Computação que transforma conhecimento em impacto.

Neste estudo, foi explorado a aplicação de técnicas de Aprendizado Profundo(Deep Learning) para a classificação de plantações de coqueiro a partir de imagens coletadas por uma aeronave remotamente pilotada (RPA). Foi utilizado Rede Neural Convolucional para criação de um modelo que classifica imagens em duas categorias: coqueiroe não-coqueiro. O modelo obteve a acurácia de 88%, concluindo que técnicas de Deep Learning são ferramentas viáveis para a identificação de plantas em áreas de grande extensão, com potencial para melhorar a gestão de culturas agrícolas

Modeling time series has been a particularly challenging aspect due to the need for constant adjustments in a rapidly changing environment, data uncertainty, dependencies between variables, volatile fluctuations, and the need to identify ideal hyperparameters. The present study presents a Framework capable of making projections from time series related to cases and deaths by COVID-19 in the Amazonian state of Para´, in Brazil. For the first time, deep learning models such as TCN, TRANSFORMER, TFT, N-BEATS, and N-HiTS were assessed for this purpose. The ARIMA statistical model was also used in post-processing for residual adjustment and short-term smoothing of the generated forecasts. The Framework generates probabilistic forecasts, with multivariate support, considering the following variables: daily cases per day of the first symptom, cases published daily, the occurrence of deaths, deaths published daily, and percentage of daily vaccination. The generated predictions are statistically evaluated by determining the best model for 7-day moving average projections using evaluating metrics such as MSE, RMSE, MAPE, sMAPE, r 2 , Coefficient of Variation, and residual analysis. As a result, the generated projections showed an average error of 5.4% for Cases Publication, 8.0% for Cases Symptoms, 11.12% for Deaths Publication, and 4.6% for Deaths Occurrence, with the N-HiTS and N-BEATS models obtaining better results. In general terms, the use of deep learning models to predict cases and deaths from COVID-19 has proven to be a valuable practice for analyzing the spread of the virus, which allows health managers to better understand and respond to this kind of pandemic outbreak.

A pecuária no território paraense oferece desafios de planejamento tanto para o estado, quanto para iniciativa privada, com consequências da expansão do rebanho impactando em variáveis econômicas e socioambientais. Este artigo apresenta um estudo sobre projeções de produção de rebanhos e área de cobertura de pastagem utilizando a modelagem ARIMA (AutoRegressive Integrated Moving Average) por meio da abordagem hierárquica. Foi desenvolvido um framework de análise de dados de séries temporais de curto prazo, abrangendo dados referentes ao estado do Pará e suas regiões entre os anos de 1985 e 2021, com projeções até 2026. Os resultados indicam um aumento de 19% de efetivo bovino e 1,5% nas áreas de pastagem do estado do Pará, revelando um aumento de produtividade na região de Marabá, bem como uma estabilização na região de Redenção