Teremos encontros quinzenais (a cada 2 semanas), portanto cada encontro em um "checkpoint" de evolução do projeto.
Como os encontros são quinzenais, teremos aproximadamente 9 encontros presenciais/síncronos.
| Encontro | Semana (2026) | Foco do Encontro | Entrega Esperada |
|---|---|---|---|
| 01 | Semana 07 | Apresentação e Escolha de Temas | Definição do Problema e Escopo |
| 02 | Semana 09 | Etapa 1: Levantamento Bibliográfico | Lista de Referências Comentada |
| 03 | Semana 11 | Etapa 2: Fundamentação e Estado da Arte | Texto da Revisão de Literatura |
| 04 | Semana 13 | Etapa 3: Definição da Metodologia | Desenho do Experimento/Estudo |
| 05 | Semana 15 | Etapa 4: Coleta e Análise de Dados | Resultados Preliminares |
| 06 | Semana 17 | Etapa 5: Redação e Discussão | Rascunho Completo do Artigo |
| 07 | Semana 19 | Revisão por Pares (Peer Review) | Versão Corrigida |
| 08 | Semana 21 | Ajustes Finais e Formatação | Artigo Finalizado (PDF/Latex) |
| 09 | Semana 23 | Ajustes Finais e Formatação | Artigo Finalizado (PDF/Latex) |
| 10 | Semana 25 | Banca/Apresentação Final | Pitch do Projeto |
A escolha do tema é a decisão mais estratégica da sua pesquisa. Um bom tema em Tópicos Avançados em Computação deve ser um equilíbrio entre o que você gosta de estudar, o que o mercado exige e o que a ciência ainda está tentando resolver.
Para facilitar essa jornada, nossa disciplina trabalhará com três frentes de escolha:
Eu disponibilizei uma lista de temáticas contemporâneas que estão no "estado da arte" da tecnologia. Elas servem como um porto seguro para quem busca relevância imediata:
Propostas e exemplos de temas gerais - Alberane
- [[Propostas e Listagem de Tópicos]] (Externo / gist)
Ao escolher um tema, você deve passar pela técnica do funil. Nenhum artigo consegue abraçar o mundo; precisamos de recorte.
- Tema Amplo: Inteligência Artificial.
- Subárea: Visão Computacional.
- Objeto de Estudo: Reconhecimento facial em condições de baixa luminosidade.
- Problema Específico: Como o algoritmo X performa comparado ao Y no dataset Z?
Antes de bater o martelo no seu tema até o nosso encontro na Semana 09, faça a si mesmo estas três perguntas:
- Existem dados? Eu consigo acessar datasets ou simular o ambiente necessário?
- Existem artigos? Há literatura recente (últimos 5 anos) sobre isso para eu citar?
- É viável? Eu consigo entregar um protótipo ou uma análise sólida em 18 semanas?
Lembre-se: Um tema pequeno bem explorado vale muito mais do que um tema gigante tratado de forma superficial.
Tudo começa com um "porquê". Com base na lista de temáticas da disciplina ou no seu interesse pessoal, você deve definir um recorte.
-
Entrega: Um resumo (abstract) provisório e a definição do problema.
-
Exemplo: Em vez de "IA na saúde", focaremos em "O uso de Redes Neurais Convolucionais para detecção precoce de X-Doença".
Ninguém pesquisa no vácuo. Você precisará encontrar os "gigantes" sobre cujos ombros vamos subir.
- Entrega: Seleção de 5 a 10 artigos relevantes e um texto sintetizando as tecnologias atuais.
Para realizar uma pesquisa de alto nível na área de Computação, não basta apenas ler; é preciso gerenciar a informação de forma inteligente. Na Etapa 2, teremos uma aula prática focada em softwares que automatizam as tarefas repetitivas da pesquisa.
O objetivo é que você domine as seguintes ferramentas:
Esqueça a tarefa de formatar referências bibliográficas manualmente.
-
Zotero: Uma ferramenta gratuita que captura metadados de artigos diretamente do navegador e gera a bibliografia automaticamente conforme você escreve.
-
PaperPile: Uma alternativa ágil para quem prefere integração total com o ecossistema Google e busca uma interface baseada em nuvem.
Para encontrar o "fio da meada" da sua pesquisa.
- Connected Papers: Utilizaremos esta ferramenta visual para descobrir quais artigos são os "pilares" do seu tema. Ela cria grafos de conexão, mostrando quais autores citam quem, ajudando você a encontrar trabalhos fundamentais que você poderia ter deixado passar.
Na computação, o padrão ouro de escrita é o LaTeX.
-
Overleaf: É um editor colaborativo online (o "Google Docs" do LaTeX). Ele garante que seu artigo esteja perfeitamente formatado dentro das normas da SBC, IEEE ou ACM.
-
Vantagem: Você foca no conteúdo; o LaTeX cuida da estrutura, das fórmulas matemáticas e da numeração de figuras e tabelas.
A partir da Semana 11, todas as entregas de texto deverão, preferencialmente, utilizar os templates oficiais via Overleaf. Isso garantirá que sua entrega final seja um artigo pronto para submissão em eventos científicos.
Nesta etapa, você deve descrever com precisão os procedimentos, ferramentas e métricas que utilizará. Não basta dizer o que vai fazer; é preciso justificar por que essa abordagem é válida para responder à sua pergunta de pesquisa.
Abaixo, temo quatro caminhos possíveis:
Ideal para temas de Engenharia de Software ou Desenvolvimento de Sistemas. Você propõe uma nova arquitetura, ferramenta ou solução e constrói um protótipo funcional para validar a ideia.
-
O que descrever: Arquitetura do sistema, linguagens de programação, frameworks e o cenário de teste.
-
Foco: Demonstrar que a solução proposta é tecnicamente viável.
Comum em Redes de Computadores, IoT ou Sistemas Distribuídos, onde testar em hardware real seria caro ou impossível.
-
O que descrever: O simulador utilizado (ex: NS-3, Mininet, MATLAB), os parâmetros da rede, a carga de tráfego e as variáveis controladas.
-
Foco: Observar o comportamento do sistema sob diferentes condições controladas.
Focado em Ciência de Dados, IA ou Otimização. Você compara o desempenho de diferentes algoritmos em um mesmo conjunto de dados.
-
O que descrever: O dataset utilizado (público ou próprio), pré-processamento, hiperparâmetros e métricas de avaliação (Acuraˊcia, F1−Score, TempodeExecuc\ca~o).
-
Foco: Provar, através de dados, qual abordagem é superior para aquele contexto específico.
Se o seu objetivo é o aprofundamento teórico puro, você pode realizar uma RSL mapeando o estado da arte de forma rigorosa.
-
O que descrever: Bases de dados (IEEE Xplore, ACM Digital Library), strings de busca, critérios de inclusão e exclusão de artigos e as "Questões de Pesquisa" que a revisão responderá.
-
Foco: Sintetizar o conhecimento existente e identificar lacunas (gaps) que futuras pesquisas devem preencher.
- Prova de Conceito (PoC):
- Criação de um protótipo funcional para validar a viabilidade técnica de uma nova ideia ou arquitetura.
- Simulação e Modelagem:
- Uso de software para replicar o comportamento de sistemas complexos (como redes ou IoT) em ambientes controlados.
- Benchmark (Estudo Comparativo):
- Comparação quantitativa de desempenho entre diferentes algoritmos ou ferramentas sob as mesmas condições.
- Revisão Sistemática da Literatura (RSL):
- Coleta e análise rigorosa de trabalhos anteriores para mapear o estado da arte e lacunas de pesquisa.
- Estudo de Caso:
- Investigação profunda de um fenômeno tecnológico dentro de seu contexto real e específico (ex: uma empresa ou projeto).
- Métodos Formais:
- Uso de lógica e provas matemáticas para garantir que um sistema ou protocolo é 100% livre de erros.
- Design Science Research (DSR):
- Criação e avaliação de artefatos inovadores que resolvem problemas práticos de TI.
- Avaliação de Usabilidade (IHC):
- Testes com usuários reais para medir a facilidade de uso e a satisfação com uma interface ou sistema.
- Mineração de Repositórios (MSR):
- Análise de dados históricos do GitHub ou GitLab para descobrir padrões no desenvolvimento de software.
- Experimento Controlado:
- Teste com grupos de controle e experimental para isolar o efeito de uma variável técnica específica.
- Pesquisa-Ação:
- Intervenção direta do pesquisador em um ambiente real para resolver um problema e estudar os resultados da mudança.
- Mapeamento Sistemático:
- Uma versão mais ampla da RSL que classifica e categoriza a frequência de temas em uma área de pesquisa.
Independentemente do caminho escolhido, sua entrega da Semana 13 deve conter:
- O Tipo de Pesquisa: Qual das abordagens acima você seguirá?
- Ambiente de Teste: Onde a pesquisa ocorrerá? (Hardware, Software, Datasets).
- Métricas de Sucesso: Como saberemos se os resultados são bons? (Ex: redução de latência, aumento de precisão, economia de memória).
- Procedimento: O passo a passo (algoritmo ou fluxo) da execução.
Pense na metodologia como um guia que permite a outro pesquisador repetir seu experimento e chegar aos mesmos resultados. Se for ambíguo, não é científico!
É o momento de colher os frutos. Você apresentará os dados gerados pela sua pesquisa.
- Entrega: Gráficos, tabelas e interpretação técnica. O que os resultados significam para a área de Computação?
Hora de empacotar tudo no template científico (SBC/IEEE) LaTex. O foco aqui é a clareza, a norma culta e a capacidade de argumentação.
- Entrega: Versão final em PDF (gerada preferencialmente via LaTeX/Overleaf).