Redação
Jornalista/Radialista
MUNDO - Na noite do Barein, Lewis Hamilton mostrou mais uma vez sua capacidade nas voltas de classificação e conquistou neste sábado sua 98ª pole position na Fórmula 1. Na etapa final da sessão, Hamilton quebrou o recorde da pista ao cravar 1m27s264, e Valtteri Bottas completou a dobradinha da Mercedes, com 1m27s553 na última volta no Q3. Max Verstappen ameaçou brigar pela pole, mas ficou mesmo em terceiro, a 0s414 do tempo da pole.
Alexander Albon garantiu pela segunda vez seguida o quarto lugar no grid, à frente de Sergio Pérez (Racing Point). Completaram os dez primeiros Daniel Ricciardo (Renault), Esteban Ocon (Renault), Pierre Gasly (AlphaTauri), Lando Norris (McLaren) e Daniil Kvyat (AlphaTauri).
O GP do Barein de Fórmula 1 começa às 11h10 (de Brasília) deste domingo, com transmissão ao vivo pela TV Globo.
*Por Redação GE
SÃO PAULO/SP - Juliana Caetano voltou a divulgar uma foto de sua viagem pelas Maldivas e, claro, impressionou os seguidores com sua boa forma. A celebridade ainda viu um fã dando um zoom inusitado.
“I love Maldives”, escreveu na legenda da publicação.
Essa postagem rendeu mais de 46 mil likes. Recentemente, Juliana Caetano, do ‘Bonde do Forró’, apareceu ao lado da irmã, Márcia Bonde, e levou os seguidores a loucura.
*Por: Alefy Soares / METROPOLITANA
Trabalho, premiado em congresso internacional, foi desenvolvido durante curso da UFSCar
SÃO CARLOS/SP - Um trabalho desenvolvido no escopo do curso "Análise e visualização de dados do Coronavírus", oferecido pela Universidade Federal de São Carlos (UFSCar), desenvolveu um modelo computacional capaz de prever, utilizando inteligência artificial, o número de novos casos de Covid-19 no Brasil. A ferramenta pode ser útil, por exemplo, no caso de falta de testes ou de divulgação de dados pelo governo ou pela mídia.
"Neste trabalho, eu usei os dados do Google Trends para algumas palavras correlacionadas ao novo Coronavírus. Então, treinei o computador, usando aprendizado de máquina - inteligência artificial -, para que com base no volume de pesquisa de determinadas palavras no Google, ele fosse capaz de predizer o número de novos casos de Covid-19 no Brasil", sintetiza Lilian Caroline Kramer Biasi, que é pós-doutoranda no Laboratório de Engenharia de Sistema Complexos (Lesc) da Faculdade de Engenharia Química (FEQ) da Universidade Estadual de Campinas (Unicamp).
Segundo a pesquisadora, "existem diferentes métodos para se treinar um computador, conhecidos como algoritmos de aprendizagem de máquina, tais como o modelo de florestas aleatórias - utilizado neste trabalho -, as redes neurais artificiais etc. Em geral, o que acontece é que em uma primeira etapa o computador aprende o comportamento dos dados de entrada para gerar uma saída desejada. Nessa etapa, fornecemos tanto os dados de entrada, quanto a saída desejada; o computador então aprende como correlacionar ambos".
Para desenvolver o modelo, a estudante analisou a tendência do número de buscas por determinados termos no Google em 2020 utilizando a ferramenta Google Trends. Dessa pesquisa ela selecionou termos pelos quais as buscas foram intensificadas durante a pandemia - como "álcool", "máscaras", "coronavírus" etc.
Após a identificação dos termos, a pesquisadora implementou um algoritmo de aprendizado de máquina usando o modelo de regressão de florestas aleatórias (em Inglês "Randon Forest Regression"). "Esse modelo cria, na etapa de treino, diversas árvores de decisão, correlacionando os dados de entrada com a saída desejável. No presente estudo, o dado de saída foi o número de novos casos de Covid-19 no Brasil e os dados de entrada foram o interesse ao longo do tempo por determinados termos no Google", detalha. Os termos selecionados para a pesquisa foram: "covid", "coronavírus", "corona", "álcool" (representando álcool em gel), "máscara", "febre", "desemprego", "suicídio".
"De forma simplificada, o computador é treinado para entender como as pesquisas no Google se correlacionam com o número de novos casos de Covid-19, utilizando dados disponíveis. Após o treino, fornecemos ao computador o índice de pesquisas no Google pelos termos selecionados de um determinado dia e ele retorna o número de casos de Covid-19 daquele dia", explica Biasi. Com isso, foi possível avaliar quais tendências de busca melhoravam ou pioravam o ajuste selecionando os termos com maior correlação com o número de novos casos de Covid-19 no Brasil. "Esses termos foram utilizados como dados de entrada para o treinamento do computador. Após essa etapa, o computador é capaz de avaliar novos índices de pesquisa no Google prevendo o número de novos casos de Covid-19 no Brasil", conclui.
Biasi afirma que a pandemia afeta o comportamento das pessoas e, nesse contexto, notou um considerável aumento na busca por palavras diretamente e indiretamente correlacionadas ao vírus e por métodos de prevenção. As palavras com menor correlação com as demais foram "desemprego" e "suicídio", enquanto os termos "corona" e "coronavírus", no contexto de pandemia, puderam ser consideradas sinônimos. "Essas pesquisas podem estar relacionadas à maior curiosidade da população pela busca por sintomas ou por termos decorrentes do efeito prolongado da quarentena. Essa mudança comportamental foi usada para treinar o computador para que ele fosse capaz de aprender com esses dados, identificar padrões e tomar decisões devolvendo o número de novos casos naquele dia", diz.
Segundo a autora, o estudo também mostra, indiretamente, que o monitoramento das buscas na Internet por diferentes termos pode identificar e monitorar novas doenças infecciosas, como a Covid-19. "Essas informações podem permitir uma melhor preparação e planejamento dos sistemas de saúde. Enquanto desenvolvia esse trabalho, notei que essa ferramenta já foi utilizada anteriormente para monitorar, por exemplo, infecções pelo vírus Zika, a dengue ou influenzas (google.org/
"Eu já tinha vontade de utilizar o aprendizado de máquina na previsão de novos casos de Covid-19 no Brasil. No entanto, estava enfrentando certa dificuldade em selecionar os dados corretos para esse desenvolvimento", conta a autora do estudo. No curso "Análise e visualização de dados do Coronavírus no R", do qual Biasi foi aluna, foram apresentadas ferramentas para monitoramento de dados referentes ao Coronavírus na linguagem R. O Google Trends (trends.google.com.br) foi uma dessas ferramentas apresentadas pela coordenadora do curso, a professora Andreza Palma, do Departamento de Economia (DEc-So) do Campus Sorocaba da UFSCar.
Premiação
O trabalho intitulado "Estimation of New COVID-19 Cases in Brazil Using Google Search Data" recebeu o prêmio de melhor uso de dados públicos, durante apresentação no 2020 Ken Kennedy Institute Data Science Conference. A conferência é uma reunião de pesquisa, desenvolvimento e inovação, entre universidades, laboratórios de pesquisa e indústrias que buscam oportunidades e avanços em inteligência artificial (IA), análise de dados, aprendizado de máquina e aprendizado profundo.
O trabalho completo pode ser acessado na página do evento (https://bit.ly/35VUesA
O decreto é essencial para que município inicie obras de recuperação dos estragos estruturais causados pelos alagamentos e inundações
SÃO CARLOS/SP - A Prefeitura Municipal de São Carlos, publicou neste sábado (28/11), no Diário Oficial do Munícipio, o decreto nº 542, que declara a cidade como estado de emergência devido às fortes chuvas, e consequentemente, os transtornos causados pelos alagamentos e inundações ocorridos na última quinta-feira (26/11).
Após a forte chuva que durou pouco mais de uma hora, tendo a região do comércio como o local mais atingido, a Prefeitura trabalha com suas equipes para desobstruir as vias, passagens de pedestres e realizar a limpeza dos locais afetados.
De acordo com o secretário municipal de Serviços Públicos, Mariel Olmo, a publicação do decreto é fundamental para que o processo de contratação para os trabalhos de recuperação das vias e das galerias de águas pluviais destruídas pela força da água, aconteça o mais breve possível. “Estamos trabalhando para que a cidade volte ao normal. Mas temos um outro problema, que são os estragos estruturais constatados pela equipe técnica de engenheiros, como parte do asfalto da rua Episcopal e algumas galerias de águas pluviais destruídas. São trabalhos mais complexos que necessitam de contratação de empresas especializadas, por isso, a importância do decreto para agilizarmos o mais rápido possível a recuperação desses estragos”, explicou Olmo.
CHUVA ATÍPICA - De acordo com o diretor da Defesa Civil, Pedro Caballero, a chuva que atingiu o município é totalmente atípica para a época do ano. Segundo ele, as nuvens foram formadas em menos de 20 minutos e atingiu 8 bairros da cidade, causando um grande impacto de água de superfície.
Ao todo foram 138 milímetros de água de chuva, que durou das 17h30 às 18h40, superando a média esperada para todo o mês de novembro. Além dos transtornos causados na região central da cidade, a forte chuva também causou transtornos na região do Bicão, Lagoa Serena e da região da Praça Itália. Só no centro 130 lojas foram atingidas
A chuva também causou transtornos em 39 casas, sendo que 3 famílias tiveram, perdas totais e foram atendidas pela Secretaria de Cidadania e Assistência Social. Uma equipe de vistoriadores da Defesa Civil do Governo do Estado de São Paulo esteve em São Carlos na manhã de sexta-feira (27/11), para verificar a situação real dos impactos causados e homologar a situação de emergência junto aos governos do Estado e Federal.
“Com essa constatação, os governos estão cientes da nossa real situação e dos problemas que vivenciamos com as enchentes, que mais uma vez atingiu São Carlos. Enquanto isso, é importante que as pessoas fiquem atentas as previsões do tempo, evitem circular na hora da chuva e evitem os pontos de alagamentos já conhecidos aqui em São Carlos”, alertou Caballero.
ÁREA AZUL SUSPENSA - Além do decreto de Estado de Emergência, também foi publicado no Diário Oficial deste sábado (27/11), a suspensão da cobrança de estacionamento rotativo (Área Azul), no período de 27 de novembro a 4 de dezembro.
