[pt] Atualmente, uma tarefa muito importante na mineração de dados é compreender como extrair os dados mais informativos dentre um número muito grande de dados. Uma vez que todos os campos de conhecimento apresentam uma grande quantidade de dados que precisam ser reduzidas até as informações mais representativas, a abordagem das séries temporais é definitivamente um método muito forte para representar e extrair estas informações. No entanto nós precisamos ter uma ferramenta apropriada para inferir os dados mais significativos destas séries temporais, e para nos ajudar, podemos utilizar alguns métodos de medida de similaridade para saber o grau de igualdade entre duas séries temporais, e nesta pesquisa nós vamos realizar um estudo utilizando alguns métodos de similaridade baseados em medidas de distância e aplicar estes métodos em alguns algoritmos de clusterização para fazer uma avaliação de se existe uma combinação (método de similaridade baseado em distância / algoritmo de clusterização) que apresenta uma performance melhor em relação a todos os outros utilizados neste estudo, ou se existe um método de similaridade baseado em distância que mostra um desempenho melhor que os demais. / [en] Nowadays a very important task in data mining is to understand how to collect the most informative data in a very amount of data. Once every single field of knowledge have lots of data to summarize in the most representative information, the time series approach is definitely a very strong way to represent and collect this information from it (12, 22). On other hand we need to have an appropriate tool to extract the most significant data from this time series. To help us we can use some similarity methods to know how similar is one time series from another In this work we will perform a research using some distance-based similarity methods and apply it in some clustering algorithms to do an assessment to see if there is a combination (distance-based similarity methods / clustering algorithm) that present a better performance in relation with all the others used in this work or if there exists one distancebased similarity method that shows a better performance between the others.

[pt] Esta dissertação apresenta o Template de Metacomunicação Estendido, uma ferramenta, denominada Template Estendido de Metacomunicação, baseada em um conjunto de perguntas-guia derivadas da teoria da Engenharia Semiótica. Relatamos os resultados de um estudo para avaliar seus impactos no processo de design de sistemas de aprendizagem de máquina. Ao solicitar que designers e desenvolvedores respondam um conjunto de perguntas, a ferramenta busca auxiliá-los a organizar mentalmente suas interpretações da solução de design, ao mesmo tempo que revisitam as pressuposições por trás dela. Descrevemos, então, um estudo de design especulativo e analisamos seus resultados, identificando temas emergentes que nos ajudam a entender como a ferramenta proposta pode ser utilizada. Dentre os aspectos identificados mais relevantes estão a prática reflexiva do design, a atenção ao uso de linguagem, a atribuição de responsabilidade às pessoas envolvidas, o uso do arcabouço ético de apoio fornecido, os princípios da bioética, e as possíveis formas de se usar o template estendido. / [en] This dissertation presents the Extended Metacommunication Template, a tool based on a set of guiding questions derived from the theory of Semiotic Engineering. We report the results of a study we conducted to evaluate the tool s impacts on the design process of machine learning systems. By having designers and developers answer a set of questions, the tool aims to help them reflect on their interpretations of the design solution, while allowing them to revisit the presuppositions behind it. We then describe a speculative design study and analyze its results, identifying emergent themes that help us understand how the proposed tool may be used. Among the relevant themes identified are: the reflective practice of design, the designer s focus on their use of language, the process of attributing responsibility to the people involved, the use of the ethical framework provided to them, the bioethical principles, and the ways in which the extension of the template may be used.

[pt] O apoio diagnóstico de exames médicos por imagem utilizando técnicas de Inteligência Artificial tem sido amplamente discutido e pesquisado academicamente. Diversas técnicas computacionais para segmentação e classificação de tais imagens são continuamente criadas, testadas e aperfeiçoadas. Destes estudos emergem sistemas com alto grau de especialização que se utilizam de técnicas de visão computacional e aprendizagem de máquina para segmentar e classificar imagens de exames utilizando conhecimento adquirido através de grandes coleções de exames devidamente laudados. No domínio médico há ainda a dificuldade de se conseguir bases de dados qualificada para realização da extração de conhecimento pelos sistemas de aprendizagem de máquina. Neste trabalho propomos a construção de uma arquitetura de software que suporte o desenvolvimento de sistemas de apoio diagnóstico que possibilite: (i) a utilização em múltiplos tipos exames, (ii) que consiga segmentar e classificar, (iii) utilizando não só de estratégias padrão de aprendizado de máquina como, (iv) o conhecimento do domínio médico disponível. A motivação é facilitar a tarefa de geração de classificadores que possibilite, além de buscar marcadores patológicos específicos, ser aplicado em objetivos diversos da atividade médica, como o diagnóstico pontual, triagem e priorização do atendimento. / [en] The image medical exam diagnostic support using Artificial Intelligence techniques has been extensively discussed and academically researched. Several computational techniques for segmentation and classification of such images are continuously created, tested and improved. From these studies, highly specialized systems that use computational vision and machine learning techniques to segment and classify exam images using knowledge acquired through large collections of lauded exams. In the medical domain, there is still the difficulty of obtaining qualified databases to support the extraction of knowledge by machine learning systems. In this work we propose a software architecture construction that supports diagnostic support systems development that allows: (i) use of multiple exam types, (ii) supporting segmentation and classification, (iii) using not only machine learning techniques as, (iv) knowledge of the available medical domain. The motivation is to facilitate the generation of classifiers task that, besides searching for specific pathological markers, can be applied to different medical activity objectives, such as punctual diagnosis, triage and prioritization of care.

[pt] entendimento do macro comportamento dos materiais, este trabalho apresenta soluções inovadoras para a análise de imagens 3D obtidas por microtomografia computadorizada de raios-X (microCT). O material estudado conhecido pelo termo em inglês “strain-hardening cement-based composites” ou pela abreviação SHCC é um compósito cimentício reforçado com fibras que atinge deformações significativas através da formação de múltiplas fissuras, estabelecendo um material cimentício com característica pseudo-dúctil. O primeiro desafio deste trabalho foi reconhecer e quantificar as fases constituintes nas imagens 3D de SHCC obtidas por microCT. Materiais com estruturas complexas podem apresentar imagens em que as fases internas não podem ser distinguidas pela técnica de limiarização clássica, exigindo o uso de outra técnica como a segmentação por Deep Learning (DL). Portanto, este trabalho utilizou DL como solução para esta tarefa. Desta forma, as características de cada fases puderam ser correlacionadas ao comportamento mecânico macro do material em ensaios de microCT in-situ. Outro método moderno de análise de imagens 3D utilizado foi a correlação digital de volume (em inglês, digital volume correlation - DVC). O DVC é uma técnica que estima o campo de deformação sobre todo o volume da amostra, correlacionando as imagens 3D nos estados descarregado e carregado. Assim, as imagens obtidas nos ensaios de tração e compressão in-situ puderam ter seus deslocamentos internos medidos e deformações calculadas. Em síntese, este trabalho trouxe avanços ao campo do processamento digital e análise de imagens 3D, aplicadas a materiais cimentícios, mas que também podem se adaptar à análise de diversos materiais. / [en] Considering the importance of micro and mesoscale analyses to understand the macro behavior of materials, this work brings innovative solutions for analyzing 3D images obtained by X-ray micro-computed tomography (microCT). The studied material was the strain-hardening cement-based composites (SHCC), a fiber reinforced cementitious composite that achieves significant deformations through multiple cracks formation, resulting in a cementitious material with pseudo ductile features. The first challenge of this work was to recognize and quantify the constituent phases in the 3D images of SHCC obtained by microCT. Materials with complex structures may present images in which the internal phases cannot be distinguished by the classical thresholding technique, requiring the use of another technique such as segmentation by Deep Learning (DL). Therefore, this work used DL as a solution for this task. Then, the features of each phase could be correlated to the macro mechanical behavior of the material in in-situ microCT tests. Another modern method for analyzing 3D images used was the digital volume correlation (DVC). DVC is a technique that estimates full-field strain in 3D over the entire volume of the specimen by correlating imaging volumes of the specimen in unloaded and loaded states. Thus, the images obtained from tensile and compression in-situ tests could have their internal displacements measured and strain calculated. In summary, this work brought advances to the 3D image processing and analysis field, applied to cementitious materials, but which could also adapt for the analysis of various materials.