ICEx UFMG - Teses
Publicado em: Teses
Avalie este item
(0 votos)

A Coordenação do Programa de Pós-Graduação em Ciência da Computação tem 
a satisfação de convidá-lo para a Defesa de Dissertação:

Previsão do tempo de resposta de aplicações paralelas de processamento 
de dados massivos em ambientes de nuvem

Túlio Braga Moreira Pinto

Aplicações online de grande volume tem como característica uma maior 
heterogeneidade e irregularidade nos padrões de acesso aos dados, 
dificultando a alocação de recursos de hardware e software mesmo em 
ambientes de nuvem. Estas características dificultam a previsão de 
desempenho. Este trabalho explora portanto dois modelos analíticos para 
a previsão do tempo de resposta de aplicações paralelas no Spark. O 
primeiro modelo é baseado em fork/join, no qual uma aplicação é dividida 
em N tarefas e processada em paralelo em múltiplos servidores. O segundo 
modelo é baseado em teoria de filas e considera a precedência entre as 
tarefas para estimar os atrasos de sincronização. Os modelos foram 
avaliados para ambos algoritmos de aprendizado de máquina quanto 
consultas ad-hoc. Para o modelo baseado em precedência de tarefas, os 
resultados das previsões apresentaram erro médio inferior a 15%, 
considerado tipicamente baixo para modelos analíticos.

Comissão Examinadora:

Profa. Jussara Marques de Almeida Gonçalves - Orientadora (DCC - UFMG)
Prof. Fabrício Murai Ferreira (DCC - UFMG)
Prof. Dorgival Olavo Guedes Neto (DCC - UFMG)
Profa. Ana Paula Couto da Silva (DCC - UFMG)

Publicado em: Teses
Avalie este item
(0 votos)

A Coordenação do Programa de Pós-Graduação em Ciência da Computação tem a satisfação de convidá-lo para a Defesa de Dissertação:

Estratégias de investimento baseadas em microestrutura de mercado
Alef Willis Magno Miranda

O uso de agentes autônomos de investimento se torna cada vez mais comum. Com um grande volume de dados financeiros disponíveis, torna-se viável a construção de novos modelos de negociação. Neste trabalho busca-se modelar novos indicadores baseados em microestrutura de mercado para criar novas estratégias de investimento automatizadas. Para isso, constrói-se um simulador de bolsa de valores, um conjunto de indicadores baseados em microestrutura de mercado, uma técnica de rotulação de séries de preço e, por fim, um agente autônomo de negociação. Utiliza-se dados da B3 para validação experimental do agente autônomo construído. Os resultados financeiros obtidos pelo agente autônomo são avaliados em diferentes cenários, considerando-se custos de operação e latências de rede. Tais resultados financeiros revelam o potencial de se utilizar dados de microestrutura de mercado para construção de estratégias automatizadas de investimento.

Comissão Examinadora:

Prof. Adriano César Machado Pereira - Orientador (UFMG, DCC),
Prof. Anisio Mendes Lacerda (UFMG, DCC),
Prof. Allbens Atman Picardi Faria (CEFET-MG, DFM)

3 de Julho de 2019
09:00h
Sala 6321 do ICEX

Publicado em: Teses
Avalie este item
(0 votos)

A Coordenação do Programa de Pós-Graduação em Ciência da Computação tem a satisfação de convidá-lo para a Defesa de Tese:

Semantic Hyperlapse: a Sparse Coding based and Multi-Importance Approach for First-Person Videos
Michel Melo da Silva

The emergence of low-cost, high-quality personal wearable cameras combined with the unlimited storage capacity of video-sharing websites have evoked a growing interest in First-Person Videos. Such videos are usually composed of long-running unedited streams captured by a device attached to the user body, which makes them tedious and visually unpleasant to watch. To provide quick access to the video information, efforts have been applied to the development of techniques such as Hyperlapse and Semantic Hyperlapse, which aims to create visually pleasant shorter videos and emphasize semantic portions of the video respectively. We propose a parameter-free Sparse Coding based methodology to adaptively fast-forward First-Person Videos, that emphasize the semantic portions applying a multi-importance approach. Experimental evaluations show that the proposed method creates visually pleasant accelerated outputs to watch, emphasize the relevant segments while keeping the video context.

Comissão Examinadora:

Prof. Erickson Rangel do Nascimento - Orientador (DCC - UFMG)
Prof. Mario Fernando Montenegro Campos - Coorientador (DCC - UFMG)
Prof. André Vital Saúde (DCC - UFLA)
Prof. Cláudio Rosito Jung (INF - UFRGS)
Prof. Ricardo da Silva Torres (IC - UNICAMP)
Prof. Silvio Jamil Ferzoli Guimarães (DCC - PUC/MG)

2 de Julho de 2019
15:45h
Sala 2077 do ICEX

Publicado em: Teses
Avalie este item
(0 votos)

A Coordenação do Programa de Pós-Graduação em Ciência da Computação tem a satisfação de convidá-lo para a Defesa de Dissertação:

Classification of Load Balancing in the Internet
Rafael Luis Caldas Almeida

Recent advances in programmable data planes, software-defined networking, and even the adoption of IPv6, support novel, more complex load balancing strategies. We introduce the Multipath Classification Algorithm (MCA), which extends existing formalism and techniques to consider that load balancers may use arbitrary combinations of bits in the packet header for load balancing. We propose optimizations to reduce probing cost that are applicable to MCA and existing load balancing measurement techniques. Through large-scale measurement campaigns, we characterize and study the evolution of load balancing on the IPv4 and IPv6 Internet, using multiple transport protocols. Our results show that load balancing is more prevalent and that load balancing strategies are more mature than previous characterizations have found.

Comissão Examinadora:

Prof. Ítalo Fernando Scotá Cunha - Orientador (DCC - UFMG)
Profa. Renata Cruz Teixeira (LINCS - INRIA)
Prof. Antonio Alfredo Ferreira Loureiro (DCC - UFMG)
Prof. Luiz Filipe Menezes Vieira (DCC - UFMG)

1 de Julho de 2019
09:30h
Sala 6321 do ICEx

Publicado em: Teses
Avalie este item
(0 votos)

A Coordenação do Programa de Pós-Graduação em Ciência da Computação tem a satisfação de convidá-lo para a Defesa de Projeto de Tese:

Deep-based Recurrent Approaches for Gesture Recognition
Igor Leonardo Oliveira Bastos

O reconhecimento de gestos (RG) corresponde a uma interpretação matemática de um movimento humano por uma máquina, envolvendo aspectos e partes do corpo, tais como variações no posicionamento de mãos e braços, expressões faciais e corporais, postura do tronco, entre outros. Por considerar tanto aparência quanto o movimento, este tópico relaciona-se à extração e uso de informação espaço-temporal em vídeos, tendo destaque em diferentes áreas e aplicações. No entanto, apesar da gama de trabalhos voltados para RG, nota-se lacunas no tocante a aspectos como escalabilidade, incorporação de novos gestos com baixo custo, além de atuação em vídeos não-segmentados. Assim, este trabalho tem seu foco nestas lacunas, propondo a: (i) criação de modelos escaláveis para aplicação incremental bases de dados e (ii) formulação de um modelo para detecção temporal de gestos em vídeos não-segmentados e seu respectivo reconhecimento, sendo estes avaliados em bases de RG, tais como SKIG e ChaLearn ConGD.

Comissão Examinadora:

Prof. William Robson Schwartz - Orientador (DCC - UFMG)
Prof. Ricardo da Silva Torres (IC - UNICAMP)
Prof. Guillermo Cámara Chávez (DECOM - UFOP)
Prof. Erickson Rangel do Nascimento (DCC - UFMG)

1 de Julho de 2019
09:00h
Sala 2077 do ICEX

Página 3 de 3