Cracks on the concrete surface are symptoms and precursors of structural degradation and hence must be identified and remedied. However, locating cracks is a time-consuming task that requires specialized professionals and special equipment. The use of neural networks for automatic crack detection emerges to assist in this task. This work proposes one U-Net based neural network to perform crack segmentation, trained with the Crack500 and DeepCrack datasets, separately. The U-Net used has seven contraction and seven expansion layers, which differs from the original architecture of four layers of each part. The IoU results obtained by the model trained with Crack500 was 71.03%, and by the model trained with DeepCrack was 86.38%.

Nas áreas industriais emitem-se alertas de segurança em formato digital após a ocorrência de acidentes. Neste contexto, este trabalho propõe a criação de uma base de dados de alerta de seguranças, bem como uma comparação de técnicas de aprendizado de máquina para classificação de textos. A base de dados foi elaborada pelos autores, através de coleta de documentos públicos obtidos da internet. Classificadores clássicos, KNN, SVM, Naive Bayes, Árvores de decisão e Floresta Aleatórias foram aplicados à base de dados, sendo a melhor acurácia obtida pelo SVM com 0,79% seguido da Floresta Aleatória com 0,75%. Os resultados instigam a continuação do trabalho, pois uma base de dados pública de acidentes e alertas de segurança aumentam a divulgação destas informações.

Medir quantitativamente o quão desigual é a situação das mulheres em relação aos homens é uma iniciativa empreendida por organizações internacionais, tais como a ONU e o FEM. Embora os índices sejam multidimensionais, ao final, é gerado um único valor para o país inteiro. Há propostas brasileiras de índices de avaliação da desigualdade de gênero por unidade da federação, tais como o INDG e o IMDG. O objetivo deste trabalho é desenvolver um site com um mapa coroplético dos índices INDG e o IMDG.