Marcelo Alves é Engenheiro de Software, tendo defendido com sucesso o seu mestrado em Sistemas de Inf. A tese apresenta o Xperis, um inovador sistema de gerenciamento e armazenamento de dados multimídia provenientes de sistemas de Interação Humano-Computador Multimodal (MHCI). O Xperis destaca-se pela sua robustez e adaptabilidade em diversos cenários de teste, possibilitando chamadas pontuais a uma API em ambientes controlados. Através de uma API REST, o sistema permite integração com outras plataformas e oferece expansão por meio de plugins, como o CSV Viewer, que agrupa dados de questionários em uma planilha. Além disso, demonstra a integração com um cliente MHCI desenvolvido com Unity e .NET, proporcionando uma solução eficiente para a análise de dados multimodais em investigações científicas.

O DEISI convida todos os alunos para uma experiência musical imperdível! No dia 4 de outubro, às 20:00, vamos celebrar o lançamento do EP “Softw@re 7.0” do artista Xanny7k. O projeto foi inteiramente criado enquanto Xanny7k estava a concluir o 1° ano de licenciatura em Engenharia Informática – uma verdadeira fusão da paixão pela música e a tecnologia! 💻🎶 Além da apresentação do EP, vamos contar com um DJ set do salvxs e muita boa energia para tornar a noite ainda mais especial. Não percas esta oportunidade de te juntares à comunidade e celebrares o talento de um colega de curso. 🕺💥 📆 Dia: 4 de outubro 🕗 Hora: 20:00 📍Local: DEISI HUB (Q.3.2)

Brena Lima é Engenheira de Software e Investigadora, tendo defendido com sucesso o seu doutoramento em Informática na Universidade Lusófona. Na sua tese de doutoramento intitulada Multiple Access Networks Assisted by Aerial Intelligent Reflecting Surfaces, a pesquisa explora a integração de técnicas de acesso múltiplo, como Non-Orthogonal Multiple Access (NOMA) e Rate-Splitting Multiple Access (RSMA), com Aerial Intelligent Reflecting Surface (AIRS), destacadas como facilitadoras das comunicações sem fio de próxima geração. São propostas soluções para melhorar o desempenho do sistema, combinando métodos de otimização e ‘machine learning’. Explora-se a integração de veículos aéreos não tripulados (UAV) em redes NOMA, usando algoritmos de Reinforcement Learning para otimizar o emparelhamento de utilizadores e a alocação de potência. São abordados os ganhos e desafios de integrar AIRS em redes NOMA, e é nvestigada a integração de AIRS com RSMA, propondo um algoritmo de otimização alternada para maximizar a taxa de transmissão. Propõe-se o uso de modelos Long Short-Term Memory (LSTM) para prever a trajetória de UAV e as mudanças de fase da AIRS em cenários com utilizadores dinâmicos e estáticos.

Neste dia 12 de setembro de 2024, realizou-se a tão esperada sessão de boas-vindas do nosso Departamento. O evento, que marca o início do ano letivo 2024/2025, contou com a participação de alunos, professores e diretores, celebrando o crescimento contínuo do departamento.