Natália Silva Rosa

Formação complementar

Idiomas

Participação em eventos

Produções bibliográficas

• PEREIRA, FRANCISCO T. S. S. ; ROSA, NATALIA S. ; SILVA, DIEGO C. ; PEREIRA, CLAUDIA P. ; BITTENCOURT, ROBERTO A. . A Remote CS0 Workshop Based on Peer Learning: Motivation, Engagement and Self-Regulation of Novice Programmers. In: 2021 IEEE Global Engineering Education Conference (EDUCON), 2021, Vienna. 2021 IEEE Global Engineering Education Conference (EDUCON), 2021. p. 821.

• GOMES MACHADO, JUSSARA ; DO CARMO SILVA, DIEGO ; SILVA ROSA, NATALIA ; DAMASCENO SAMPAIO, RODRIGO ; RODRIGO FICA PIRAS, PABLO . DA SALA À TELA: PARA O AFASTAMENTO SOCIAL, VIRTUALIZAÇÃO DO. In: Brasilian Congress of Engineering Education, 2020. Proceedings of the XLVIII Brasilian Congress of Engineering Education.

• ROSA, N. S. . Ensino Virtual de Computação em Tempos de Pandemia. 2020. (Apresentação de Trabalho/Congresso).

• ROSA, N. S. ; ZEBENDE, G. F. . Processamento de Séries Temporais Usando o Método de DFA em Python. 2019. (Apresentação de Trabalho/Seminário).

Outras produções

Projetos de pesquisa

• 2018 - 2019

  Processamento de séries temporais usando o método de DFA em Python, Descrição: As séries temporais são um dos tipos de dados mais comuns encontrados na natureza, que podem ser medidos, guardados e processados em tempo real ou off-line, usando um Computador. Exemplos destes dados temos a mudança no tempo dos preços dos produtos no mercado, do clima, do uso da energia, da mídia social, dos sinais biomédicos gerados pela atividade fisiológica da matéria viva, dentre outros muitos mais. A análise de séries temporais permite-nos analisar determinados dados ao longo de um período de tempo e compreender padrões nos dados ao longo do tempo, suas tendências, sazonalidade, etc. Tradicionalmente à análise das séries temporais se baseia numa estatística paramétrica que deve cumprir que os dados tenham um comportamento normal, ou seja, devem obedecer uma curva gaussiana e sem tendência nas escalas de tempo. Não entanto este comportamento não existe na natureza, onde a maioria dos sinais são não-estacionários. O grande volume de dados e as características específicas dos tipos de series temporais nas diversas áreas do conhecimento, obriga aos pesquisadores o desenvolvimento de métodos computacionais e estatísticos que auxiliem nas suas análises e assim uma melhor tomada de decisões antes os problemas a estudar. Entre os métodos estatísticos e a modelagem computacional como ferramenta para análises de dados de series temporais encontramos os métodos baseados nas Análises de Flutuações sem Tendências (DFA) proposto por Peng et al. (1994), o método Análises da Correlação Cruzada sem Tendências ? DCCA, idealizado por Podobnik e Stanley (2008), e do coeficiente de correlação cruzada DCCA proposto por Zebende (2011).. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Natália Silva Rosa - Integrante / Gilney Figueira Zebende - Coordenador / Juan Alberto Leyva Cruz - Integrante.