5099
DESVENDANDO O POTENCIAL DO APRENDIZADO DE MÁQUINA NA EDUCAÇÃO: UMA ABORDAGEM INTEGRADA UTILIZANDO PLATAFORMA WEB;
CASSIUS ZANETTI RESENDE, MARJORIE ARIELE PEREIRA, EDUARDO RIZZO CORSINI, JOSE MARCOS SANTANA GOMES, RODRIGO DE DEUS BAZILIO;
Este artigo destaca a busca por soluções inovadoras na educação prática de engenharia, especialmente na área de controle de temperatura. Ele explora a integração de tecnologias como aprendizado profundo e redes neurais LSTM com o TagoIO, uma plataforma robusta para monitoramento e controle na Internet das Coisas (IoT). A aplicação desenvolvida utiliza o TagoIO para monitorar a temperatura em tempo real em uma planta educacional, aplicando redes neurais LSTM para controle preciso. Essas redes são conhecidas por lidar bem com dados sequenciais, tornando-as ideais para sistemas dinâmicos como este. O processo de desenvolvimento envolveu a coleta e pré-processamento de dados de temperatura, treinamento de redes LSTM com Tensorflow e integração com o TagoIO para controle em tempo real. Isso resultou em benefícios como controle preciso de temperatura, monitoramento em tempo real, facilidade de uso e flexibilidade para adaptar a aplicação a outros sistemas dinâmicos. Esta abordagem demonstra o potencial do aprendizado profundo e das redes LSTM no contexto educacional e de pesquisa em engenharia. A integração com o TagoIO torna a aplicação acessível e promissora para vários ambientes educacionais e de pesquisa.
Educação em Engenharia, Integração de IoT, Redes Neurais LSTM
