A Atividade Redes Neurais

UNIVERSIDADE FEDERAL DA BAHIA

INSTITUTO DE COMPUTAÇÃO

MATD02 – TÓPICOS EM SISTEMAS DE INFORMAÇÃO

RELATÓRIO DE AULA (25/10)

A aula do dia 25/10 teve como tema a apresentação das defesas de tese de doutorado dos alunos

Leandro Andrade e Cleber Santana, assim como a defesa de mestrado de Brenno Alencar. Com o

primeiro trabalho, Data Interplay: a model to improve performance efficiency in the Internet of

Things data, do doutorando Leandro, foi introduzida a contexto e a motivação do trabalho,

apontando-se que a Internet das Coisas (IoT) tem desempenhado um papel importante em diferentes

eixos da sociedade. Como consequência da grande expansão de dispositivos IoT conectados à

internet nos próximos anos, existirá necessidade de armazenar e gerenciar um imenso volume de

dados. O trabalho de Leandro tem como objetivo propor um modelo de interconexão de dados da

Internet das Coisas para fornecer a definição e implantação do ciclo de vida de dados IoT, visando

melhorar a eficiência e performance do desempenho nas operações relacionadas ao ciclo de vida

dos dados de IoT: coleta, análise e uso entre dispositivos e aplicativos em infraestruturas de ponta e

nuvem.

Já o trabalho do doutorando Cleber Lira teve como objetivo propor uma arquitetura baseada em

microsserviços reativos para o desenvolvimento de aplicações IoT, consistindo em um conjunto de

componentes de software, ajustados para atender aos requisitos de aplicações IoT que demandam

alta disponibilidade. Os resultados experimentais do trabalho concluíram que a abordagem

melhora a disponibilidade, minimiza a latência, maximizando a taxa de transferência e aumentando

a precisão significativamente. A tese apresenta contribuições envolvendo as áreas de computação

orientada a serviços e a Internet das Coisas. As contribuições vão desde o desenvolvimento de

estudos que estão à disposição da comunidade científica a uma proposta arquitetônica de apoiar

desenvolvedores que desejam criar aplicativos IoT confiáveis.

Por fim, a dissertação do mestrando Brenno Alencar intitulada “Aprendizado de Máquina para

redução do tráfego de dados e da latência na Névoa das Coisas” expõe o problema de que, devido

ao grande volume de dados gerado por dispositivos e infraestruturas IoT, a distância entre os

dispositivos e a nuvem (onde esses dados são armazenados, processados e escalados) pode impor

limitações para atingir baixa latência no tráfego de dados. O trabalho teve como objetivo trazer uma

abordagem, utilizando aprendizado de máquina, para processamento e análise de fluxos de dados da

Internet das Coisas em tempo real na Névoa das Coisas, com o intuito de reduzir a quantidade de

dados transmitidos na infraestrutura de rede, permitindo, como consequência, realizar uma

modelagem de dados online, detectando mudanças no comportamento do fluxo de dados e redução