Repositório Institucional do Centro Federal de Educação Tecnológica de Minas Gerais
Not a member yet
2218 research outputs found
Sort by
Boletim de Serviço e Pessoal nº 3, de 11 de julho de 2014
No full textBoletim de Serviço e Pessoal nº 3, de 11 de julho de 2014, do CEFET-MG, apresenta atos oficiais administrativos relativos à gestão de pessoal e à estrutura institucional
Boletim de Serviço e Pessoal nº 44, de 24 de novembro de 2023
No full textO Boletim de Serviço e Pessoal nº 44, de 24 de novembro de 2023, do CEFET-MG, divulga atos administrativos referentes à concessão de aposentadoria, nomeações de servidores para cargos efetivos e constituição de comissões para avaliação de promoção docente e processo administrativo disciplinar. Inclui autorizações de teletrabalho, designação de equipe técnica para execução de convênio de obras e afastamento preventivo de discente. Destaca-se ainda a prorrogação da fase de ambientação do Programa de Gestão e Desempenho em diversos campi e a delegação de competências ao Diretor de Extensão e Desenvolvimento Comunitário para assinatura de documentos acadêmicos e administrativos
Boletim de Serviço e Pessoal n° 33, de 14 de agosto de 2025
No full textBoletim de Serviço e Pessoal nº 33, publicado em 14 de agosto de 2025, do CEFET-MG, apresenta atos oficiais administrativos relativos à gestão de pessoal e à estrutura institucional
Boletim Especial de Serviço e Pessoal nº 17, de 02 de setembro de 2022
No full textBoletim Especial de Serviço e Pessoal nº 17, publicado em 02 de setembro de 2022, do CEFET-MG, apresenta atos oficiais administrativos relativos à gestão de pessoal e à estrutura institucional, como a constituição de Câmaras Temáticas para análise de Projetos de Ensino
Boletim de Serviço e Pessoal nº 07, de 24 de fevereiro de 2023
No full textBoletim de Serviço e Pessoal nº 07, publicado em 24 de fevereiro de 2023 pelo CEFET-MG, apresenta atos oficiais administrativos relativos à gestão de pessoal e à estrutura institucional
Boletim de Serviço e Pessoal nº 03, de 27 de janeiro de 2017
No full textBoletim de Serviço e Pessoal nº 03, de 27 de janeiro de 2017, do CEFET-MG, apresenta atos oficiais administrativos relativos à gestão de pessoal e à estrutura institucional
Boletim Especial de Serviço e Pessoal nº 15, 13 de julho de 2022
No full textBoletim Especial de Serviço e Pessoal nº 15, publicado em 13 de julho de 2022, do CEFET-MG, apresenta atos oficiais administrativos relacionados à gestão de pessoas e concessão de adicionais de insalubridade e periculosidade a servidores técnico-administrativos e docentes
Boletim de Serviço e Pessoal nº 04, de 03 de fevereiro de 2023
No full textBoletim de Serviço e Pessoal nº 04, publicado em 03 de fevereiro de 2023 pelo CEFET-MG, apresenta atos oficiais administrativos relativos à gestão de pessoal e à estrutura institucional
Boletim de Serviço e Pessoal nº 42, de 19 de setembro de 2019
No full textBoletim de Serviço e Pessoal nº 42, de 19 de setembro de 2019, do CEFET-MG, apresenta atos oficiais administrativos relativos à gestão de pessoal e à estrutura institucional
Redução de objetivos de MaOPs por meio de aprendizado de máquina não supervisionado: uma abordagem com seleção e extração de atributos
No full textEste trabalho aborda os desafios de resolver problemas de otimização com muitos objetivos (MaOPs), que envolvem a otimização simultânea de mais de três funções objetivo conflitantes. Para contornar esses desafios, propôs-se uma abordagem baseada em técnicas de redução de dimensionalidade utilizando aprendizado de máquina (AM), ou seja, reduzir o número de objetivos dos MaOPs sem perder informações relevantes. De acordo com trabalhos relacionados da literatura, esse tipo de abordagem mostrou benefícios significativos, assim como a possibilidade de resolver MaOPs difíceis com algoritmos evolutivos multiobjetivo (MOEAs) tradicionais e melhorias na escalabilidade desses algoritmos. Além disso, a redução de dimensionalidade auxilia na tomada de decisões e visualização dos resultados pelos usuários. Para isto, foram aplicadas duas abordagens aos conjuntos de dados extraídos dos problemas de teste benchmark da família DTLZ: uma de seleção e outra de extração de atributos, Laplacian Score (LS) e Análise de Componentes Principais (PCA), respectivamente. Em seguida, as novas funções reduzidas foram otimizadas pelo MOEA considerado estado da arte: NSGA-III. As soluções obtidas foram então expandidas para o número inicial de objetivos, a fim de compará-las com as soluções dos problemas originais utilizando os indicadores de qualidade (IQs) IGD+ e +, além de seus respectivos boxplots. Para avaliar estatisticamente os ganhos de desempenho das abordagens propostas, foi realizado o Teste de Postos Sinalizados de Wilcoxon. Os resultados mostraram que a técnica PCA se destacou como mais eficaz, particularmente em cenários de alta dimensionalidade, enquanto o LS teve desempenho mais limitado, sendo eficiente apenas em alguns DTLZ com menor número de objetivos. Por fim, conclui-se para o conjunto de experimentos que os métodos offline possuem limitações e novos estudos devem ser desenvolvidos para garantir a robustez das abordagens propostas.CAPESThis work addresses the challenges of solving many-objective optimization problems (MaOPs), which involve the simultaneous optimization of more than three conflicting objective functions. To overcome these challenges, a machine learning (ML)-based dimensionality reduction approach is proposed, aiming to reduce the number of objectives in MaOPs without losing relevant information. According to related works in the literature, this type of approach has shown significant benefits, such as the possibility of solving difficult MaOPs with traditional multi-objective evolutionary algorithms (MOEAs) and improvements in the scalability of these algorithms. Additionally, dimensionality reduction helps in decision-making and in visualizing the results for users. To this end, two approaches were applied to the data sets extracted from the DTLZ family’s benchmark test problems: one for attribute selection and another for attribute extraction, Laplacian Score (LS) and Principal Component Analysis (PCA), respectively. The reduced functions were then optimized using the state-of-the-art MOEA: NSGA-III. The obtained solutions were subsequently expanded to the original number of objectives in order to compare them with the original problem solutions using quality indicators (QIs) IGD+ and +, along with their respective boxplots. To statistically evaluate the performance improvements of the proposed approaches, the Wilcoxon Signed-Rank Test was performed. The results showed that PCA technique stood out as more effective, particularly in high-dimensional scenarios, while LS had a more limited performance, being efficient only in some DTLZ with fewer objectives. Lastly, it is concluded for the set of experiments that the offline methods have limitations, and further studies are needed to ensure the robustness of the proposed approaches