Aposta Numérica
O objetivo da atividade é demonstrar, que a maioria dos alunos tende a escolher números “centrais” (2, 3, 4, 5) ao prever o resultado de uma rolagem de dado, evitando, na maioria das vezes, os números extremos (1 e 6).
Data de publicação do trabalho: 02/07/2025
Supervisor: Reiko Aoki
Responsáveis pela análise: núcleo estatística aplicada
Área de concentração: Estatística
Captura e Recaptura
Estimar a quantidade total de objetos dentro de um recipiente através da utilização de métodos estatísticos de captura, marcação e recaptura, procurando analisar as estimativas obtidas e compará-las com o valor real, a fim de compreender de forma divertida e interativa sobre a aplicação prática de amostragens e estimativas populacionais em experimentos reais.
Data de publicação do trabalho: 02/07/2025
Supervisor: Reiko Aoki
Responsáveis pela análise: núcleo estatística aplicada
Área de concentração: Estatística
Detetive
O objetivo da atividade é descobrir quem é o assassino antes que todas as vítimas sejam eliminadas ou que o detetive seja “assassinado”.
Data de publicação do trabalho: 02/07/2025
Supervisor: Reiko Aoki
Responsáveis pela análise: núcleo estatística aplicada
Área de concentração: Estatística
Ludo adaptado
Tem-se como objetivo alcançar a casa final de cada uma das 3 fileiras correspondentes ao jogador.
Data de publicação do trabalho: 02/07/2025
Supervisor: Reiko Aoki
Responsáveis pela análise: núcleo estatística aplicada
Área de concentração: Estatística
Can’t Stop adaptado
Esse jogo busca desenvolver habilidades nos alunos para que eles sejam capazes de formular estratégias e compreender a melhor maneira de conquistar duas das 11 colunas
do tabuleiro. Espera-se que com essa atividade, seja possível a compreensão de conceitos estatísticos importantes para a melhor evolução no jogo.
Data de publicação do trabalho: 02/07/2025
Supervisor: Reiko Aoki
Responsáveis pela análise: núcleo estatística aplicada
Área de concentração: Estatística
Ganância
Essa prática busca o desenvolvimento de conhecimentos nos alunos para que possam compreender os conceitos estatísticos usados como estratégias para chegar ao final de 5 das 11 fileiras do tabuleiro e vencer o jogo de maneira mais fácil. Procura-se, com essa atividade, orientar os estudantes à percepção de que nem sempre aquilo que parece ser mais fácil e rápido realmente vai ser e que, muitas vezes, uma tática que parece ser mais demorada ou mais difícil, na verdade, é a melhor escolha a ser feita.
Data de publicação do trabalho: 02/07/2025
Supervisor: Reiko Aoki
Responsáveis pela análise: núcleo estatística aplicada
Área de concentração: Estatística
Senha
Essa atividade busca o desenvolvimento, por parte dos alunos, de estratégias lógicas a fim de acertarem uma senha secreta na menor quantidade de tentativas possíveis. Espera-se que os alunos trabalhem individualmente ou em conjunto para utilizar do raciocínio e chegar ao código estabelecido.
Data de publicação do trabalho: 02/07/2025
Supervisor: Reiko Aoki
Responsáveis pela análise: Francisco Aparecido Rodrigues
Área de concentração: Estatística
Um estudo de Redes Neurais e Aprendizado Profundo com aplicações em processamento de linguagem natural
Este trabalho tem como objetivo explorar o campo do Processamento de Linguagem Natural (PLN) utilizando Redes Neurais e Aprendizado Profundo, áreas que não foram amplamente abordadas durante o bacharelado em Estatística e Ciência de Dados. A metodologia incluiu uma análise detalhada de Redes Neurais Superficiais e Profundas, com foco em modelos Transformers, especialmente BERT e RoBERTa. Para a avaliação, foram utilizados cálculos de autoatenção e uma comparação entre os dois modelos Transformers, destacando suas diferenças no pré-treinamento e suas respectivas vantagens e desvantagens. Os resultados foram obtidos a partir de um banco de dados específico para análise de sentimentos, onde foram aplicadas métricas de desempenho para avaliar a eficácia dos modelos. Conclui-se que tanto BERT quanto RoBERTa apresentam potencial significativo para aplicações em PLN, com variações em desempenho de acordo com a natureza do
pré-treinamento.Este trabalho tem como objetivo explorar o campo do Processamento de Linguagem Natural (PLN) utilizando Redes Neurais e Aprendizado Profundo, áreas que não foram
amplamente abordadas durante o bacharelado em Estatística e Ciência de Dados. A metodologia incluiu uma análise detalhada de Redes Neurais Superficiais e Profundas, com
foco em modelos Transformers, especialmente BERT e RoBERTa. Para a avaliação, foram utilizados cálculos de autoatenção e uma comparação entre os dois modelos Transformers,
destacando suas diferenças no pré-treinamento e suas respectivas vantagens e desvantagens. Os resultados foram obtidos a partir de um banco de dados específico para análise de
sentimentos, onde foram aplicadas métricas de desempenho para avaliar a eficácia dos modelos. Conclui-se que tanto BERT quanto RoBERTa apresentam potencial significativo
para aplicações em PLN, com variações em desempenho de acordo com a natureza do pré-treinamento.
Data de publicação do trabalho: 05/02/2025
Supervisor: Francisco Aparecido Rodrigues
Responsáveis pela análise: Luiz Gustavo de Sousa Bravo
Área de concentração: Ciência de Dados, Inteligência Artificial, Processamento de Linguagem Natural, Estatística