Browsing by Issue Date, starting with "2023-07-25"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
- Robotic Process Automation - From routine to revolutionaryPublication . Pinto, Joana Matilde Fernandes; Faria, Ana Raquel SilvaNo contexto das operações financeiras em organizações, é comum enfrentar o desafio de lidar diariamente com um grande volume de processos, muitos dos quais são rotineiros, repetitivos e demorados. Estas atividades manuais exigem recursos significativos, como tempo, além de estarem sujeitos a erros humanos e inconsistências. Como resultado, a eficiência e a eficácia desses processos podem ser comprometidas, afetando negativamente a produtividade e a qualidade das operações financeiras como um todo. Nesse contexto, surge a necessidade de procurar soluções que otimizem essas atividades, tornando-as mais ágeis, precisas e eficientes. O Robotic Process Automation (RPA) apresenta se como uma abordagem promissora para enfrentar estes desafios. O RPA consiste na utilização de robôs de software para automatizar tarefas rotineiras, repetitivas e baseadas em regras, libertando recursos humanos para atividades que agregam mais valor. Dentro deste cenário, o UiPath é uma plataforma de RPA líder no mercado que oferece um conjunto abrangente de ferramentas e recursos para automação de processos. Com a sua interface intuitiva e recursos avançados, esta plataforma permite o desenvolvimento e a implementação eficiente de robôs de software para executar tarefas automatizadas, proporcionando melhorias significativas na eficiência e eficácia das operações financeiras. Diante desse contexto, esta pesquisa propõe-se a investigar e a analisar a aplicação do UiPath e do RPA nas operações financeiras numa organização em específico, procurando identificar os ganhos obtidos com a automação e as melhores estratégias de implementação. Através de um estudo detalhado, pretende-se apresentar uma solução prática e eficaz para otimizar as atividades financeiras, contribuindo para uma maior eficiência operacional e qualidade dos processos financeiros.
- Prática da música popular no ensino especializado da música - benefícios de uma aprendizagem informalPublication . Oliveira, Vítor Hugo Soares; Caldeira, Artur Carlos Azevedo de Saraiva; Peres, Paulo; Cassola, TiagoO presente relatório foi realizado no âmbito da Unidade Curricular Prática de Ensino Supervisionada, inserido no currículo do Mestrado em Ensino da Música da Escola Superior de Música e Artes do Espetáculo do Porto. No primeiro capítulo é apresentada uma descrição do Conservatório de Música do Porto, das disciplinas de Guitarra e Orquestra de Cordas Dedilhadas, bem como do corpo docente. O segundo capítulo consiste na descrição e reflexão do trabalho desenvolvido na prática de ensino supervisionada. No terceiro capítulo é abordado o projeto de investigação deste relatório de estágio, incidindo no tema da prática da música popular no ensino especializado da música.
- Sistema de Previsão de Preço de Carros Usados através de Machine LearningPublication . Magalhães, Tomás Silva de; Faria, Luiz Felipe Rocha deO avanço da Inteligência Artificial tem fomentado o lançamento de automóveis com especificações cada vez mais inovadoras e, consequentemente, a preços mais elevados. Tal aumento de preços conduz a uma maior procura na compra/venda de carros usados. Esta procura leva, muitas vezes, à atribuição de preços irrealistas aos mesmos, aumentando o número de fraudes neste setor, e a uma elevada discrepância nos preços praticados. Neste âmbito, a área de Machine Learning pode ter um papel preponderante, nomeadamente na elaboração de modelos de previsão de preços de carros usados. Assim, o objetivo do presente trabalho prendeu-se com a análise dos modelos já desenvolvidos neste contexto, do grau de precisão dos mesmos e com a criação de um modelo que colmatasse as falhas nos já existentes, de forma a se aumentar o referido grau de precisão. Neste contexto, foram testados os algoritmos RF, XGBoost, LightGBM, RL, MLP e CNN em quatro conjuntos de dados A, B, C e D. O conjunto de dados A possui 50 características e 57038 carros, o conjunto de dados B possui 30 características e 70253 automóveis, o conjunto de dados C possui 10 características e 192799 veículos e o conjunto de dados D possui as 13 características mais preponderantes e 144702 carros. Os algoritmos aplicados aos conjuntos de dados A, B e C foram testados duas vezes, com hiperparâmetros padrão e hiperparâmetros modificados. Todos os algoritmos dos quatro conjuntos de dados foram sujeitos a uma metodologia de 80% de treino e de 20% de testes e avaliados, maioritariamente, através das métricas R2, MSE, RMSE e MAE. Os algoritmos testados com os conjuntos de dados A, B e C obtiveram melhores resultados aquando da alteração de hiperparâmetros padrão, com a exceção do algoritmo MLP no conjunto de dados A e o algoritmo RL nos quatro conjuntos de dados. Dentro dos algoritmos testados, os algoritmos XGBoost e LightGBM foram os que apresentaram melhores resultados, tendo os mesmos sido muito idênticos entre si nos 4 conjuntos de dados. Entre os dois algoritmos, o XGBoost foi o que apresentou melhores resultados. Por fim, o algoritmo XGBoost do conjunto de dados A (MAE=0.12892, RMSE=0.18947, MSE=0.03590, R2=0.96432) e D (MAE=0.12389, RMSE=0.18913, MSE=0.03577, R2=0.96404) foram os que apresentaram melhores resultados entre os algoritmos testados, bem como quando comparados com os algoritmos estudados aquando da revisão do estado da arte.
- Minimal-Overlap Centrality for Multi-Gateway Designation in Real-Time TSCH NetworksPublication . Gutiérrez Gaitán, Miguel; Almeida, Luis; D'Orey, Pedro; Santos, Pedro M.; Watteyne, ThomasThis article presents a novel centrality-driven gateway designation framework for the improved real-time performance of low-power wireless sensor networks (WSNs) at system design time. We target time-synchronized channel hopping (TSCH) WSNs with centralized network management and multiple gateways with the objective of enhancing traffic schedulability by design. To this aim, we propose a novel network centrality metric termed minimal-overlap centrality that characterizes the overall number of path overlaps between all the active flows in the network when a given node is selected as gateway. The metric is used as a gateway designation criterion to elect as a gateway the node leading to the minimal number of overlaps. The method is then extended to multiple gateways with the aid of the unsupervised learning method of spectral clustering. Concretely, after a given number of clusters are identified, we use the new metric at each cluster to designate as cluster gateway the node with the least overall number of overlaps. Extensive simulations with random topologies under centralized earliest-deadline-first (EDF) scheduling and shortest-path routing suggest our approach is dominant over traditional centrality metrics from social network analysis, namely, eigenvector, closeness, betweenness, and degree. Notably, our approach reduces by up to 40% the worst-case end-to-end deadline misses achieved by classical centrality-driven gateway designation methods.