PPGCC-PG
PPGCC
Descrição
O Programa de Pós-Graduação em Ciência da Computação (PPGCC) é um programa stricto sensu na área de computação, oferecido pelo Departamento Acadêmico de Informática (DAINF) da Universidade Tecnológica Federal do Paraná (UTFPR) no Câmpus Ponta Grossa . O programa oferece atualmente um curso de Mestrado Acadêmico em Ciência da Computação.
O programa foi autorizado pela CAPES em 2015, com conceito inicial 3 e o ingresso da primeira turma ocorreu no segundo semestre de 2016. A partir de 2017 o ingresso é anual e ocorre no primeiro semestre.
Objetivos do Curso
Visando atender demandas para o desenvolvimento nacional, regional e local, o Mestrado Acadêmico em Ciência da Computação do Câmpus Ponta Grossa da UTFPR tem como objetivos:
- Formar recursos humanos qualificados a:
a) criar, difundir e aplicar novos conhecimentos científicos e tecnológicos;
b) executar atividades de pesquisa e desenvolvimento;
c) atuar de forma autônoma na preparação especializada de pessoal para estas atividades. - Definir, propor, coordenar e executar projetos de pesquisa e/ou desenvolvimento tecnológico dentro das áreas de concentração, visando atender demandas específicas para o desenvolvimento regional, nacional ou internacional
Perfil do Egresso
O egresso deverá ter formação sólida sobre os fundamentos da Ciência da Computação, que lhe permita acompanhar e contribuir para o avanço do conhecimento da própria Computação, além de criar ou utilizar novas tecnologias para o desenvolvimento de soluções computacionais para outras áreas do conhecimento. Essas características tornam o Mestre em Ciência da Computação formado pelo PPGCC apto a atuar como pesquisador, desenvolvedor de tecnologias para as organizações e docente no ensino superior.
Área de Concentração
Sistemas e Métodos de Computação
A área de concentração “Sistemas e Métodos de Computação” abrange o estudo, a criação e os avanços em metodologias de computação e sistemas computacionais, para automatizar processos e desenvolver soluções baseadas no processamento de dados em meio digital. Os estudos sobre métodos e sistemas de computação podem ser aplicados em qualquer área do conhecimento humano em que seja possível resolver problemas computacionalmente.
Linhas de Pesquisa
Processamento de lmagens, Visão Computacional e Aprendizado de Máquina
A Linha de Pesquisa em Processamento de lmagens, Visão Computacional e Aprendizado de Máquina é voltada para o processamento da informação visual com base na análise de imagens, vídeos e dados multimodais oriundos de diversas fontes. Exemplos de aplicações nessa área incluem: análise de cenas e imagens de satélite, processamento de imagens médicas, automação industrial, veículos autônomos, sistemas de segurança, entretenimento, ciência de dados, etc. As atividades incluem o desenvolvimento e avaliação de novas metodologias, modelos computacionais inteligentes e sua aplicação na solução de problemas de diferentes áreas de conhecimento. O principal objetivo da linha é desenvolver e melhorar técnicas computacionais que realizam tarefas envolvendo:
- Manipulação de imagens e vídeos: envolve técnicas para filtragem, realce, transformações geométricas, segmentação, morfologia matemática, detecção de padrões e composição de imagens e vídeos;
- Reconstrução 3D: extrair informação 3D com base em uma ou mais vistas da mesma cena, scanners 3D e equipamentos médicos de diagnóstico por imagem e vídeo;
- Análise de cenas: interpretar semanticamente imagens e vídeos, com aplicação em classificação e reconhecimento de objetos, rastreamento de objetos em vídeos, sistemas de apoio ao motorista e veículos autônomos;
- Biometria e ciência forense: investigar métodos inovadores de identificação individual e resolver problemas de identificação que desafiam a ciência forense, como a identificação de crianças a partir de seus traços biométricos coletados no momento do nascimento. Esse tema possui forte impacto social e se insere na redução da vulnerabilidade de indivíduos que são desamparados dos sistemas de saúde, de educação, de segurança e que são propensos ao tráfico humano.
- Reconhecimento de padrões: envolve técnicas para o reconhecimento de padrões em imagens e vídeos considerando o processamento de imagens, processamento estatístico de dados, redes neurais e aprendizagem de máquina, contribuindo para o desenvolvimento de sistemas inteligentes e autônomos.
- Sensoriamento remoto: envolve técnicas para o processamento, análise e monitoramento utilizando imagens de satélite;
- Processamento de imagens médicas: envolve técnicas computacionais para auxiliar o diagnóstico médico a partir do processamento e análise de diversas modalidades de imagens médicas (CT, MRI, fMRI, raios-X, ultrassom, etc.).
Sistemas de Informação e Computação
A linha de pesquisa Sistemas de Informação e Computação desenvolve pesquisas principalmente em engenharia de software e redes de computadores.
Em Engenharia de Software, as pesquisas propõem a criação de arquitetura de software de refatoração para detecção e inserção de pontos padrões de projeto e metapadrões em código-fonte orientado a objetos usando interação com o usuário, métricas de software, agentes inteligentes; transformação de modelos em fases iniciais do desenvolvimento de software usando MDA, criação de frameworks de domínio.
Em Redes de Computadores, Comunicação de Dados e Sistemas Distribuídos, as pesquisas abordam tópicos envolvendo gerenciamento de recursos, segurança, computação em grid, computação em nuvem, protocolos de comunicação e teoria da informação e comunicação.
Sistemas Inteligentes, Simulação e Jogos Computacionais
A linha de pesquisa em Sistemas Inteligentes, Simulação e Jogos Computacionais busca explorar técnicas de computação, simulação e percepção artificial para reproduzir, em certa medida, habilidades próprias da cognição humana e, assim, facilitar a relação humano-computador, simplificar trabalho manual e contribuir para o avanço tecnológico e para o progresso e bem estar da sociedade.
As pesquisas em sistemas inteligentes, incluem temas como robótica inteligente, suporte à tomada de decisões, medicina e agricultura de precisão, cidades inteligentes, jogos, dentre outras áreas. As pesquisas sobre Agentes Inteligentes têm foco no desenvolvimento de linguagens, ferramentas, frameworks, simulações e soluções em geral utilizando agentes e sistemas multiagentes.
Os trabalhos em simulação computacional se interessam pela integração entre duas fontes de informação: modelos de mecanismos; e dados provenientes de observações. Do lado dos modelos o problema vai além da calibração, uma vez que por natureza eles são incompletos. Do lado dos dados, dependências entre eles e a estrutura de um sistema sempre precisam ser melhor explicitadas.
Na área de Jogos, a inteligência artificial é incorporada em estratégias pedagógicas, visando melhorar a avaliação do ensino e aprendizagem. Isso se manifesta em ambientes educacionais e jogos que utilizam IA para personalizar a experiência do usuário, contribuindo para uma educação mais eficaz e adaptativa. Também estudam-se os requisitos complexos de jogos computacionais, desenvolvendo-se modelos capazes de lidar nesse contexto desde o projeto até a implementação; extensões do conceito original de video game são abordadas para explorar interfaces (ex., realidade virtual) e aplicações ditas sérias (ex., simulação de equipamentos).
Além disso, a linha de pesquisa investiga a Complexidade de Amostra e Algoritmos de Aproximação em Redes Complexas, buscando desenvolver técnicas que garantam a eficiência e a precisão na análise de redes e melhorando os algoritmos usados para otimização do processamento de grandes volumes de dados.
Teoria da Computação
A linha de pesquisa em Teoria da Computação busca aprofundar o entendimento e a formalização dos fundamentos da computação, da capacidade de computação e da complexidade dos problemas computacionais. Como tal, a linha se projeta como importante pilar na verificação da viabilidade e da qualidade de sistemas computacionais que dependem, em maior ou menor grau, de certos níveis de qualidade para operar.
Em complexidade de algoritmos, investigamos o desempenho e os limites de eficiência de algoritmos aplicados a diferentes áreas, incluindo o processamento de sinais, essencial em comunicações, processamento de imagem e áudio, entre outros sistemas que exigem análise em tempo real. Além disso, investigamos como a complexidade computacional se relaciona com leis fundamentais de outras grandezas matemáticas, como a capacidade de transmissão de um meio de comunicação e indicadores de desempenho correlatos da teoria da informação. A correlação entre essas grandezas teóricas é motivada por diversas questões práticas, em particular a resolução do compromisso entre complexidade computacional e capacidade de transmissão no projeto de novos sinais de telecomunicação, onde a busca por taxas de transmissão próximas ao limite de comunicação de Shannon tem levado a sobrecargas computacionais sem precedentes.
Na teoria dos grafos, desenvolvemos algoritmos combinatoriais eficientes para resolver problemas complexos, especialmente em classes de grafos com estruturas específicas que apresentam propriedades vantajosas do ponto de vista algorítmico. Esses estudos permitem resolver problemas que, no caso geral, são intratáveis, mas tornam-se viáveis em grafos com características estruturais particulares, ampliando o escopo de aplicações práticas e soluções computacionais viáveis.
Em computação quântica, investigamos a hierarquia de complexidade dos problemas computacionais, analisando quais classes de problemas podem ser resolvidas de forma eficiente por algoritmos quânticos e quais permanecem intratáveis, mesmo com esse modelo. Isso nos permite compreender os limites do paradigma quântico e explorar sua aplicação em problemas que desafiam a computação clássica.
A linha de pesquisa também investiga aspectos de análise probabilística na compreensão de fenômenos advindos de contextos reais, bem como o projeto e análise de algoritmos aleatorizados eficientes para a solução de problemas neste contexto. Tal abordagem se torna necessária neste cenário visto que a incerteza é uma variável inerente a problemas desta natureza. Como exemplo de aplicações que envolvem esse tipo de abordagem podemos citar problemas no contexto de Redes Sociais e Econômicas.
Outra subárea investigada pela linha de pesquisa relacionada a análise probabilística e estatística é o da teoria de aprendizado de máquina. Esta subárea busca fornecer a fundamentação matemática necessária para analisar o desempenho de diversos algoritmos e modelos de aprendizagem da perspectiva da Teoria de Aprendizado Estatístico, bem como suas aplicações em áreas que estendem esse contexto (como por exemplo, o estudo de ferramentas desta teoria aplicados em algoritmos baseados em amostragem).