Matemática, elaboradas a partir da articulação com as situações didáticas presentes em materiais didáticos para o trabalho com o itinerário formativo 3, do qual ele é o docente responsável. Para tanto, ele irá participar de ações de familiarização com a Modelagem Matemática, estudar os materiais didáticos para o trabalho com os itinerários formativos, para então elaborar e desenvolver com seus estudantes atividades de Modelagem, articuladas com os materiais didáticos, para o trabalho com o itinerário formativo 3. Espera-se com essas ações que o docente conheça a Modelagem e perceba seu potencial para o trabalho com o itinerário formativo 3 nas suas aulas. (AU)