https://hdl.handle.net/1884/76248 Wed, 01 Jul 2026 06:34:57 GMT 2026-07-01T06:34:57Z https://hdl.handle.net/1884/105717 Sentinel.AI : uma arquitetura IoT para monitoramento ambiental baseada em classificação de eventos sonoros com transferência de aprendizado Resumo: O avanço da Internet das Coisas (IoT) e das técnicas de Inteligência Artificial (IA) tem impulsionado o desenvolvimento de sistemas inteligentes para monitoramento ambiental. Neste contexto, a análise automática de eventos sonoros ambientais tem se mostrado uma abordagem promissora para identificação de atividades naturais ou antrópicas. Este trabalho apresenta a plataforma Sentinel.AI, uma arquitetura integrada que combina sensoriamento embarcado, transmissão de dados e classificação automática de eventos sonoros por meio de transferência de aprendizado utilizando o modelo YAMNet. O sistema realiza a aquisição e o processamento de sinais acústicos, permitindo a identificação automatizada de padrões associados a atividades ambientais específicas. A abordagem foi avaliada utilizando o conjunto de dados ESC-50, considerando classes relacionadas a eventos sonoros ambientais. Os resultados experimentais indicam que a utilização de embeddings acústicos extraídos por redes profundas, aliada a técnicas de aumento de dados, permite obter desempenho consistente mesmo com conjuntos de dados reduzidos. Os resultados evidenciam o potencial da integração entre IoT e aprendizado profundo para aplicações de monitoramento ambiental inteligente; Abstract: The advancement of the Internet of Things (IoT) and Artificial Intelligence (AI) techniques has enabled the development of intelligent systems for environmental monitoring. In this context, the automatic analysis of environmental sound events has emerged as a promising approach for identifying natural or anthropogenic activities. This work presents the Sentinel.AI platform, an integrated architecture that combines embedded sensing, data transmission, and automatic classification of environmental sound events through transfer learning using the YAMNet model. The system performs acoustic signal acquisition and processing, enabling the automated identification of patterns associated with specific environmental activities. The proposed approach was evaluated using the ESC-50 dataset, considering sound classes related to environmental events. Experimental results indicate that the use of deep acoustic embeddings combined with data augmentation techniques allows consistent performance even with relatively small datasets. These findings highlight the potential of integrating IoT and deep learning techniques for intelligent environmental monitoring applications Orientador: Prof. Dr. Razer Anthom Nizer Rojas Montaño; Trabalho de Conclusão de Curso (especialização) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada; Inclui referências Thu, 01 Jan 2026 00:00:00 GMT https://hdl.handle.net/1884/105717 2026-01-01T00:00:00Z https://hdl.handle.net/1884/105715 Computação fotônica aplicada à inteligência artificial Resumo: O avanço acelerado da Inteligência Artificial, especialmente em aplicações de aprendizado profundo (deep learning), tem imposto demandas computacionais cada vez mais intensas, revelando limitações da computação tradicional baseada em silício. Com o progressivo esgotamento da Lei de Moore e o consequente enfraquecimento dos ganhos de desempenho obtidos por meio da miniaturização de transistores, torna-se necessário investigar novas abordagens capazes de sustentar o crescimento da capacidade de processamento exigida por aplicações de IA. Este trabalho tem como objetivo analisar o potencial da computação fotônica como alternativa para o processamento de tarefas de aprendizado de máquina. Para isso, foi conduzida uma revisão sistemática da literatura, na qual foram selecionados e analisados estudos relevantes sobre arquiteturas fotônicas, computação neuromórfica óptica e circuitos integrados fotônicos aplicados à inteligência artificial. A análise dos trabalhos identificados evidencia vantagens importantes da computação fotônica, como elevado paralelismo inerente à propagação da luz, altas taxas de transmissão de dados e maior eficiência energética quando comparada às arquiteturas eletrônicas convencionais. Também são discutidos avanços recentes em dispositivos fotônicos capazes de implementar operações fundamentais para redes neurais e outros algoritmos de aprendizado de máquina. Embora a tecnologia ainda enfrente desafios relacionados à integração, precisão computacional e escalabilidade industrial, os resultados indicam que a computação fotônica apresenta potencial significativo para complementar ou ampliar as capacidades do hardware tradicional em aplicações de inteligência artificial; Abstract: The accelerated advancement of Artificial Intelligence, especially in deep learning applications, has imposed increasingly intense computational demands, revealing the limits of traditional silicon-based computing. With the progressive depletion of Moore’s Law and the consequent weakening of performance gains achieved through transistor miniaturization, it becomes necessary to investigate new approaches capable of sustaining the growth of processing capacity required by AI applications. This work aims to analyze the potential of photonic computing as an alternative for processing machine learning tasks. To this end, a systematic literature review was conducted, in which relevant studies on photonic architectures, optical neuromorphic computing, and integrated photonic circuits applied to artificial intelligence were selected and analyzed. The analysis highlights important advantages of photonic computing, such as the high parallelism inherent to light propagation, high data transmission rates, and improved energy efficiency when compared to conventional electronic architectures. Recent advances in photonic devices capable of implementing fundamental operations for neural networks and other machine learning algorithms are also discussed. Although the technology still faces challenges related to integration, computational precision, and industrial scalability, the results indicate that photonic computing presents significant potential to complement or expand the capabilities of traditional hardware in artificial intelligence applications Orientador: Prof. Dr. Razer Anthom Nizer Rojas Montaño; Artigo apresentado como Trabalho de Conclusão de Curso; Artigo (especialização) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada; Inclui referências Thu, 01 Jan 2026 00:00:00 GMT https://hdl.handle.net/1884/105715 2026-01-01T00:00:00Z https://hdl.handle.net/1884/105565 Memorial de projetos : a integração de técnicas de storytelling e visualização de dados na análise de conjuntos de dados complexos - estratégias para comunicação e engajamento Resumo: A era do Big Data intensificou a produção e o acesso a grandes volumes de informações nas organizações, contudo, a simples disponibilidade desses registros não garante compreensão ou impacto estratégico. Para enfrentar esse desafio, o data storytelling surge como uma abordagem interdisciplinar essencial que integra análise quantitativa, visualização e narrativa para transformar dados técnicos em mensagens claras, envolventes e acionáveis. Este trabalho investiga os conceitos e técnicas dessa prática como ferramenta estratégica de apoio à tomada de decisão e à comunicação organizacional. Utilizando uma metodologia qualitativa e exploratória, o estudo avalia estruturas teóricas e aplicações reais, como a gestão de demandas urbanas em Curitiba e projetos públicos em Fortaleza. Os resultados indicam que narrativas estruturadas, aliadas a princípios de design visual, mitigam a sobrecarga de informações e reduzem ruídos comunicativos. Por fim, a integração de tecnologias emergentes como a Inteligência Artificial democratiza o acesso ao conhecimento e fortalece a cultura analítica organizaciona; Abstract: The era of Big Data has exponentially increased the production and access to vast amounts of information within organizations, yet simple availability does not guarantee strategic understanding or impact. To address this challenge, data storytelling has emerged as an essential interdisciplinary approach that integrates quantitative analysis, visualization, and narrative to transform technical data into clear, engaging, and actionable messages. This work investigates the concepts and methodologies of this practice as a strategic tool for supporting decision-making and enhancing organizational communication. Utilizing a qualitative and exploratory methodology, the study evaluates theoretical frameworks alongside real-world applications, such as urban demand management in Curitiba and public sector projects in Fortaleza. Findings indicate that structured narratives, combined with visual design principles, effectively mitigate information overload and reduce communicative noise. Ultimately, the integration of emerging technologies like Artificial Intelligence democratizes access to knowledge and strengthens an organization’s analytical culture Orientador: Prof. Dr. Razer Anthom Nizer Rojas Montaño; Memorial de Projetos (especialização) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada; Inclui referências Thu, 01 Jan 2026 00:00:00 GMT https://hdl.handle.net/1884/105565 2026-01-01T00:00:00Z https://hdl.handle.net/1884/105564 Memorial de projetos : história da inteligência artifical – das redes neurais ao transformer Resumo: A Inteligência Artificial, apesar de muitas vezes ser percebida como uma tecnologia recente, possui uma trajetória extensa construída ao longo de décadas de estudos, avanços e desafios, estando diretamente ligada à evolução da computação moderna. Desde os questionamentos iniciais de Alan Turing sobre a capacidade das máquinas pensarem e a formalização do termo na Conferência de Dartmouth, a área passou por diferentes fases, incluindo avanços importantes como o Perceptron e sistemas iniciais de interação como o ELIZA, além de períodos de estagnação conhecidos como "invernos da IA". A partir da década de 1980, com o desenvolvimento da retropropagação e o fortalecimento das redes neurais, a Inteligência Artificial retomou seu crescimento, que se intensificou ainda mais no século XXI com o aumento do poder computacional e da disponibilidade de grandes volumes de dados. Esse cenário possibilitou avanços significativos em áreas como visão computacional e processamento de linguagem natural, além de conquistas marcantes em problemas complexos. Posteriormente, a introdução da arquitetura Transformer impulsionou fortemente o desenvolvimento de modelos de linguagem mais eficientes e versáteis, resultando na abertura de caminhos para a evolução das IAs generativas e multimodais. Nos anos mais recentes, esses modelos passaram a ser capazes de gerar textos, imagens, áudios e vídeos com alto nível de qualidade e realismo, ampliando significativamente suas aplicações. Dessa forma, a Inteligência Artificial consolidou-se como uma tecnologia estratégica e indispensável, presente em diversos setores e cada vez mais integrada ao cotidiano das pessoas, promovendo transformações profundas na forma como interagimos com a tecnologia e com o mundo; Abstract: Artificial Intelligence, despite often being perceived as a recent technology, has an extensive history built over decades of studies, advancements, and challenges, being directly linked to the evolution of modern computing. From Alan Turing's initial questions about the ability of machines to think and the formalization of the term at the Dartmouth Conference, the field has gone through different phases, including important advancements such as the Perceptron and early interaction systems like ELIZA, as well as periods of stagnation known as "AI winters." From the 1980s onwards, with the development of backpropagation and the strengthening of neural networks, Artificial Intelligence resumed its growth, which intensified even further in the 21st century with the increase in computing power and the availability of large volumes of data. This scenario enabled significant advances in areas such as computer vision and natural language processing, as well as remarkable achievements in solving complex problems. Subsequently, the introduction of Transformer architecture strongly boosted the development of more efficient and versatile language models, opening pathways for the evolution of generative and multimodal AIs. In recent years, these models have become capable of generating high-quality and realistic texts, images, audio, and videos, significantly expanding their applications. In this way, Artificial Intelligence has established itself as a strategic and indispensable technology, present in various sectors and increasingly integrated into people's daily lives, promoting profound transformations in how we interact with technology and the world Orientadora: Prof. Dra. Rafaela Mantovani Fontana; Memorial de Projetos (especialização) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada; Inclui referências Thu, 01 Jan 2026 00:00:00 GMT https://hdl.handle.net/1884/105564 2026-01-01T00:00:00Z