Eduardo Noronha de Andrade Freitas

Formação complementar

Áreas de atuação

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• GONTIJO, DANILLO ; ROLINS SANTANA, DOUGLAS ; DE ASSIS COSTA, GUSTAVO ; CABRERA, VICTOR E. ; NORONHA DE ANDRADE FREITAS, EDUARDO . Dairy GPT: Empowering dairy farmers to interact with numerical databases through natural language conversations. Smart Agricultural Technology , v. 12, p. 101097, 2025.

• CABRERA, VICTOR E. ; BEWLEY, JEFFREY ; BREUNIG, MITCH ; BREUNIG, TOM ; COOLEY, WALT ; DE VRIES, ALBERT ; FOURDRAINE, ROBERT ; GIORDANO, JULIO O. ; GONG, YIJING ; GREENFIELD, RANDALL ; HU, HAOWEN ; LENKAITIS, ANDY ; NIU, MUTIAN ; NORONHA, EDUARDO A. F. ; SULLIVAN, MICHAEL . Data Integration and Analytics in the Dairy Industry: Challenges and Pathways Forward. ANIMALS , v. 15, p. 329, 2025.

• CASSIMIRO, A. J. N. P. ; RAMOS, E. S. ; CABRERA, V. E. ; FREITAS, E. N. A. . Milk Weighing Scale based on Machine Learning. Smart Agricultural Technology , p. 100417, 2024.

• FREITAS, E.N.A. ; CABRERA, V.E. . Dairy Victory- Platform: A Novel Benchmarking Platform to Empower Economic Decisions on Dairy Farms.. JDS Communications , v. 6, p. 69-73, 2024.

• LIMA, L. M. ; MACEDO, V. C. C. ; SOUSA, M. G. ; FLEURY, C. A. ; OLIVEIRA, D. ; FREITAS, E. N. A. . Artificial Intelligence Applied to Dairy Cattle Anomalies Detection: A Systematic Review. Transactions on Computational Science and Computational Intelligence , v. 1, p. 1, 2022.

• FREITAS, E. N. A. ; FERNANDES, M. G. C. ; MARQUES, T. C. ; PIRES, T. G. ; SILVA, A. S. ; RIBEIRO, E. L. . APLICAÇÃO DE TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL NA DETECÇÃO DE EVASÃO FISCAL: UMA REVISÃO SISTEMÁTICA. SODEBRÁS , v. 17, p. 59-72, 2022.

• ALCANTARA, R. P. ; FREITAS-NETO, A. T. ; OLIVEIRA, D. N. ; FREITAS, E. N. A. . Imagering Hurricane Forecasting based on Artificial Intelligence: A Systematic Review. Transactions on Computational Science and Computational Intelligence , v. 1, p. 1, 2022.

• LIMA, J. G. ; ASCATE, S. ; ROJAS, I. K. V. ; FONTAO, A. ; FREITAS, E. N. A. ; DIAS-NETO, A. C. . SCUTMA: Selecting Components for Unit Testing in Mobile Applications. JOURNAL OF COMPUTER SCIENCES , v. 1, p. 1-15, 2020.

• FARIA, KENYO ABADIO CROSARA ; DE AQUINO GOMES, RAPHAEL ; DE ANDRADE FREITAS, EDUARDO NORONHA ; VINCENZI, AURI MARCELO RIZZO . On using collaborative economy for test cost reduction in high fragmented environments. Future Generation Computer Systems , v. 1, p. 1-10, 2019.

• FREITAS, E. N. A. ; Lima, W. S. . A Multi Agent Based Simulator for Brazilian Wholesale Electricity Energy Market. Lecture Notes in Computer Science , v. 4140, p. 68-77, 2006.

• FERREIRA, A. C. M. ; CORTES, A. J. S. ; GUIMARAES, J. M. ; CABRAL, M. M. ; FREITAS, E. N. A. . Potencializando a Visibilidade Turística de Senador Canedo-GO por Meio da Melhoria da Sinalização Física e Digital dos Pontos Turísticos. In: Ruberley Rodrigues de Souza; Marcelo Escobar de Oliveira; Suelene Vaz da Silva. (Org.). LAPASSION Goiânia: Como Contribuir para uma Sociedade Inclusiva e Sustentável. 1ed.Goiânia: Alta Performance, 2021, v. 1, p. 83-106.

• Ascate, Silvia M. ; Villanes, Isabel K. ; Oliveira, Kariny ; DE ANDRADE FREITAS, EDUARDO NORONHA ; Dias-Neto, Arilo . Mobile App Testing. Mobile Apps Engineering. 1ed.: Chapman and Hall/CRC, 2018, v. 1, p. 77-99.

• de Oliveira, André Assis Lôbo ; Camilo, Celso G. ; DE ANDRADE FREITAS, EDUARDO NORONHA ; VINCENZI, AURI MARCELO RIZZO . FTScMES: A New Mutation Execution Strategy Based on Failed Tests¿ Mutation Score for Fault Localization. In: Jose Maldonado, Marcio Delamaro, Auri Marcelo Rizzo Vincenzi. (Org.). Communications in Computer and Information Science. 1ed.Rio de Janeiro: Springer International Publishing, 2018, v. 1, p. 177-187.

• FREITAS, E. N. A. ; BARBOSA, J. R. ; VINCENZI, A. M. R. . Ferramentas de Execução Automática de Casos de Teste. In: Auri Marcelo Rizzo Vincenzi, Márcio Eduardo Delamaro, Arilo Claudio Dias Neto, Sandra C. Pinto Ferraz Fabbri, Mario Jino, José Carlos Maldonado. (Org.). Automatização de teste de software com ferramentas de software livre. 1ed.Rio de Janeiro: Elsevier, 2018, v. 1, p. 21-58.

• da Silva Lima, Wagner ; DE ANDRADE FREITAS, EDUARDO NORONHA . A Multi Agent Based Simulator for Brazilian Wholesale Electricity Energy Market. In: IBERAMIA-SBIA. (Org.). Lecture Notes in Computer Science. 1ed.Heidelberg: Springer Berlin Heidelberg, 2006, v. 4140, p. 68-77.

• FREITAS, E. N. A. . Novos produtos no mundo do negócio. Jornal Tribuna do Planalto, Brasil, p. 5 - 5, 12 jun. 2011.

• MENDES LIMA, LUCAS ; CALEBE CAVALCANTE, VICTOR ; GUIMARAES DE SOUSA, MARIANA ; AFONSO FLEURY, CLAUDIO ; OLIVEIRA, DIOGO ; NORONHA DE ANDRADE FREITAS, EDUARDO . Artificial Intelligence in Support of Welfare Monitoring of Dairy Cattle: A Systematic Literature Review. In: 2021 International Conference on Computational Science and Computational Intelligence (CSCI), 2021, Las Vegas. 2021 International Conference on Computational Science and Computational Intelligence (CSCI), 2021. p. 1708.

• VITAL, G. M. ; GUILARDE, A. N. ; NASCIMENTO, R. K. ; FREITAS, E. N. A. . Optimizing Revenue in Cryptocurrency Context by Using Modern Portfolio Principles. In: International Conference on Artificial Intelligence - ICAI'19|, 2019, Las Vegas, United States. Optimizing Revenue in Cryptocurrency Context by Using Modern Portfolio Principles, 2019.

• LOBO DE OLIVEIRA, ANDRE ASSIS ; GONCALVES CAMILO-JUNIOR, CELSO ; NORONHA DE ANDRADE FREITAS, EDUARDO ; RIZZO VINCENZI, AURI MARCELO . FTMES: A Failed-Test-Oriented Mutant Execution Strategy for Mutation-Based Fault Localization. In: 2018 IEEE 29th International Symposium on Software Reliability Engineering (ISSRE), 2018, Memphis. 2018 IEEE 29th International Symposium on Software Reliability Engineering (ISSRE), 2018. p. 155.

• OLIVEIRA, A. A. L. ; FREITAS, E. N. A. ; CAMILO-JUNIOR, C. G. ; VINCENZI, A. M. R. . FTScMES: A New Mutation Execution Strategy based on Failed Tests' Mutation Score for Fault Localization. In: 32nd International Symposium on Computer and Information Sciences, 2018, Ponzan. FTScMES: A New Mutation Execution Strategy based on Failed Tests' Mutation Score for Fault Localization, 2018.

• FAZZINI, MATTIA ; FREITAS, EDUARDO NORONHA DE A. ; CHOUDHARY, SHAUVIK ROY ; ORSO, ALESSANDRO . Barista: A Technique for Recording, Encoding, and Running Platform Independent Android Tests. In: 2017 IEEE International Conference on Software Testing, Verification and Validation (ICST), 2017, Tokyo. 2017 IEEE International Conference on Software Testing, Verification and Validation (ICST), 2017. p. 149.

• FARIA, KENYO ABADIO CROSARA ; FREITAS, EDUARDO NORONHA DE ANDRADE ; VINCENZI, AURI MARCELO RIZZO . Collaborative economy for testing cost reduction on Android ecosystem. In: the 8th ACM SIGSOFT International Workshop, 2017, Paderborn. Proceedings of the 8th ACM SIGSOFT International Workshop on Automated Software Testing - A-TEST 2017, 2017. p. 11.

• FREITAS, E. N. A. ; FARIA, K. A. C. ; CAMILO-JUNIOR, C. G. ; VINCENZI, A. M. R. . AMT: An Android Mirror Tool for Instant Feedback Across Platform. In: Congresso Brasileiro de Software: Teoria e Prática - Sessão de Ferramentas, 2016, Maringá-PR. VII Congresso Brasileiro de Software: Teoria e Prática - CBSoft 2016 - Sessão de Ferramentas, 2016.

• FREITAS, EDUARDO NORONHA DE ANDRADE ; CAMILO-JUNIOR, CELSO GONCALVES ; VINCENZI, AURI MARCELO RIZZO . SCOUT: A Multi-objective Method to Select Components in Designing Unit Testing. In: 2016 IEEE 27th International Symposium on Software Reliability Engineering (ISSRE), 2016, Ottawa. 2016 IEEE 27th International Symposium on Software Reliability Engineering (ISSRE), 2016. p. 36.

• FARIA, K. A. C. ; FREITAS, E. N. A. ; MALDONADO, J. C. ; VINCENZI, A. M. R. . Pharos: Uma Ferramenta para Identificação de Defeitos em Nível de Métodos a partir de Commits e Gerenciadores de Defeitos. In: Congresso Brasileiro de Software: Teoria e Prática - CBSoft - Sessão de Ferramentas, 2016, Maringá - Brasil. VII Congresso Brasileiro de Software: Teoria e Prática - CBSoft 2016 - Sessão de Ferramentas, 2016.

• FREITAS, E. N. A. ; CAMILO-JUNIOR, C. G. ; VINCENZI, A. M. R. . Prioritization of Artifacts for Unit Testing Using Genetic Algorithm Multi-objective Non Pareto. In: International Conference on Software Engineering Research and Practice (SERP'14), 2014, Las Vegas. XII International Conference on Software Engineering Research and Practice - SERP'14, 2014. p. 196-202.

• FREITAS, E. N. A. ; CAMILO-JUNIOR, C. G. . A Parallel Genetic Algorithm to Coevolution of the Strategic Evolutionary Parameters. In: International Conference on Artificial Intelligence, 2013, Las Vegas, Nevada. Proceedings of the International Conference on Artificial Intelligence, 2013.

• RAMOS, E. S. ; BRITO, F. M. ; CRUZ JUNIOR, G. ; VINHAL, C. D. N. ; FREITAS, E. N. A. . Um Modelo de Simulação Dinâmico e Individualizado com Interface Web. In: IV Simpósio Brasileiro de Sistemas Elétricos, 2012, Goiânia. Journal and Event Management System da Sociedade Brasileira de Computação., 2012.

• PAULA, V. H. A. L. ; FREITAS, E. N. A. . Modelagem e Melhoria de Processos: Estudo de caso em um Órgão Público. In: XV SEMEAD - Desafios da Gestão: Econômico, Social e Ambiental, 2012, São Paulo. Promoção da eficiência e otimização de processos, 2012.

• FREITAS, E. N. A. ; Lima, W. S. . A multi agent based simulator for Brazilian wholesale electricity energy market. In: IBERAMIA/SBIA, International Joint Coneference, 2006, Riberão Preto. Advances in Artificial Intelligence. Berlin: Springer -Verlag, 2006. v. 4140. p. 68-77.

• FREITAS, E. N. A. ; CABRERA, V. E. . Dairy VictoryTM: A Novel Benchmarking Platform to Empower Economic Dairy Farms Decisions. Journal of Dairy Science Communications , 2024.

• FREITAS, E. N. A. . Planejamento Estratégico e Plano de Comunicação Social. 2010. (Apresentação de Trabalho/Conferência ou palestra).

• FREITAS, E. N. A. . O aperfeiçoamento do processo de gestão na Polícia Militar do Estado de Goiás como estratégica fundamental para o efetivo exercício da polícia ostensiva e preservação da ordem pública. 2010. (Apresentação de Trabalho/Conferência ou palestra).

• FREITAS, E. N. A. . Sistema Integrado de Gestao. 2008. (Apresentação de Trabalho/Conferência ou palestra).

• FREITAS, E. N. A. ; Lima, W. S. . Simulador Multi-Agentes de Mercado Atacadista de Energia Elétrica. 2007. (Apresentação de Trabalho/Outra).

Outras produções

Projetos de pesquisa

• 2024 - Atual

  Predição de Curva de Lactação na Pecuária Leiteira baseada em Deep Learning, Descrição: Um dos mecanismos mais utilizados para apoiar o processo de decisão em fazendas leiteiras são as curvas de lactação. Elas fornecem informações valiosas sobre os padrões de produção de leite ao longo do período de lactação. Estas curvas são normalmente geradas através da representação gráfica de dados (eixo X - dias em lactação, eixo Y - volume de leite produzido em kg), desde o início da lactação até o final. A curva de lactação geralmente segue um padrão característico: um aumento inicial na produção de leite logo após o parto, atingindo um pico de produção nas primeiras semanas, seguido de um declínio gradual até o final do ciclo de lactação. Compreender e modelar com precisão as curvas de lactação é essencial para otimizar as estratégias de alimentação, programas de seleção de animais, e definir melhores estratégias de produção para fazendas leiteiras. No entanto, alterações no clima, dieta, manejo, saúde, dentre outras, podem causar quedas na produção de leite afetando o ajuste das curvas de lactação, dificultando a estimativa do desempenho potencial da lactação. Para estimar o potencial da vaca leiteira e a curva de lactação esperada, vários métodos foram propostos. Os modelos de Wood (1967), e Milkbot (Ehrlich, 2013) são empregados para ajustar os dados observados e fornecer uma representação mais eficaz da curva de lactação. Esses modelos levam em conta as variações individuais das vacas e os fatores ambientais, permitindo previsões e análises precisas. Os modelos mais recentes na literatura, Ben Abdelkrim et al. (2021) e Adriaens et al. (2021) apresentam boa performance em detectar perturbações, porém com um alto custo computacional e com instabilidade no ajuste. Portanto, este projeto de pesquisa visa o estudo e a implementação de modelos baseados em deep learning para realizar melhores ajustes de curva de lactação.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Especialização: (1) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Sérgio Daniel Carvalho Canuto - Integrante / Caio Teixeira Frauzino - Integrante / Pedro Augusto Pereira Costa - Integrante.

• 2024 - Atual

  Monitoramento do comportamento de gado leiteiro baseado em imagens, Descrição: Para garantir produtividade e sustentabilidade na pecuária leiteira, produtores precisam cada vez mais de informações precisas para suportar os processos de tomada de decisão. Nesse sentido, informações sobre o comportamento dos animais (ruminação, movimentação, alimentação, etc.) são importantes instrumentos para mensuração da eficiência produtiva, bem como para detectar sinais precoces de sofrimento ou doenças, a fim de melhorar o bem-estar animal e a produtividade. Como alternativa aos métodos tradicionais (manuais e trabalhosos) de monitoramento do comportamento das vacas leiteiras, o uso de modelos de visão computacional tem se mostrado uma alternativa promissora. Contudo, a quantidade de câmeras necessárias para uma razoável cobertura em galpões de confinamento, associada com a complexidade da orquestração e processamento de um alto volume de imagens ainda são as principais barreiras na efetivação de um produto tecnológico. Para solucionar este desafio, este projeto de pesquisa propõe responder a questão de pesquisa: "É possível monitorar o comportamento de vacas leiteiras em confinamento coletando imagens com robô inteligente?". Será desenvolvido e avaliado um sistema em nível de maturidade tecnológica 6 (TRL-6) que realize a análise de imagens em galpões de confinamento de gado leiteiro para monitorar o comportamento dos animais, com o objetivo final de melhorar o bem-estar animal e a eficiência da fazenda. A solução irá coletar e processar imagens por meio de um robô autônomo de baixo custo, utilizando apenas uma câmera embarcada.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Especialização: (1) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Gabriel Melo de Souza - Integrante / Ian Teixeira Amaral - Integrante / Thiago da Silva Teixeira - Integrante.

• 2021 - Atual

  Inteligência Computacional para Identificar a Composição de Grupos Econômicos e Classificação Documental na Procuradoria Geral do Estado de Goiás (PGE-GO), Descrição: O objetivo deste projeto é o desenvolvimento uma solução computacional capaz de facilitar a identificação de vínculos característicos de grupos econômicos fraudadores atuantes no Estado de Goiás, com o intuito de maximizar a arrecadação fiscal de entes econômicos que praticam sonegação tributária no Estado. Assim como, desenvolver algoritmos computacionais baseados em técnicas de inteligência artificial para realizar uma classificação e interpretação documental eficiente de cada intimação recebida digitalmente, distribuindo-as de forma automática para cada um dos Procuradores que terão atuação no processo, acoplado com um controle via DashBoard do andamento de cada processo pendente, em conjunto com a sua TimeLine.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (2) / Doutorado: (1) . , Integrantes: Eduardo Noronha de Andrade Freitas - Integrante / Anderson Soares da Silva - Coordenador / Thyago Carvalho Marques - Integrante / Tobias Gonçalvez Pires - Integrante / Márcio Giovane C. Fernandes - Integrante / Cleuler Barbosa das Neves - Integrante / Wesley Modanez Freitas - Integrante.

• 2020 - Atual

  Previsibilidade de Anomalias na Pecuária Leiteira baseada em Inteligência Artificial, Descrição: O Agronegócio tem tido um papel importante na economia brasileira, mesmo neste momento conturbado de crise devido ao COVID-19. Na pecuária leiteira, além dos macro desafios que afetam a atividade, os produtores lidam frequentemente com algumas anomalias que constituem-se grandes ameaças ao sistema de produção. Dentre estas anomalias, podem destacar a mastite e o estresse térmico. Na ocorrência de um deles, ocorre a queda na produção de leite, o comprometimento da sanidade do animal acometido, gastos com medicamentos, descarte precoce de animais que apresentem casos crônicos e a diminuição na qualidade do produto. Atualmente existem basicamente dois tipos de abordagens para a detecção deste tipo de anomalias: as manuais, que geralmente são onerosas, com baixo nível de confiabilidade e impraticáveis sob o ponto de vista de sua aplicação diária e por animal. Já o segundo tipo considera o emprego de tecnologias de alta precisão, como, por exemplo técnicas laboratoriais para identificação de mastite clínica, mas que possuem um custo extremamente elevado para aplicação diária em todo o rebanho.Assim, o objetivo precípuo deste projeto de pesquisa é o desenvolvimento de um modelo de detecção precoce de duas anomalias (mastite e estresse térmico), utilizando modelos de inteligência artificial que fazem uso de diversos dados e informações operacionais para seu aprendizado. O modelo será validado em ambiente real de produção conforme detalhado na seção Materiais e Métodos.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Guilherme Margato Vital - Integrante / Antonio Jorge Nunes de Paula Cassimiro - Integrante.

• 2020 - Atual

  Modelo de Monitoramento do Conforto de Vacas Leiteiras baseado em Deep Learning, Descrição: O agronegócio tem sido um dos setores de maior crescimento e sustentação na economia brasileira, mesmo diante da crise atual. Apesar dos grandes avanços nas tecnologias voltadas à nutrição, reprodução e saúde, a pecuária leiteira apresenta ainda grandes oportunidades de desenvolvimento, sobretudo na automatização de procedimentos. O objetivo deste projeto é propor um modelo de automatização do monitoramento do nível de conforto do animal em galpões free stall utilizando técnicas e modelos de inteligência artificial, com o intuito de subsidiar o processo de tomada de decisões em empreendimentos de produção de leite. Por meio de um sistema baseado em aprendizado supervisionado profundo (Deep Learning), o modelo será capaz de analisar imagens dos animais em tempo real, localizar animais dentro de cada imagem, identificar unicamente cada um deles, e reconhecer de forma automatizada seu estado atual como, por exemplo: deitado, comendo, bebendo, andando, etc. Uma vez processados estes dados, será construída uma base de dados informacional sobre conforto contendo parâmetros de monitoramento que permitam analisar o bem-estar e o nível de conforto de cada um dos animais.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Lucas Mendes Lima - Integrante / Mariana Guimarães de Sousa - Integrante / Victor Calebe Cavalcante de Macedo - Integrante.

• 2019 - 2020

  Visão Computacional em Apoio a Identificação de Gado Leiteiro, Descrição: Várias técnicas têm sido empregadas na identificação de animais no rebanho leiteiro. Desde a fogo, tatuagem, brincos, biometria, identificação eletrônica, etc. Alguns de tais procedimentos exigem custos baixos para identificação, como marca a fogo e por meio de brincos, mas em geral não trazem bem-estar aos animais. Porém, algumas exceções e de grande importância como a identificação eletrônica e, principalmente a biométrica apesar de terem custos maiores temporariamente, geram facilidade no reconhecimento e essencialmente segurança e conforto para os animais. Este projeto de pesquisa propõe o estudo e desenvolvimento de técnicas de identificação de animais em um rebanho leiteiro por meio do uso de visão computacional, uma área da inteligência artificial, em apoio ao processo de gestão dos produtores de leite, com expectativa de impacto direto e indireto na melhoria da qualidade dos processos e produtos, bem como na redução dos custos de produção. Através de bases de dados com imagens de animais na literatura (benchmarking) e internet, o presente projeto de pesquisa investigará usando técnicas de visão computacional e mecanismos de aprendizagem supervisionada, de forma que se identifique unicamente um animal quando o mesmo entrar no campo de visão de uma câmera de monitoramento. Além da importância da qualidade (acurácia) da identificação, um benefício valioso para o ecossistema produtivo é a redução dos custos inerentes. A utilização das técnicas de aprendizagem usando visão computacional podem servir como base a diversas atividades do setor de produção de leite, desde a identificação da produção individualizada até o diagnóstico de doenças e indicação de cio, a partir das alterações comportamentais.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Lucas Mendes Lima - Integrante.

• 2016 - 2017

  Plataforma Computacional de Verificação de Vulnerabilidades de Mercado em Aplicações Android, Descrição: O objetivo precípuo da pesquisa é a automatização da execução de interações de usuário na plataforma Android em um conjunto de dispositivos previamente selecionados, permitindo a verificação de incompatibilidades de uma app em diferentes configurações de dispositivos em tempo real.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Elison José dos Santos-Júnior - Integrante / Erisson Lucas da Silva Rodrigues - Integrante / Raíssa Regis da Silva - Integrante.

• 2014 - 2015

  CheckDroid, Descrição: O objetivo do projeto desenvolvido em CheckDroid é definir e prover uma infraestrutura nas nuvens e um laboratório de teste de dispositivos reais com sistema operacional Android, desenvolvendo para isto um protótipo para o teste de aplicativos Android para diferentes tipos de erros nas diversas configurações de dispositivos. O projeto foi desenvolvido pela startup Checkdroid (hoje MoQuality.com) encubada na Georgia Tech em Atlanta, EUA, liderado pelo seu fundador Dr. Shauvik, com a supervisão do Dr. Alex Orso.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (2) . , Integrantes: Eduardo Noronha de Andrade Freitas - Integrante / Shauvik Roy Choudhary - Coordenador / Alessandro Orso - Integrante., Financiador(es): National Science Foundation - Auxílio financeiro.

• 2013 - 2014

  Framework de Priorização de Artefatos de Software para Aplicação de Testes Unitários, Baseado em Hyper-Heurística (Projeto de Iniciação Científica - CNPq), Descrição: O objetivo principal do trabalho é desenvolver uma solução tecnológica de apoio para priorização de artefatos de softwares orientados a objetos para aplicação de testes unitários, baseada em HyperHeurística.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Hugo Mamede Soares - Integrante.

• 2013 - 2013

  Desambiguação textual utilizando técnicas de mineração, aplicadas no contexto de notas fiscais eletrônicas, Descrição: O projeto tem como objetivo estudar e avaliar as técnicas existentes na literatura de mineração de dados e processamento estatístico de linguagem natural, aplicadas ao problema da identificação de produtos únicos presentes na NF-e, a partir de informações não estruturadas. O objetivo final será o desenvolvimento de um algoritmo capaz de alcançar níveis aceitáveis de identificação com vistas à experimentação prática do sistema em apoio à administração pública.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Jonathas Carrijo - Integrante., Financiador(es): OOBJ Tecnologia da Informação - Cooperação.

• 2012 - 2013

  Implementação de Software Livre no Ensino Técnico (Projeto de Iniciação Científica - CNPq), Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Matheus Luna - Integrante.

• 2012 - 2013

  Inteligência Computacional Aplicada a Testes de Software (Projeto de Iniciação científica CNPq), Descrição: O objetivo precípuo deste projeto de pesquisa é realizar experimentos de heurísticas aplicadas a área de Testes de Software. O foco da proposta é definir, conceber, implementar e comparar diferentes heurísticas, para automatizar o processo de geração de casos de testes, buscando otimizar as atividades de teste de software. Serão estudadas a integração das heurísticas junto a ferramentas automatizadas de teste de software já existentes, visando otimizar o processo de geração de dados de testes.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Rene Artur Rabelo de Souza - Integrante.

• 2011 - 2012

  Mineração de Dados em Apoio aos Processos Estratégicos e Educacionais do IFG. (Projeto de Iniciação Científica - CNPq), Descrição: Objetivo do projeto de pesquisa é a proposição de um ambiente tecnológico para prospecção de informações operacionais, táticas e estratégicas para o Instituto Federal de Goiás (IFG), contribuindo para otimização dos trabalhos educacionais.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador / Carlos Júnior Pereira da Silva - Integrante / Vinícius Borges de Siqueira - Integrante.

• 2008 - 2012

  Metodologia e Modelo Computacional de Análise Operacional-Financeira de Contratos e Novos Investimentos, Descrição: Desenvolvimento de uma nova plataforma computacional que deverá obrigatoriamente interagir os três modelos de mercado já consagrados pelo setor elétrico nacional. O rateio das metas de geração dos reservatórios equivalentes de energia entre as usinas hidrelétricas deverá ser revisto, onde será proposto um novo modelo que implementará novas heurísticas incorporando as regras de mercado definidas no CCEE.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) / Especialização: (1) / Mestrado acadêmico: (2) / Mestrado profissional: (0) / Doutorado: (3) . , Integrantes: Eduardo Noronha de Andrade Freitas - Coordenador., Financiador(es): Centrais Elétricas do Norte do Brasil - Bolsa.

Prêmios