A COVID-19 é um dos maiores problemas de saúde pública enfrentados no Brasil e no mundo atualmente. Para essa pesquisa utilizou-se de dados disponibilizados pela plataforma Brasil.io. Dessa forma usou-se de algoritmos com regressão polinomial para predizer os casos de COVID-19, com base no treinamento e teste a partir dos dados extraidos dos boletins diários que são fornecidos pela Secretaria de Saúde do Município. Os resultados obtidos foram satisfatórios visto que foram próximos aos observados na realidade. Assim, o classificador Random Forest (RF) obteve os melhores resultados com 83,70% de taxa média do coeficiente de determinação frente aos 54,50% obtidos pelo Support Vector Machine (SVM).

A dislexia é uma das dificuldades de aprendizagem mais comum nas salas de aula. Dessa forma o estudo teve como finalidade a classificação de crianças com ou sem dislexia através da aplicação de técnicas de Inteligência Computacional (IC). Para a metodologia utilizou-se de uma base de dados pública e da aplicação das arquiteturas neurais, Multilayer Perceptron (MLP), Radial Basis Function (RBF) e Extreme Learning Machine (ELM) e dos classificadores estatísticos, Support Vector Machine (SVM), Random Forest (RF) e K-Nearest Neighbors (K-NN), assim como das técnicas k-fold, SMOTE e normalização z-score. Os resultados demonstraram que o classificador SVM obteve a melhor taxa média de acerto com 98,03% de acurácia.