The parallel and distributed platforms of High Performance Computing available today have became more and more heterogeneous (CPUs, GPUs, FPGAs, etc). Graphics Processing Units (GPU) are specialized co-processor to accelerate and improve the performance of parallel vector operations. GPUs have a high degree of parallelism and can execute thousands or millions of threads concurrently and hide the latency of the scheduler. GPUs have a deep hierarchical memory of different types as well as different configurations of these memories. Performance prediction of applications executed on these devices is a great challenge and is essential for the efficient use of resources in machines with these co-processors. There are different approaches for these predictions, such as analytical modeling and machine learning techniques. In this thesis, we present an analysis and characterization of the performance of applications executed on GPUs. We propose a simple and intuitive BSP-based model for predicting the CUDA application execution times on different GPUs. The model is based on the number of computations and memory accesses of the GPU, with additional information on cache usage obtained from profiling. We also compare three different Machine Learning (ML) approaches: Linear Regression, Support Vector Machines and Random Forests with BSP-based analytical model. This comparison is made in two contexts, first, data input or features for ML techniques were the same than analytical model, and, second, using a process of feature extraction, using correlation analysis and hierarchical clustering. We show that GPU applications that scale regularly can be predicted with simple analytical models, and an adjusting parameter. This parameter can be used to predict these applications in other GPUs. We also demonstrate that ML approaches provide reasonable predictions for different cases and ML techniques required no detailed knowledge of application code, hardware characteristics or explicit modeling. Consequently, whenever a large data set with information about similar applications are available or it can be created, ML techniques can be useful for deploying automated on-line performance prediction for scheduling applications on heterogeneous architectures with GPUs. / As plataformas paralelas e distribuídas de computação de alto desempenho disponíveis hoje se tornaram mais e mais heterogêneas (CPUs, GPUs, FPGAs, etc). As Unidades de processamento gráfico são co-processadores especializados para acelerar operações vetoriais em paralelo. As GPUs têm um alto grau de paralelismo e conseguem executar milhares ou milhões de threads concorrentemente e ocultar a latência do escalonador. Elas têm uma profunda hierarquia de memória de diferentes tipos e também uma profunda configuração da memória hierárquica. A predição de desempenho de aplicações executadas nesses dispositivos é um grande desafio e é essencial para o uso eficiente dos recursos computacionais de máquinas com esses co-processadores. Existem diferentes abordagens para fazer essa predição, como técnicas de modelagem analítica e aprendizado de máquina. Nesta tese, nós apresentamos uma análise e caracterização do desempenho de aplicações executadas em Unidades de Processamento Gráfico de propósito geral. Nós propomos um modelo simples e intuitivo fundamentado no modelo BSP para predizer a execução de funções kernels de CUDA sobre diferentes GPUs. O modelo está baseado no número de computações e acessos à memória da GPU, com informação adicional do uso das memórias cachês obtidas do processo de profiling. Nós também comparamos três diferentes enfoques de aprendizado de máquina (ML): Regressão Linear, Máquinas de Vetores de Suporte e Florestas Aleatórias com o nosso modelo analítico proposto. Esta comparação é feita em dois diferentes contextos, primeiro, dados de entrada ou features para as técnicas de aprendizado de máquinas eram as mesmas que no modelo analítico, e, segundo, usando um processo de extração de features, usando análise de correlação e clustering hierarquizado. Nós mostramos que aplicações executadas em GPUs que escalam regularmente podem ser preditas com modelos analíticos simples e um parâmetro de ajuste. Esse parâmetro pode ser usado para predizer essas aplicações em outras GPUs. Nós também demonstramos que abordagens de ML proveem predições aceitáveis para diferentes casos e essas abordagens não exigem um conhecimento detalhado do código da aplicação, características de hardware ou modelagens explícita. Consequentemente, sempre e quando um banco de dados com informação de \\textit esteja disponível ou possa ser gerado, técnicas de ML podem ser úteis para aplicar uma predição automatizada de desempenho para escalonadores de aplicações em arquiteturas heterogêneas contendo GPUs.

Robôs sociáveis devem ser capazes de interagir, se comunicar, compreender e se relacionar com os seres humanos de uma maneira natural. Embora diversos robôs sociáveis tenham sido desenvolvidos com sucesso, ainda existem muitas limitações a serem superadas. São necessários importantes avanços no desenvolvimento de mecanismos que possibilitem interações mais realísticas, bem como regulem o relacionamento entre robôs e humanos. Um forma de tornar mais realísticas as interações é através de expressões faciais de emoção. Nesse contexto, este trabalho fornece capacidade de imitação de expressão facial de emoções a uma cabeça robótica virtual, com o objetivo de permitir interações mais realísticas e duradouras com o ser humano. Para isso, é incorporado à mesma aprendizado por imitação, no qual a cabeça robótica imita expressões faciais apresentadas por um usuário durante a interação social. O aprendizado por imitação foi realizado atráves de redes neurais artificiais. As expressões faciais consideradas neste trabalho são: neutra, alegria, raiva, surpresa e tristeza. Os resultados experimentais são apresentados, os quais mostram o bom desempenho do sistema de imitação proposto / Sociable robots must be able to interact, communicate, understand and relate to humans in a natural way. Although many social robots have been developed successfully, there are still many limitations to overcome. Important advances are needed in the development of mechanisms that allow more realistic interactions and that regulate the relationship between robots and humans. One way to make more realistic interactions is through facial expressions of emotion. In this context, this project provides ability for imitation of facial expressions of emotion to a virtual robotic head, in order to allow more realistic and lasting interactions with humans. For such, learning by imitation is used, in which the robotic head mimics facial expressions made by a user during social interaction. The imitation learning was performed by artificial neural networks. Facial expressions considered in this work are: neutral, happiness, anger, surprise and sadness. Experimental results are presented which show the good performance of the proposed system imitation

Este trabalho apresenta algumas contribuições para uma atualização metodológica e pedagógica do ensino de instrumentos de sopro em aulas coletivas inspirado pelas práticas informais de aprendizagem identificadas por Green (2008), Braga (2005) e Priest (1989) entre outros. As práticas informais são um conjunto de atividades identificadas pela literatura como típicas da música popular ou tradicional que possuem interesse para a educação musical formal. Suas características principais podem ser resumidas como: concessão de espaço e tempo para os alunos improvisarem e experimentarem; livre escolha do repertório e; maior uso de modelos visuais e sonoros dados pelo professor e por gravações trazidas à sala de aula. As práticas informais estão de acordo com a pedagogia de Paulo Freire na medida em que colocam a autonomia como meio de aprendizagem e não apenas como finalidade. A formalização das práticas musicais na direção da escrita e leitura de partituras é um processo antigo correlacionado ao desenvolvimento do racionalismo na história do pensamento ocidental em sua busca pela precisão, segundo Koellreutter (Brito, 2007). O caminho que as práticas musicais tomaram teve seu ápice no século XIX, sendo que o sistema de ensino dos conservatórios constituído nesta época perdura até os dias de hoje na educação musical, em especial no ensino formal e tradicional. É só a partir da segunda metade do século XX que os trabalhos de educação musical procuraram reequilibrar o processo de transmissão da música em busca da oralidade e da subjetividade que quase se perdeu. Este trabalho procura ser mais uma contribuição nesta direção. A pesquisa procurou implementar as práticas informais seguindo em linhas gerais o modelo sugerido por Green (2008) mas também incorporando as contribuições de outros autores como Braga (2005) e Priest (1989) no curso de iniciação aos instrumentos de sopro do Guri. O foco principal foi a análise do comportamento dos alunos perante as atividades, geralmente pouco estruturadas, bem como de seu desenvolvimento musical ao longo das aulas, utilizando o método de pesquisa baseado no estudo de caso instrumental. Apesar de vários percalços ao longo do trabalho, os resultados obtidos foram bastante favoráveis a adoção destas práticas e corroboram com as ideias de Green (2008). Tanto no que diz respeito a tocar a melodia escolhida pelos próprios alunos, como nas improvisações, vários deles demonstraram bastante desembaraço e independência. Também se observou que, por serem uma forma mais direta e musical de se aprender, as práticas informais permitiram aos alunos lidar com materiais musicais muito mais ricos e complexos do que em um curso tradicional. Por outro lado estas práticas pareceram mais adequadas para os alunos mais velhos, uma vez que estes tendem naturalmente a ter mais voz no grupo e a exercer mais plenamente a sua autonomia, inibindo os mais jovens que talvez tivessem sido beneficiados por mais apoio docente. / This work presents some contributions for a methodological and pedagogical update to the teaching of woodwind instruments in group lessons based on informal learning practices identified by Green (2008), Braga (2005) and Priest (1989) among others. Informal learning practices are a set of activities identified in the literature as typical of popular or traditional music which are of interest for formal music education. Their main characteristics can be summarized as: granting time and room for the student\'s experimentations and improvisations; freedom to choose their musical repertoire; enhanced use of visual and sound role models exposed by the teacher and by musical recordings brought to the classroom. Informal practices are in harmony with Paulo Freire\'s pedagogy since they place autonomy as a mean of learning and not only as a goal. Following Koellreutter (BRITO, 2007), the formalization of musical practices towards the writing and reading of musical scores is a very old process related to the development of rationalism in the history of the western thought in its aim for precision. The path taken by musical practices had their pinnacle at the 19th century, when the conservatory learning system developed, which persists until today mainly in formal traditional education. It is only on the second half of the 20th century that the studies in musical education seek to balance the music transmission process towards an almost gone oral tradition and subjectivity. The present work tries to make a contribution in this direction. The research attempts to implement the informal practices according to the general guidelines of the model proposed by Green (2008), incorporating also the contributions of other authors like Braga (2005) and Priest (1989), in the beginner class of woodwind instruments at Guri program. The main focus of the analysis was on the responses of the students along the generally non-structured activities as well as their musical development throughout the course, using the research method based on instrumental case study. Despite several setbacks during the research, the results were highly favorable to the adoption of those practices and corroborate with Green\'s (2008) ideas. In terms of student\'s success in playing the tunes chosen by them, as well as in improvising several of them showed self-sufficiency and were at ease with the instrument. As the Informal Learning Practices are a more musical and nonmediated way of learning, the students were able to deal with a richer and more complex musical content. On the other hand those practices seemed more suitable to older students since they tend to have a more active role in the group and to exercise more fully their autonomy, inhibiting the youngest, that would probably have benefited from more teacher\'s support.

Sistemas de Transportes Inteligentes (STIs) englobam um conjuntos de tecnologias (Sensoriamento Remoto, Tecnologia da Informação, Eletrônica, Sistemas de Comunicação de Dados entre outros) que visam oferecer serviços e gerenciamento de tráfego avançado para meios de transporte rodoviário, aéreo e outros. A obtenção de informações a respeito das características e das condições do pavimento das estradas constitui uma parte importante dentro do sensoriamento nesses STIs. Investigar novas técnicas, metodologias e meios de automatizar a obtenção dessas informações é parte deste trabalho. Uma vez que existem diferentes tipos de defeitos em vias pavimentadas, esta tese apresenta a proposta de uma metodologia que permite a obtenção, de forma automática, das condições dos pavimentos asfálticos. A obtenção dos dados foi realizada por meio do Sensoriamento Remoto com uso de Veículos Aéreos Não Tripulados. A utilização de técnicas de Aprendizado de Máquina na detecção automática possibilitou alcançar uma acurácia de 99% na detecção de pavimentos asfálticos flexíveis e 92% na identificação de defeitos em alguns experimentos. Como resultado obteve-se o diagnóstico automático, não só das condições da via, mas de diferentes tipos de defeitos presentes em pavimentos. / Intelligent Transport Systems (ITS) is a set of integrated technologies (Remote Sensing, Information Technology, Electronics, Data Communication Systems among others) that aims to provide services and advanced traffic management for road, air, rail and others transportation systems. Obtaining information about characteristics and road pavement conditions is an important part within the sensing these ITS. Investigating new techniques, methods and means to optimize and automate obtaining these information are part of this work, since there are different types of defects on paved roads. Thus, this thesis proposes a methodology that allows automatically obtain information about the condition of the pavement. Data collection was performed with remote sensing technology using Unmanned Aerial Vehicles. Automatic detection was possible through the use of Machine Learning techniques with 99% of accuracy in pavements and 92% in distress identification. As a result we obtained the self-diagnosis, not just the pavement, but different types of distress present in the pavement.

A motivação desse trabalho se dá pelo impacto negativo ao meio ambiente dos sistemas de transporte urbano, devido ao consumo de energia. Com o objetivo de encontrar diretrizes sustentáveis para a melhor prática de mobilidade urbana, em termos de consumo de energia, foi desenvolvida uma nova abordagem, utilizando dados desagregados de viagens intraurbanas em 8 regiões metropolitanas mundiais, provenientes de redes sociais digitais. Para a atribuição do modo de transporte utilizado nas viagens nessas oito diferentes localidades, coletadas das redes sociais, foram empregados algoritmos de Aprendizado de Máquina ajustados a dados mesclados de duas pesquisas origem-destino, a de Londres e a de São Paulo. A cidade de menor consumo de energia devido à mobilidade urbana foi Nova Iorque e a de maior consumo foi Los Angeles. Da análise espacial conduzida constatou-se a existência de relação entre a densidade de locais da cidade e a energia média consumida em viagens para esses locais. Também se constatou a predominância da característica urbana de monocentrismo associado a abrangente rede de transporte rápido de massa como diretrizes sustentáveis da melhor prática observada, a cidade de Nova Iorque. Entretanto, apenas o monocentrismo tomado isoladamente pode não ter relação a um menor consumo energético devido à mobilidade urbana, uma vez que se observou o policentrismo na terceira cidade de menor consumo energético, Rio de Janeiro, dentre as oito enfocadas. Para fins de planejamento urbano, o ferramental desenvolvido neste estudo, com uso de dados provenientes de redes sociais, demonstra - de modo mais ágil e barato que as convencionais pesquisas o-d - a possibilidade de obtenção de bases de dados similares às pesquisas origem-destinos convencionais em localidades distantes onde não existem tais pesquisas o-d ou tais pesquisas não sejam fornecidas. Ainda, a observação sobre como se dá a distribuição espacial do consumo de energia devido à mobilidade urbana sobre a área de uma cidade, distribuição com fina granularidade espacial e vinculada a reais deslocamentos observados no espaço urbano - como a que foi propiciada com o ferramental desenvolvido neste estudo -, abre possibilidade a diversas análises de impactos e melhorias de implantação e/ou alteração de facilidades de transportes no ambiente construído. / The motivation of this work is the negative impact to the environment of the urban transport systems due to the consumption of energy. With the objective of finding sustainable guidelines for the best urban mobility practice in terms of energy consumption, a new approach was developed, using disaggregated intra-urban travel data in 8 metropolitan regions worldwide, from digital social networks. For the attribution of the transport mode used in the trips in these eight different locations, collected from the social networks, Machine Learning algorithms were adjusted to the data merged from two origin-destination surveys, London and São Paulo. The city with the lowest energy consumption due to urban mobility was New York and the one with the highest consumption was Los Angeles. From the spatial analysis conducted, it was verified the existence of a relation between the density of localities of the city and the average energy consumed in trips to these places. It was also verified the predominance of the urban characteristic of monocentrism associated with the comprehensive network of fast mass transport as sustainable directions of the best observed practice, the city of New York. However, only isolated monocentrism may not be related to lower energy consumption due to urban mobility, since polycentrism was observed in the third city of lower energy consumption, Rio de Janeiro, among the eight focused. For urban planning purposes, the tool developed in this study, using data from social networks, demonstrates - in a more agile and inexpensive way than conventional surveys o-d - the possibility of obtaining databases similar to conventional origin-destination surveys in distant locations where no such surveys exist, or such surveys are not provided. Also, the observation about the spatial distribution of energy consumption due to urban mobility over the area of a city, distribution with fine spatial granularity and linked to actual displacements observed in urban space - such as that provided with the developed tooling in this study - opens the possibility to several analyses of impacts and improvements of implantation and / or alteration of transport facilities in the built environment.

Aprendizado múltipla instância (MIL) é um paradigma de aprendizado de máquina que tem o objetivo de classificar um conjunto (bags) de objetos (instâncias), atribuindo rótulos só para os bags. Em MIL apenas os rótulos dos bags estão disponíveis para treinamento, enquanto os rótulos das instâncias são desconhecidos. Este problema é frequentemente abordado através da seleção de uma instância para representar cada bag, transformando um problema MIL em um problema de aprendizado supervisionado padrão. No entanto, não se conhecem abordagens que apoiem o usuário na realização desse processo. Neste trabalho, propomos uma visualização baseada em árvore multi-escala chamada MILTree que ajuda os usuários na realização de tarefas relacionadas com MIL, e também dois novos métodos de seleção de instâncias, chamados MILTree-SI e MILTree-Med, para melhorar os modelos MIL. MILTree é um layout de árvore de dois níveis, sendo que o primeiro projeta os bags, e o segundo nível projeta as instâncias pertencentes a cada bag, permitindo que o usuário explore e analise os dados multi-instância de uma forma intuitiva. Já os métodos de seleção de instãncias objetivam definir uma instância protótipo para cada bag, etapa crucial para a obtenção de uma alta precisão na classificação de dados multi-instância. Ambos os métodos utilizam o layout MILTree para atualizar visualmente as instâncias protótipo, e são capazes de lidar com conjuntos de dados binários e multi-classe. Para realizar a classificação dos bags, usamos um classificador SVM (Support Vector Machine). Além disso, com o apoio do layout MILTree também pode-se atualizar os modelos de classificação, alterando o conjunto de treinamento, a fim de obter uma melhor classificação. Os resultados experimentais validam a eficácia da nossa abordagem, mostrando que a mineração visual através da MILTree pode ajudar os usuários em cenários de classificação multi-instância. / Multiple-instance learning (MIL) is a paradigm of machine learning that aims at classifying a set (bags) of objects (instances), assigning labels only to the bags. In MIL, only the labels of bags are available for training while the labels of instances in bags are unknown. This problem is often addressed by selecting an instance to represent each bag, transforming a MIL problem into a standard supervised learning. However, there is no user support to assess this process. In this work, we propose a multi-scale tree-based visualization called MILTree that supports users in tasks related to MIL, and also two new instance selection methods called MILTree-SI and MILTree-Med to improve MIL models. MILTree is a two-level tree layout, where the first level projects bags, and the second level projects the instances belonging to each bag, allowing the user to understand the data multi-instance in an intuitive way. The developed selection methods define instance prototypes of each bag, which is important to achieve high accuracy in multi-instance classification. Both methods use the MILTree layout to visually update instance prototypes and can handle binary and multiple-class datasets. In order to classify the bags we use a SVM classifier. Moreover, with support of MILTree layout one can also update the classification model by changing the training set in order to obtain a better classifier. Experimental results validate the effectiveness of our approach, showing that visual mining by MILTree can help the users in MIL classification scenarios.

A Mineração de Textos (MT) visa descobrir conhecimento inovador nos textos não estruturados. A extração dos termos que representam os textos de um domínio é um dos passos mais importantes da MT, uma vez que os resultados de todo o processo da MT dependerão, em grande parte, da qualidade dos termos obtidos. Nesta tese, considera-se como termos as unidades lexicais realizadas para designar conceitos em um cenário tematicamente restrito. Para a extração dos termos, pode-se fazer uso de abordagens como: estatística, linguística ou híbrida. Normalmente, para a Mineração de Textos, são utilizados métodos estatísticos. A aplicação desses métodos é computacionalmente menos custosa que a dos métodos linguísticos, entretanto seus resultados são geralmente menos interpretáveis. Ambos métodos, muitas vezes, não são capazes de identificar diferenças entre termos e não-termos, por exemplo, os estatísticos podem não identificar termos raros ou que têm a mesma frequência de não-termos e os linguísticos podem não distinguir entre termos que seguem os mesmo padrões linguísticos dos não-termos. Uma solução para esse problema é utilizar métodos híbridos, de forma a combinar as estratégias dos métodos linguísticos e estatísticos, visando atenuar os problemas inerentes a cada um deles. Considerando as características dos métodos de extração de termos, nesta tese, foram investigados métodos estatísticos, formas de obtenção de conhecimento linguístico e métodos híbridos para a extração de termos simples - aqueles constituídos de somente um radical, com ou sem afixos - na língua portuguesa do Brasil. Quatro medidas estatísticas (tvq, tv, tc e comGram), originalmente utilizadas em outras tarefas, foram avaliadas na extração de termos simples, sendo que duas delas (tvq e tv) foram consideradas relevantes para essa tarefa. Quatro novas medidas híbridas (n_subst., n_adj., n_po e n_verbo) foram propostas, sendo que três delas (n_subst,. n_adj., e n_po) auxiliaram na extração de termos. Normalmente os métodos de extração de termos selecionam candidatos a termos com base em algum conhecimento linguístico. Depois disso, eles aplicam a esses candidatos medidas ou combinação de medidas (e/ou heurísticas) para gerar um ranking com tais candidatos. Quanto mais ao topo desse ranking os candidatos estão, maior a chance de que eles sejam termos. A escolha do liminar a ser considerado nesse ranking é feita, em geral de forma manual ou semiautomática por especialistas do domínio e/ou terminólogos. Automatizar a forma de escolha dos candidatos a termos é a primeira motivação da extração de termos realizada nesta pesquisa. A segunda motivação desta pesquisa é minimizar o elevado número de candidatos a termos presente na extração de termos. Esse alto número, causado pela grande quantidade de palavras contidas em um corpus, pode aumentar a complexidade de tempo e os recursos computacionais utilizados para se extrair os termos. A terceira motivação considerada nesta pesquisa é melhorar o estado da arte da extração automática de termos simples da língua portuguesa do Brasil, uma vez que os resultados dessa extração (medida F = 16%) ainda são inferiores se comparados com a extração de termos em línguas como a inglesa (medida F = 92%) e a espanhola (medida F = 68%). Considerando essas motivações, nesta tese, foi proposto o método MATE-ML (Automatic Term Extraction based on Machine Learning) que visa extrair automaticamente termos utilizando técnicas da área de aprendizado de máquina. No método MATE-ML, é sugerido o uso de filtros para reduzir o elevado número de candidatos a termos durante a extração de termos sem prejudicar a representação do domínio em questão. Com isso, acredita-se que os extratores de termos podem gerar listas menores de candidatos extraídos, demandando, assim , menos tempo dos especialistas para avaliar esses candidatos. Ainda, o método MATE-ML foi instanciado em duas abordagens: (i) ILATE (Inductive Learning for Automatic Term Extraction), que utiliza a classificação supervisionada indutiva para rotular os candidatos a termos em termos e não termos, e (ii) TLATE (Transductive Learning for Automatic Term Extraction), que faz uso da classificação semissupervisionada transdutiva para propagar os rótulos dos candidatos rotulados para os não rotulados. A aplicação do aprendizado transdutivo na extração de termos e a aplicação ao mesmo tempo de um conjunto rico de características de candidatos pertencentes a diferentes níveis de conhecimento - linguístico, estatístico e híbrido também são consideradas contribuições desta tese. Nesta tese, são discutidas as vantagens e limitações dessas duas abordagens propostas, ILATE e TLATE. Ressalta-se que o uso dessas abordagens alcança geralmente resultados mais altos de precisão (os melhores casos alcançam mais de 81%), altos resultados de cobertura (os melhores casos atingem mai de 87%) e bons valores de medida F (máximo de 41%) em relação aos métodos e medidas comparados nas avaliações experimentais realizadas considerando três corpora de diferentes domínios na língua portuguesa do Brasil / Text Mining (TM) aims at discovering innovating knowledge in unstructured texts. The extraction of terms that represent that texts of a specific domain is one of the most important steps of TM, since the results of the overall TM process will mostly depend on the quality of these terms. In this thesis, we consider terms as lexical units used to assign concepts in thematically restricted scenarios. The term extraction task may use approaches such as: statistical, linguistic, or hybrid. Typically, statistical methods are the most common for Text Mining. These methods are computationally less expensive than the linguistic ones, however their results tend to be less human-interpretable. Both methods are not often capable of identifying differences between terms and non-terms. For example, statistical methods may not identify terms that have the same frequency of non-terms and linguistic methods may not distinguish between terms that follow the same patterns of non-terms. One solution to this problem is to use hybrid methods, combining the strategies of linguistic and ststistical methods, in order to attenuate their inherent problems. Considering the features of the term extraction methods, in this thesis, we investigated statistical melhods, ways of obtaining linguistic knowledge, and hybrid methods for extracting simple terms (only one radical, with or without the affixes) for the Braziian Portuguese language. We evaluated, in term extraction, four new hybrid measures (tvq, tv, and comGram) originally proposed for other tasks; and two of them (tvq and tv) were considered relevant for this task. e proposed four new hybrid measures(n_subs., n_adj., n_po, and n_verb); and there of them (n_subst., n_adj., and n_po) were helpful in the term extraction task. Typically, the extraction methods select term candidates based on some linguistic knowledge. After this process, they apply measures or combination of measures (and/or heuristics) to these candidates in order to generate a ranking. The higher the candidates are in the ranking, the better the chances of being terms. To decide up to which position must be considered in this ranking normally, a domain expert and/or terminologist manually or semiautomatically analyse the ranking. The first motivation of this thesis is to automate how to choose the candidates during the term extraction process. The second motivation of this research is to minimize the high number of candidates present in the term extraction. The high number of candidate, caused by the large amount of words in a corpus, could increase the time complexity and computational resources for extracting terms. The third motivation considered in this research is to improve the state of the art of the automatic simple term extraction for Brazilian Portuguese since the results of this extraction (F-measure = 16%) are still low when compared to other languages like English (F-measure = 92%) and Spanish (F-measure =68%). Given these motivations, we proposed the MATE-ML method (Automatic Term Extraction Based on Machine Learning), which aims to automatically extract simple terms using the machine learning techniques. MATE-ML method suggests the use of filters to reduce the high number of term candidates during the term extraction task without harming the domain representation. Thus, we believe the extractors may generate smaller candidate lists, requiring less time to evaluate these candidates. The MATE-ML method was instantiated in two approaches.: (i) ILATE (Inductive Learning for Automatic Term Extraction),. which uses the supervised inductive classification to label term candidates, and (ii) TLATE (Trnasductive Learning for Automatic Term Extraction), which uses transductive semi-supervised classification to propagate the classes from labeled candidates to unlabeled candidates. Using transductive learning in term extraction and using, at the same time, a rich set of candidate features belonging to different levels of knowledge (linguistic,statistical, and hybrid) are also considered as contributions. In this thesis, we discuss the advantages and limitations of these two proposed approaches. We emphasize taht the use of these approaches usually with higher precision (the best case is above of 81%), high coverage results (the best case is above of 87%), and good F-measure value (maximum of 41%) considering three corpora of different domains in the Brazilian Portuguese language

Imagens associadas a informações escritas ou verbais podem aumentar a atenção, compreensão, lembrança e favorecer a adesão às informações. Diante do consumo elevado de alimentos ultraprocessados ricos em gordura e açúcar que contribuem para a obesidade são necessários instrumentos de educação alimentar e nutricional que favoreçam o aprendizado sobre o conteúdo energético e nutricional dos alimentos, de modo que o comensal possa fazer melhores escolhas alimentares. O objetivo do estudo foi compreender como as imagens influenciam no aprendizado de orientações nutricionais e nas práticas alimentares. Trata-se de um estudo experimental, de natureza quantitativa e qualitativa, realizado com 64 mulheres, 33 participaram de oficinas de educação alimentar e nutricional com imagens (grupo imagem: Gi), e 31 mulheres participantes de oficinas de educação alimentar e nutricional sem imagens (grupo sem imagem: Gsi), subdivididas em dois subgrupos, de mulheres eutróficas e obesas. As oficinas consistiram de encontros em grupo onde foram passadas verbalmente informações alimentares e nutricionais, com ou sem o apoio da visualização de fotos sobre quatro temas que compõe um instrumento imagético para orientação alimentar e nutricional, que são: Vida doce, cuidando do açúcar - aborda o conteúdo de açúcar em doces e bebidas; Comida gostosa e com pouca gordura - trata sobre o teor de gordura em alimentos; Comer bem fazendo as melhores escolhas - sobre substituições alimentares; e Cuido de mim com comida saudável - para estimular o consumo de frutas, verduras e legumes. Cada grupo participou de dois dias de oficinas sendo abordados dois temas do instrumento imagético por oficina. A avaliação das mensagens aprendidas nas oficinas foi feita individualmente por meio de questionário semiestruturado, aplicado logo após as oficinas (T0) e depois de 30 (T30) e 60 dias (T60) da 2a oficina. No T60 também foi aplicado individualmente às participantes um questionário de avaliação das práticas alimentares e realizados grupos focais. Foram realizadas 24 oficinas, com a participação de 4 a 8 pessoas por oficina, e 5 grupos focais. O Gi apresentou memorização 21% maior que o Gsi (IC 95%: 0,93 a 2,4; p<0,01) no tempo T0, não havendo diferença entre os grupos nos demais tempos. O intervalo de 30 dias (T0-T30) determinou diminuição do percentual de lembrança das mensagens tanto no Gi (1,97; IC: 1,44 - 2,49; p<0,01) quanto no Gsi (0,86; IC 95%: 0,32 - 1,40; p<0,01). A avaliação qualitativa empregada apontou que ambos os grupos aprenderam as mensagens, entretanto as imagens permitiram uma lembrança mais apurada das mensagens, atribuído ao impacto e à concretização das orientações por meio das imagens e recursos semióticos, e despertaram sentidos e sensações associadas ao gosto dos alimentos retratados nas fotos. As fotos exploraram representações e metáforas que causaram impacto e remeteram a sensações no indivíduo, relacionadas ao gosto dos alimentos, as quais podem implicar desafios ao comensal diante de suas escolhas alimentares. As oficinas contribuíram para o aprendizado e isso se traduziu, em ambos os grupos, na conscientização e por vezes na aplicação dos conhecimentos nas práticas alimentares. / Images closely linked to written or spoken text can markedly increase attention, comprehension, recall and favors adherence to information. Faced with the high consumption of ultra-processed foods rich in fat and sugar that contribute for obesity, food and nutritional education tools are necessary to promote learning about the energy and nutritional content of food, so that people could make better food choices. The aim of the study was to understand how images influence the learning of nutritional education and food practices. It´s an experimental study, quantitative and qualitative nature, carried out with 64 women, 33 participated of food and nutrition education workshops with images (group image: Gi), and 31 attending food and nutritional education workshops without images (Group without image: Gsi), subdivided into two subgroups, of normal weight and obese women. The workshops consisted of group meetings where food and nutrition information was verbally accessed, with or without the support of photo visualization about four themes that composes the pictorial instrument of food and nutrition education, which are: \"Sweet life, being aware of sugar\" - about sugar content in sweets and beverages; \"Tasty food with little fat\" - about fat content in food; \"Eating well by making the best choices\" - about food replacements; and \"I take care of myself by eating healthy food\" - to stimulate consumption of fruits and vegetables. Each group participated in two days of workshops and two themes of the pictorial instrument were addressed in each workshop. The evaluation of the messages learned in the workshops was individually done with a semi-structured questionnaire, that have been applied immediately after the workshops (T0) and after 30 (T30) and 60 days (T60) of the 2nd workshop. In T60, it was also individually applied to the participants one questionnaire to evaluate feeding practices and focus groups were done. Twenty-four workshops, with participation of 4 to 8 women in each, and 5 focus groups have been done. The Gi had 21% greater memory than Gsi (95% CI: 0.93 to 2.4, p <0.01) at T0, with no difference between groups in the other times. The 30-day interval (T0-T30) resulted in a decrease in recall percentage of the messages in both Gi (1, 97: CI: 1.44-2.49, p <0.01) and Gsi (0.86, 95% CI: 0.32-1.40, p <0.01). The qualitative evaluation has shown that both groups learned the messages, however the images allowed for a better recall of the messages, attributed to the impact and the application of the orientations through semiotic images and resources, and awoke senses and sensations associated with the taste of food portrayed in the photos. The photos explored representations and metaphors that caused impact and referred to sensations in the individual, related to the taste of food, which can imply challenges to the person in front of their food choices. The workshops contributed to the learning and this translated, in both groups, in the awareness and sometimes in the application of the knowledge in the alimentary practices.

A diminuição no custo de computadores pessoais tem favorecido a construção de sistemas computacionais complexos, tais como aglomerados e grades. Devido ao grande número de recursos existentes nesses sistemas, a probabilidade de que faltas ocorram é alta. Uma abordagem que auxilia a tornar sistemas mais robustos na presença de faltas é a detecção de sua ocorrência, a fim de que processos possam ser reiniciados em estados seguros, ou paralisados em estados que não ofereçam riscos. Abordagens comumente adotadas para detecção seguem, basicamente, três tipos de estratégias: as baseadas em mensagens de controle, em estatística e em aprendizado de máquina. No entanto, elas tipicamente não consideram o comportamento de processos ao longo do tempo. Observando essa limitação nas pesquisas relacionadas, este trabalho apresenta uma abordagem para medir a variação no comportamento de processos ao longo do tempo, a fim de que mudanças inesperadas sejam detectadas. Essas mudanças são consideradas, no contexto deste trabalho, como faltas, as quais representam transições indesejadas entre estados de um processo e podem levá-lo a processamento incorreto, fora de sua especificação. A proposta baseia-se na estimação de cadeias de Markov que representam estados visitados por um processo durante sua execução. Variações nessas cadeias são utilizadas para identificar faltas. A abordagem proposta é comparada à técnica de aprendizado de máquina Support Vector Machines, bem como à técnica estatística Auto-Regressive Integrated Moving Average. Essas técnicas foram escolhidas para comparação por estarem entre as mais empregadas na literatura. Experimentos realizados mostraram que a abordagem proposta possui, com erro \'alfa\' = 1%, um F-Measure maior do que duas vezes o alcançado pelas outras técnicas. Realizou-se também um estudo adicional de predição de faltas. Nesse sentido, foi proposta uma técnica preditiva baseada na reconstrução do comportamento observado do sistema. A avaliação da técnica mostrou que ela pode aumentar em até uma ordem de magnitude a disponibilidade (em horas) de um sistema / The cost reduction for personal computers has enabled the construction of complex computational systems, such as clusters and grids. Because of the large number of resources available on those systems, the probability that faults may occur is high. An approach that helps to make systems more robust in the presence of faults is their detection, in order to restart or stop processes in safe states. Commonly adopted approaches for detection basically follow one of three strategies: the one based on control messages, on statistics or on machine learning. However, they typically do not consider the behavior of processes over time. Observing this limitation in related researches, this work presents an approach to measure the level of variation in the behavior of processes over time, so that unexpected changes are detected. These changes are considered, in the context of this work, as faults, which represent undesired transitions between process states and may cause incorrect processing, outside the specification. The approach is based on the estimation of Markov Chains that represent states visited by a process during its execution. Variations in these chains are used to identify faults. The approach is compared to the machine learning technique Support Vector Machines, as well as to the statistical technique Auto-Regressive Integrated Moving Average. These techniques have been selected for comparison because they are among the ones most employed in the literature. Experiments conducted have shown that the proposed approach has, with error \'alpha\'= 1%, an F-Measure higher than twice the one achieved by the other techniques. A complementary study has also been conducted about fault prediction. In this sense, a predictive approach based on the reconstruction of system behavior was proposed. The evaluation of the technique showed that it can provide up to an order of magnitude greater availability of a system in terms of uptime hours

Knowledge bases are employed in a variety of applications, from natural language processing to semantic web search; alas, in practice, their usefulness is hurt by their incompleteness. To address this issue, several techniques aim at performing knowledge base completion, of which embedding models are efficient, attain state-of-the-art accuracy, and eliminate the need for feature engineering. However, embedding models predictions are notoriously hard to interpret. In this work, we propose model-agnostic methods that allow one to interpret embedding models by extracting weighted Horn rules from them. More specifically, we show how the so-called \"pedagogical techniques\", from the literature on neural networks, can be adapted to take into account the large-scale relational aspects of knowledge bases, and show experimentally their strengths and weaknesses. / Bases de conhecimento apresentam diversas aplicações, desde processamento de linguagem natural a pesquisa semântica da web; contudo, na prática, sua utilidade é prejudicada por não serem totalmente completas. Para solucionar esse problema, diversas técnicas focam em completar bases de conhecimento, das quais modelos de embedding são eficientes, atingem estado da arte em acurácia, e eliminam a necessidade de fazer-se engenharia de características dos dados de entrada. Entretanto, as predições dos modelos de embedding são notoriamente difíceis de serem interpretadas. Neste trabalho, propomos métodos agnósticos a modelo que permitem interpretar modelos de embedding através da extração de regras Horn ponderadas por pesos dos mesmos. Mais espeficicamente, mostramos como os chamados \"métodos pedagógicos\", da literatura de redes neurais, podem ser adaptados para lidar com os aspectos relacionais e de larga escala de bases de conhecimento, e mostramos experimentalmente seus pontos fortes e fracos.