Projetos

  • Learning Orchestra (2020 – dias de hoje) – Neste projeto investigamos alternativas  de soluções computacionais para orquestrar serviços específicos de Machine Learning (ML). A solução Learning Orchestra permite construir Workflows compostos por diversos pipelines que representam fluxos analíticos de execução.  A cada etapa do pipeline (Ex. pré-processamento, treino, predição, tuning) o cientista de dados pode escolher componentes de fácil configuração e normalmente desenhados para HPC (high performance computing). O intuito é tornar a atividade do cientista de dados menos complexa em termos computacionais. Internamente, a solução Learning Orchestra adota micro-serviços, JSON para interoperabilidade de linguagens, plataformas públicas em nuvem, soluções com suporte a publicadores/subscritores, contêineres e orquestradores de contêineres.  Tal projeto é conduzido pelos voluntários Joubert de Castro Lima (DECOM-UFOP) e Lauro Ângelo Gonçalves de Moraes (NUPEB-UFOP).

 

  • Java Cá&Lá ou simplesmente JCL (2011-dias de hoje) – Neste projeto investigamos como facilitar e tornar cada vez mais eficiente a programação, instalação e manutenção de sistemas distribuídos compostos por coisas, tais como Servidores de grande porte massivamente paralelos, PCs, Tablets, Telefones, computadores chamados single-board (Raspberry, Beaglebone, Omega2, etc.), assim como coisas do dia-a-dia, tais como microondas, TVs, geladeiras, portões, cortinas e muitas outras coisas. Nossa alternativa de solução é baseada na adoção de Middleware.  O JCL, portanto, é uma solução pioneira de middleware para HPC (High Performance Computing) e IoT (Internet of Things) que possui API única para os serviços comuns a ambas tecnologias, sejam eles: processamento, armazenamento, sensoriamento, atuação, sensibilidade de contexto e segurança. A integração de HPC e IoT numa solução única torna o JCL bem distinto do estado-da-arte, uma vez que na literatura há apenas soluções IoT ou HPC, portanto a integração é feita do zero e para cada aplicação. Tal projeto é conduzido pelos professores Joubert de Castro Lima (DECOM-UFOP), André Luís Barroso Almeida (IFMG-OP) e André Luiz Lins de Aquino (IC-UFAL).
    • JCL Opt – Framework para desenvolvimento de métodos de otimização que podem ser modelados usando as técnicas Backtracking e Permutação. A solução em Java possui vários pontos de extensão para o desenvolvedor adicionar suas estratégias (Ex. cálculo do upper/lower bounds, carregar dados como matriz de adjacência e inúmeros outros formatos, métodos para avaliação de soluções ou escolhas).  O JCL Opt é desenhado para clusters de máquinas paralelas. O JCL foi usado como infraestrutura computacional de comunicação, execução, escalonamento e armazenamento para o framework implementado. O balanceamento de carga, que altera o escalonamento recorrentemente, é implementado sob o JCL. Neste projeto há a colaboração do Prof. Marco Antonio Moreira de Carvalho (DECOM-UFOP). link do texto; link do código
    • JCL GPU/CPU Cubing – Método para indexação e consulta de cubos de dados multidimensionais usando clusters compostos por máquinas com diversas CPUs e GPUs. O JCL foi usado como infraestrutura computacional de comunicação, execução, escalonamento e armazenamento para o método implementado.  link do texto; link  do código
    • JCL Pagerank – Algoritmo de Pagerank para grafos massivos que executa tanto em máquinas paralelas como também em clusters de máquinas paralelas. O JCL foi usado como infraestrutura computacional de comunicação, execução, escalonamento e armazenamento para o algoritmo implementado. link do texto; link do código
    • JCL SSE – Ferramenta útil ao alinhamento de cadeias de DNA, RNA e proteína. Tal ferramenta consegue processar grandes cadeias, pois executa sob clusters de máquinas paralelas. Internamente, o alinhamento entre inúmeras sequências implementa o algoritmo Smith-Waterman com as melhorias denominadas Gotoh, que reunidas garantem o alinhamento de pares de sequências. Também se utiliza o FASTAReader e a biblioteca BioJava, portanto há como ler formato FASTA e processar DNA, RNA e proteínas. O JCL foi usado como infraestrutura computacional de comunicação, execução, escalonamento e armazenamento para a ferramenta implementada. link do texto; link do código

 

  • iCubing  (2009-dias de hoje) – Projeto que investiga novos métodos e técnicas para representação, indexação, atualização e consulta de cubos multidimensionais de dados. Nos últimos anos o projeto passou a direcionar esforços ao tema Big Data OLAP ou OLEP (Online Event Processing), portanto as inovações passaram a ser redesenhadas para arquiteturas HPC, precisamente passamos a reescrever as soluções usando eventos, logs e notificações (Event-based Distributed Computing). Conduzido pelos professores  Joubert de Castro Lima (DECOM-UFOP), Celso Massaki Hirata (EEC-ITA) e Rodrigo Rocha Silva (FATEC-MC).

 

  • JSensor (2010-2018) – Projeto que investigou como simular redes de sensores (móveis ou não) em larga escala. Como alternativa de solução, construímos um simulador, denominado JSensor, que foi testado contra o estado-da-arte nos últimos anos. O projeto foi conduzido pelos professores Joubert de Castro Lima (DECOM-UFOP) e André Luiz Lins de Aquino (IC-UFAL).

 

  • SIGHabitar (2010-2013) – Projeto conduzido no Terralab pelos professores Joubert de Castro Lima (DECOM-UFOP) e Tiago Garcia de Senna Carneiro (DECOM-UFOP). Investigamos como tornar a gestão de municípios mais eficiente e justa usando ferramentas computacionais livres. Como resultado, foi desenvolvido um Sistema de Informação Territorial – SIT, que apoia a tomada de decisão do planejamento estratégico para tornar mais acurado o desenvolvimento urbano sustentável. Tal projeto foi fruto de um convênio entre a Prefeitura de Ouro Preto e a UFOP/DECOM. Na primeira etapa do trabalho de campo, 82% dos imóveis existentes no cadastro imobiliário da prefeitura foram integrados ao banco de dados geográfico. Além disto, houve um aumento de 27% de imóveis no cadastro imobiliário. Fraudes, perdas de receitas, cobranças injustas e outras anomalias foram também detectadas com a metodologia adotada. Detalhes em (link).

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google

Você está comentando utilizando sua conta Google. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s