Autor: Daniel Cesar Bosco de Miranda
Orientador: Marcelo Gattass
Data e Hora: 28/04/2023 às 14:00
Autor: Taylor Oliveira Fidelis
Orientador: Hélio Côrtes Vieira Lopes
Data e Hora: 27/04/2023 às 14:00
Vamos falar de inteligência artificial generativa?
Muito tem se falado sobre as realidades sintéticas criadas pelas novas tecnologias baseadas em inteligência artificial. Na próxima palestra do projeto Conexão Rio Campinas, parceria do Lab. de IA Recod.ai, Instituto de Computação – Unicamp e Departamento de Informática PUC-Rio, será falado como nossa sociedade está vivendo essas realidades sintéticas criadas por tecnologias como Chat GPT, Mid journey, DallE 2, Stable Diffusion e tantas outras.
Na conversa, abordaremos indicadores que podem ser explorados para que possamos identificar e entender as criações e falsificações dos novos tempos, os desafios de pesquisa e as implicações em nossa sociedade.
O evento acontece através da Conexão Rio-Campinas, uma parceria entre o Departamento de Informática da PUC-Rio e o Instituto de Computação da Unicamp, que promove importantes debates e palestras sobre os últimos avanços na Inteligência Artificial, na Ciência da Computação, em aprendizado de máquina, Ciência de Dados entre outros temas relevantes para profissionais, pesquisadores e a sociedade como um todo.
A palestra é aberta e você pode se inscrever em: https://lnkd.in/d-FzVz2H
Defesa de Tese de Doutorado da aluna Ana Carla Gomes Bibiano.
Título da tese: On the Completeness of Composite Code Refactorings for Beneficial Smell Removal.
Resumo: Code smells são problemas na qualidade estrutural interna. Refatoração é uma técnica comumente usada para remover code smells. Uma única refatoração é uma transformação simples que raramente é suficiente para ajudar os desenvolvedores a obter a remoção total de um code smell. Assim, os desenvolvedores freqüentemente aplicam refatorações compostas com o objetivo de remover completamente um code smell. Uma refatoração composta é formada por duas ou mais transformações de refatoração. Estudos relatam que desenvolvedores muitas vezes falham ao remover completamente code smells quando aplicam refatorações compostas. Uma refatoração composta é completa quando remove totalmente um code smell alvo da refatoração, caso contrário, é considerada incompleta. Uma vez que refatorações compostas são formadas por várias transformações de refatoração; eles podem degradar inadvertidamente outras partes do sistema de software. Por exemplo, mesmo uma refatoração composta completa pode introduzir outros code smells enquanto remove o code smell alvo da refatoração. No entanto, a literatura sobre refatorações compostas (in)completas e seus efeitos na qualidade estrutural é bastante escassa. A falta de conhecimento empírico dificulta a criação de sistemas de recomendação de refatorações para auxiliar adequadamente os desenvolvedores na realização de refatorações compostas completas eficazes, ou seja, transformações de código sem efeitos colaterais. Esta pesquisa de doutorado investiga como conceituar a (in)completude composta e quais são as refatorações compostas completas que podem remover totalmente code smells em um escopo de código específico. Investigamos 618 refatorações compostas em 20 sistemas de software. Descobrimos que 58% das refatorações compostas incompletas não degradaram a qualidade estrutural interna, e 64% das refatorações compostas completas são formadas por tipos de refatoração que não eram recomendados anteriormente na literatura. Criamos então um catálogo com quatro recomendações baseadas em refatorações compostas completas aplicados na prática. Avaliamos este catálogo a partir das percepções dos desenvolvedores. Estendemos a implementação de um sistema de recomendação de refatoração para sugerir refatorações compostas para a remoção de vários code smells, alertando os desenvolvedores sobre o efeito colateral de refatorações compostas na prática.
Orientador: Prof. Dr. Alessandro Fabricio Garcia
Co-Orientador: Prof. Dr. Wesley Klewerton Guêz Assunção
Banca:
Prof. Dr. Jose Alberto Rodrigues Pereira Sardinha
Prof. Dr. Leonardo Gresta Paulino Murta
Prof. Dr. Marcos Kalinowski
Prof. Dr. Rohit Gheyi
Prof(a) Dr(a) Juliana Alves Pereira
Prof. Dr. Márcio de Medeiros Ribeiro
Assista a defesa pelo link: https://puc-rio.zoom.us/j/97780654458?pwd=KzNobExvMjV4L1ZNM2d4M3ZpcWp3QT09
Autor: Ana Carla Gomes Bibiano
Orientador: Alessandro Fabricio Garcia
Data e Hora: 24/04/2023 às 16:00
Autor: Mauricio de Castro Lana
Orientador: Bruno Feijó
Data e Hora: 26/04/2023 às 10:00
Defesa de Dissertação de Mestrado do aluno Pedro Felipe Santos Magalhães.
Título da dissertação: Biblioteca em Go para testes de Microsserviços com comunicação assíncrona.
Resumo: Observamos que cada vez mais desenvolvedores estão adotando a arquitetura de microsserviços para o desenvolvimento de sistemas distribuídos. Usualmente nesse tipo de arquitetura há um serviço de fila de mensagens que fica responsável em fazer a comunicação assíncrona entre os microsserviços, um serviço bastante utilizado para isso é o Kafka. Nesse ambiente assíncrono, os testes de integração de um determinado serviço ficam complexos pela dificuldade de criar cenários reprodutíveis. No nosso trabalho propomos e avaliamos o uso de uma biblioteca em Go que ajuda no desenvolvimento de testes de integração para microsserviços que utilizam Docker e Kafka, auxiliando na ordenação de eventos nos cenários de teste desenvolvidos.
Orientador: Prof. Dr. Markus Endler
Co-Orientadora: Prof. Dra. Maria Julia Dias de Lima
Banca:
Prof. Dra. Silvana Rossetto
Prof. Dra. Noemi de La Rocque Rodriguez
Prof. Dr. Roberto Ierusalimschy
Assista a defesa pelo link: https://zoom.us/j/7099156117?pwd=VXVxYnQvMjZmdnA1TlRmQmtrUTNrZz09
Defesa de Dissertação de Mestrado do aluno Vitor Hespanhol Côrtes.
Título da dissertação: Assimilação de dados integrada a técnicas de tradução imagem-imagem aplicada a modelos de reservatórios.
Resumo: A incorporação de dados de produção ao modelo de reservatórios é uma etapa fundamental para se estimar adequadamente a recuperação de uma jazida de petróleo e, dentre as estratégias disponíveis para realizar tal tarefa, o método ensemble smoother with multiple data assimilation (ES-MDA) tem se destacado na última década. Entretanto, este é um método que apresenta melhores resultados quando os parâmetros a serem ajustados no modelo são caracterizados por uma distribuição de probabilidades próxima à Gaussiana, apresentando um desempenho reduzido ao lidar com o ajuste de parâmetros discretos, como por exemplo as fácies geológicas. Uma proposta para lidar com esse problema é recorrer a redes de aprendizado profundo, em particular as redes para tradução imagem-imagem (I2I), valendo-se da analogia existente entre a representação de uma imagem RGB e a estrutura em malha das propriedades de um modelo de reservatórios. Assim, é possível adaptar a arquitetura de redes I2I disponíveis e treiná-las para, a partir de uma matriz de parâmetros contínuos que serão ajustados pelo método ES-MDA (como porosidade e permeabilidade), gerar a representação matricial do parâmetro discreto correspondente (fácies), de forma similar a tarefas como segmentação semântica ou transferência de estilo, no contexto de imagens. Portanto, o parâmetro discreto se tornaria transparente ao método ES-MDA, sendo a sua reconstrução realizada pela rede I2I.
Orientador:
Prof. Dr. Hélio Côrtes Vieira Lopes
Banca:
Prof. Dr. Abelardo Borges Barreto Junior
Prof. Dr. Alexandre Anozé Emerick
Prof. Dr. Sinesio Pesco
Assista a defesa pelo link:
https://puc-rio.zoom.us/j/98985331977?pwd=SUlCWmQzSTlkcEJhK1RxRjN0YVdYZz09
Autor: Pedro Felipe Santos Magalhães
Orientador: Markus Endler
Data e Hora: 20/04/2023 às 15:00
Autor: Vitor Hespanhol Côrtes
Orientador: Hélio Côrtes Vieira Lopes
Data e Hora: 18/04/2023 às 14:00
