314 XXXII MOSTRA UNISINOS DE INICIAÇÃO CIENTÍFICA E TECNOLÓGICA De 29/09/2025 a 03/10/2025 Unisinos São Leopoldo e Porto Alegre Ciências Exatas e da Terra - Programa de Pós-Graduação em Computação Aplicada Autor(a): Lorenzo Varalo Coautor(es): Modalidade de Bolsa: UNIBITI Orientador(a): Sandro José Rigo CONTRIBUIÇÕES EM ENGENHARIA DE DADOS E ANÁLISE EXPLORATÓRIA PARA A PREDIÇÃO DE ESTRESSE A PARTIR DE SINAIS FISIOLÓGICOS Este trabalho está contextualizado em atividades de projeto de pesquisa com foco em Classificação e predição de padrões de estresse psicossocial com uso de múltiplos sinais fisiológicos. Esta área de aplicação possui importância crescente por tratar de análise de dados fisiológicos gerados em sensores vestíveis na área da saúde, que podem ser utilizados para apoiar diversas tarefas, desde diagnósticos até acompanhamento de cenários de saúde populacional. Este projeto de pesquisa possui como objetivo geral o desenvolvimento e avaliação de uma plataforma que favoreça a identificação e o tratamento dos sintomas fisiológicos de estresse de forma contínua, com uso de sensores vestíveis, inteligência artificial, técnicas derivadas de terapias cognitivo-comportamentais e aplicações em dispositivos móveis. As atividades desenvolvidas dentro do escopo da bolsa de iniciação científica estão associadas com alguns dos objetivos específicos do projeto, que são os seguintes: a) Estudo e definição de conjuntos de sensores vestíveis capazes de gerar o acompanhamento de sinais fisiológicos, para posterior armazenamento e processamento. b) Estudo e definição de abordagens de Inteligência Artificial para promover a detecção de padrões em dados fisiológicos. c) Definição de uma plataforma de aquisição e monitoramento online de sinais fisiológicos com base em sensores vestíveis e em aplicações disponíveis em dispositivos móveis. Como bolsista, minha contribuição esteve centrada no aprofundamento de conceitos de Aprendizado de Máquina (Machine Learning) para fundamentar as decisões técnicas do projeto. Neste estudo, foquei em compreender o comportamento de modelos de séries temporais ao lidar com dados de classes desbalanceadas. No âmbito prático, atuei na otimização do conjunto
RkJQdWJsaXNoZXIy MjEzNzYz