Resumo: We provide implementations of the Greedy Heuristic and Greedy Recursive Heuristic proposed by Özener and Ekici (2018) for the Maximal Blood Collection Problem. In this problem, the objective is to to route blood donations from donation sites to a processing facility within a time limit for each donation.

Our implementations perform much more quickly than the speeds reported by the original work. We attribute this speedup to the use of pure C++ and simple optimization techniques, as opposed to the use of an overhead-heavy framework. The measurement of the quality of the algorithm also differs, which we attribute to an under-specification of both the algorithms and the measurement technique.

Resumo: Este trabalho visa analisar os benefícios da utilização de caches em diferentes camadas da rede para um sistema de streaming de vídeo. Aproximar o conteúdo ao dispositivo final traz vantagens, no entanto os custos e complexidade da implantação de caches podem ser altos, portanto uma análise dos efeitos do cache pode ser útil para a decisão de introduzir um sistema deste tipo. Além disso, a quantidade de dispositivos móveis continua crescendo e o consumo de vídeo também. Assim, uma simulação de uma rede com dispositivos móveis utilizando LTE foi executada, consumindo um serviço de vídeo com um servidor principal na Cloud e caches na Fog e na Edge e os resultados foram analisados com um foco na Quality of Experience.

Resumo: Diversas técnicas já foram utilizadas para tentar prever o valor de ativos na bolsa de valores, com o intuito de automatizar os investimentos e maximizar os ganhos.

Esse trabalho teve como objetivo buscar um método que pudesse prever o movimento das preços no mercado de ações com técnicas de aprendizado de máquina utilizando apenas o histórico de preços e o volume de negociação das ações e sem a utilização de informações sobre as empresas ou eventuais notícias que possam impactar na oferta e na demanda de determinados ativos.

Resumo: O Instituto de Computação iniciou um projeto para adaptar o processador de amplo suporte Leon3 de arquitetura SPARC, para a arquitetura RISC-V, objetivando aumentar a gama de suporte à ela. Este projeto foi batizado de ReonV.

O projeto relatado nesse documento constituiu na continuidade desse projeto, que começou através de uma Iniciação Científica porém mais focado em algumas tarefas em específico: A criação de um substituto para o software proprietário GRMON, tipicamente usado para depuração no Leon3 mas que não suporta Risc-V.

Durante a pesquisa do projeto, foi encontrado uma forma de adicionar um periférico que funciona como boot ROM à ambas arquiteturas. Foi, também, corrigido um bug do Leon3 que impedia a utilização correta do periférico.

Além disso, foi criado com sucesso um substituo aberto para o GRMON, batizado de RVMON, que consegue se comunicar, ler, escrever e executar código no ReonV, se comportando como uma versão do GRMON adaptada à Risc-V.

Resumo: O Instituto de Computação da Unicamp, assim como muitas outras universidades e institutos de pesquisas, trabalha com a área de Arquitetura de Computadores, logo também com processadores. Neste meio há a preferência por uma arquitetura chamada RISC-V, porém esta não possui uma diversidade de suporte tão grande. Assim o IC iniciou um projeto para trocar a arquitetura do Leon3, processador com amplo suporte, de SPARC (sua original) para RISC-V, objetivando aumentar a gama de suporte ao RISC-V. Este projeto foi batizado de ReonV.

Este trabalho consistiu portanto na continuidade de um projeto já iniciado anteriormente pelo IC, começada através de uma Iniciação Científica, porém mais focado em algumas tarefas em específico: A remoção da Janela de Registradores do Leon3 e a implementação de um Branch Predictor no ReonV. Sendo feito também, neste projeto, um contador de ciclos, para auxiliar nas atividades, que fica como uma ótima contribuição extra.

Resumo: Ter um bom controle de suas receitas e despesas é o primeiro e maior passo para conseguir a independência financeira. Visando auxiliar as pessoas a atingir essa meta, diversas empresas criaram softwares de controle financeiro e, neste relatório, foram escolhidos quatro aplicativos mobile para serem analisados sob a visão de Interação Humano-Computador. Levando em consideração uma análise de usabilidade, segundo as heurísticas de Nielsen, e uma análise de funcionalidades, temos que Mobills é o aplicativo mais completo dentre os estudados, porém o que contém os maiores problemas de usabilidade. O app Minhas economias, apesar de ter menos funcionalidades, possui aquelas que são mais comuns, ao mesmo tempo que possui uma usabilidade superior. GuiaBolso e GNUCash são aplicativos bons, porém ficam muito atrás dos demais nos dois quesitos, usabilidade e funcionalidades, como será mostrado.

Resumo: A instalação de ferramentas podem ser complexas devido a sua variabilidade de possíveis configurações. Tendo isso em vista, foi criado um grupo de trabalho de 7 universidades públicas do estado de São Paulo, o qual criou um manual de instalação para 3 ferramentas de repositórios open source, que são: CKAN, DSpace e DataVerse. Este projeto tem como objetivo, fazer uma análise completa do manual de instalação de 3 repositórios e fornecer um feedback para o grupo de trabalho.

Resumo: Esse trabalho tem como objetivo inserir pontuação em textos em português produzidos por serviços de transcrições de voz. Para solucionar o problema, uma rede neural recorrente bi-direcional foi treinada e avaliada com múltiplos datasets distintos, construídos com dados de três fontes: legendas de vídeos, artigos de notícia e transcrições de discursos. As vantagens e desvantagens de cada um dos datasets foram avaliadas junto com os resultados de precisão e acurácia de cada um dos seus respectivos modelos. Além disso, foi treinado um modelo "híbrido" juntando os discursos com artigos de tópicos selecionados. Esse modelo obteve a melhor performance, com um F1-Score de 74.9 no seu test dataset. O tópico central do texto pontuado não teve uma influência grande no resultado de nenhum dos modelos, mas a fusão de artigos para o treino de um modelo híbrido levou a uma melhora significativa de performance.

Resumo: O objetivo deste projeto de final de curso foi explorar os módulos de atenção baseados no CONAIM (Conscious Attention-Based Integrated Model) recentemente incorporados ao CST (Cognitive Systems Tool-kit). O CST é um framework geral para a construção de arquiteturas cognitivas que permite a utilização e integração de diversas tecnologias. Nosso propósito com este estudo é validar os processos atencionais definidos pelo CONAIM que foram implementados no CST na forma de módulos. Para isso, um conjunto de experimentos utilizando aprendizado de reforço foram definidos e implementados em um simulador robótico de alta fidelidade, e assim foi possibilitada a validação dos processos atencionais.

Resumo: A nuvem computacional viabiliza a execução de programas de alto desempenho sem a necessidade de aquisição de clusters e de forma flexível, sendo oferecido diferentes recursos computacionais a preços diferenciados. Neste trabalho exploramos como executar um programa de alto desempenho da área de geofísica utilizando o provedor Amazon Web Services (AWS) e o modelo de programação Scalable Partially Idempotent Task System (SPITS). Porém, além da execução, também exploramos como minimizar seu custo utilizando algoritmos para escolha das melhores instâncias para nosso programa e as instâncias do mercado Spot da AWS. Propomos três novos algoritmos para troca de instâncias e todos foram capazes de ajustar durante tempo de execução as instâncias utilizadas para obtermos melhores custos.

Resumo: Este trabalho busca criar uma plataforma que facilite o processamento de dados sísmicos na nuvem, sem exigir do usuário conhecimento técnico dos conceitos que a nuvem traz consigo. Esta plataforma tenta trazer mais agilidade, custos mais baixos e maior flexibilidade para os engenheiros e desenvolvedores que trabalham em aplicações que necessitam de alto poder computacional. O projeto tem o objetivo de criar uma plataforma open source, simples e replicável para qualquer usuário. Os resultados foram alcançados, permitindo uma avaliação inicial da plataforma com ferramentas reais de processamento sísmico.

Abstract: Homomorphic encryption is a cryptographic construction that allows an application to operate on ecrypted data, instead of the raw data itself. The possibility of homomorphic encryption had long been studied due to the applications it enables, especially the outsourcing of computing on sensitive data, while preserving the privacy of the data. Not until 2009 a fully homomorphic encryption scheme (FHE) was proposed by Craig Gentry, though not practical, this scheme paved the way for other schemes, both based on Gentry's ideas and others based on new ideas In parallel, some applications were developed to operate on data encrypted by those FHE schemes, proving that FHE could power practical applications, in a more privacy preserving fashion. This paper presents the concepts that support modern homomorphic encryption schemes, together with the description of some FHE schemes. In addition, some practical applications for processing sensitive data are presented.

Abstract: Nowadays one of the greatest problems faced in social and electronics media is the attempt to change the purpose of images in order to increase or change the impact of some event. For example, a malicious person can use a picture depicting a specific event to illustrate another completely event, leading to misurderstanding and changing the public opinion about the event or related topics. This repurpose of the meaning of the original picture is called Event Repurposing. In this work, we propose two methods to detect if a image is being repurposed or not (binary classification problem) based on the full scene analysis (using the whole image) and on the analysis of the objects (cars, people, trucks, and so on) present in the scene. In order to model the binary classification, we extract features from the images using a Deep Convolutional Neural Network (DCNN) and train an One-Class SVM. To check the robustness of the proposed methods, we consider eight different events with different objects and landscapes to get variability in terms of scenario, context and purpose of the events.

Resumo: Este é um relatório descritivo sobre o processo do desenvolvimento de um jogo digital para ensinar procedimentos de primeiros socorros a leigos. Com base na pesquisa do professor coordenador do projeto e em estudos dedicados ao desenvolvimento de jogos, foi desenvolvido um jogo com enfoque na facilidade de manutenção, com sistemas modularizados de forma a serem facilmente reutilizados em outros projetos. Por ser um jogo que envolve a resolução de casos clínicos, foi usada uma linguagem para desenvolver a estrutura narrativa do mesmo.

Abstract: Video lectures can stimulate learning experiences considering individual needs and learning styles. Extracting relevant information from video lectures can be useful to recommendation purposes and to interpret a concept in a exact moment of a lecture that a student can be interested in watching. The extraction of semantic metadata from a video natural language subtitle involves challenges in dealing with informal aspects of language and the detection of semantic classes from the free text. In this work, we propose a technique for extracting semantic metadata, which consists in developing a tool to extract the subtitle of a YouTube video in a text file and then use semantic annotation tools to identify semantic classes from the subtitle text file. We conduct an evaluation to compare the effectiveness of distinct semantic annotation tools on this task. Obtained results indicate that both AutoMêta tool and the our proposed SubAnnotator tool can perform the task of semantic annotating relevant terms well, but Ontotext and NCBO are not very effective for accomplishing this task. The difference between SubAnnotator and AutoMêta is the ability of annotating multiple occurrence of the terms throughout the input text. The SubAnnotator was able to annotate a higher number of occurrences than AutoMêta. The results also indicate that the biggest challenge on the video lectures semantic metada extraction process is the definition of the ontology used by the tools.

Resumo: Este relatório descreve as principais atividades desenvolvidas durante o Projeto Final de Graduação do curso de Engenharia de Computação do Instituto de Computação da Universidade Estadual de Campinas (UNICAMP). Neste trabalho, foram feitos estudos sobre detecção e decodificação de códigos de barras unidimensionais (1D) e bidimensionais (2D), com foco principal nos códigos EAN-13 e QR Code. Partindo do código em linguagem de programação Java da biblioteca ZXing, os algoritmos do EAN-13 e QR Code foram traduzidos para Python e, em seguida, foram realizados experimentos aplicando-se modificações nos métodos de binarização das imagens e adicionando pré processamento para realce de bordas. Os resultados dos diferentes métodos utilizados são comparados e discutidos, utilizando-se a acurácia de acerto na detecção e decodificação das informações como métrica.

Resumo: O trânsito é um dos maiores problemas enfrentados em grandes centros urbanos e diversos problemas estão associados a ineficiência dos semáforos. Assim, o estudo contempla um projeto para otimizar o fluxo de veículos em cruzamentos semaforizados ao apresentar e avaliar as melhores formas para realizar inovações nos semáforos a fim de reduzir congestionamentos, além de propor um modelo de contagem classificada automatizada utilizando Visão Computacional. Para isso, serão feitas pesquisas com Prefeituras, como as de Paulínia e Americana, e experimentos de campo, além de simulações de tráfego, a fim de chegar a um modelo de sistema possível para otimizar o trânsito em semáforos.

Resumo: Esse trabalho é uma análise de quatro diferentes técnicas de alinhamento automático de imagens de documentos, uma baseada em projeção horizontal, uma baseada na transformada de Radon, uma baseada na transformada de Hough e uma baseada na transformada de Fourier. A análise foi feita individualmente para cada técnica e em seguida comparativamente tanto quantitativamente e qualitativamente e são discutidas as falhas, vantagens e como os parâmetros e dados de entrada podem influenciar e variar o resultado final.

A análise de tais técnicas revelou que a técnica mais precisa para o conjunto de imagens de entrada foi a técnica baseada na Transformada de Radon e a mais rápida a baseada em Transformada de Fourier. Apesar disso pontos interessantes e vantagens das outras técnicas foram apresentadas.

Resumo: Neste relatório técnico, foi apresentado um resumo a respeito de Criptografia Visual, abordando algumas pesquisas já realizadas e suas aplicações em potencial baseados nos conceitos descritos na literatura. Adicionalmente, foram implementadas duas provas de conceito para testar e se familiarizar com o assunto. A primeira prova de conceito foi primeiramente apresentada por Naor e Shamir, e consiste em apresentar uma imagem escondida quando se sobrepõem dois esquemas cifrados e identificados como ruídos quando vistos separadamente. O segundo conceito consiste em apresentar imagens escondidas em esquemas os sobrepondo com um esquema-chave cifrado. O último conceito, estudado por Weir e Yan, foi explorado neste relatório para a elaboração das definições para os conjuntos de pixels da imagem e estudar suas potencialidades e limitações.

Abstract: In this technical report, it was presented an overview on the Visual Cryptography topic, concerning a few studies and potential applications based on the concepts described in academic literature. In addition, it was implemented two proofs of concepts in order to test and get familiar with the subject. The first was firstly presented by Naor and Shamir, and it consists on a hidden image being showed by overlapping two ciphered shares that are perceived as pure noise when seen individually. The second consists on uncovering images hidden in shares by overlapping them with a key share. The latter concept, studied by Weir and Yan [], was explored in this report in order to elaborate set definitions for what we called virtual pixels and study their potentialities and limitations.

Resumo: Neste trabalho, abordamos o problema de distância de reversão em genomas com genes duplicados. Desenvolvemos quatro heurísticas para o problema, sendo que algumas delas apresentam variações, diferenciando-se pela ação tomada dado um determinado cenário. Dentre as heurísticas que foram desenvolvidas nesse trabalho, uma delas atua sobre um mapeamento do genoma como uma permutação, o que nos permite obter uma sequência de operações que transforma um genoma em outro a partir de qualquer algoritmo para o problema que não considera repetição de genes. As demais heurísticas utilizam critérios gulosos para determinar uma sequência de operações que transforma um genoma em outro. Para analisarmos a qualidades das soluções apresentadas pelas heurísticas, criamos uma base de dados representando genomas com características distintas e realizamos um comparativo entre os resultados obtidos.

Abstract: Genome Rearrangement Problems compare different genomes considering events of mutations affecting a large segment of their DNA structure. Some examples of mutations are deletions, insertions, reversals, and transpositions. To make this comparison, genomes are considered as a group of blocks, formed by one or more genes, that are conserved between the genomes compared. By representing these blocks as numbers, and considering that there are no repeated blocks, we obtain permutations, and the distance between two genomes is the minimum number of rearrangements events required to transform one permutation into the other. Depending on the rearrangement events considered this problem becomes -hard, so finding approximation algorithms with a low factor to solve this problem is of interest. In this work, we estimate the distance in permutations of length 10 and 15 using different Reinforcement Learning algorithms. The rearrangement events considered here were reversals and transpositions. We compare the performance and the results of each method with either the exact distance or the distance estimated by other approximation algorithms in the literature.

Resumo: Neste projeto objetivamos estudar algoritmos de otimização da classe Branch-Cut-and-Price aplicados ao Problema do Roteamento de Veículos Capacitados, que possui diversas aplicações para as áreas de logística e de roteirização. Nessa abordagem, proposta por Fukasawa et. al, utilizamos uma formulação em programação linear inteira que usa um número exponencial de variáveis e de restrições. Os algoritmos de Branch-Cut-and-Price buscam satisfazer esse modelo de modo que a computação permaneça tratável. A implementação foi feita utilizando o framework de programação linear inteira SCIP e o solver CPLEX. Os experimentos indicam que o modelo de Branch-Cut-and-Price trouxe uma melhoria significativa no desempenho quando comparado com o modelo de Branch-and-Cut.

Abstract: Deep learning has been used in many applications to solve real-world problems. In recent years, it has seen tremendous growth in its popularity and usefulness, due in large part to more powerful computers, larger datasets, and techniques to train deeper networks. The objective of this project is to explore deep learning regarding the field of music composition using artificial intelligence. We deepen a discussion about Recurrent Neural networks (RNNs), a type of neural network that has demonstrated the best results in music generation so far. After that, we use a Tied Parallel Network, which is a combination of a recurrent and a feedforward network. We modify the model to generate songs in such a manner that the rhythm is controlled accordingly to the speed of a person. Finally, we create a system to use the model in a real application. The system consists of a trained model capable of generating music indefinitely, an MP3 streaming server and an Android app that tracks the speed by GPS.

Resumo: Na literatura, pode-se encontrar vários resultados relacionando caminhos e conjuntos estáveis em digrafos, por exemplo, os Teoremas de Gallai-Roy e de Gallai-Milgram. Além disso, há vários problemas em aberto envolvendo ambos os objetos, o que mostra que nosso entendimento desta relação ainda está longe de ser completo. Neste projeto, foram estudados alguns destes problemas e conceitos em grafos no geral.

Abstract: Finding the minimum number of mutations necessary for one genome to transform into another is a major problem in molecular biology. If genomes are represented as numeric permutations, this problem can be reduced to sorting such permutations using certain genome rearrangements operations, where, in this work, reversals operations are the main focus. We present two different techniques using reinforcement learning to address that. Our results show that this approach is competitive for permutations of size . However, as the permutations grow, converging gets trickier.

Resumo: A Prefeitura Universitária da Unicamp, juntamente de docentes e discentes, tem desenvolvido a iniciativa Smart Campus, que tem como objetivo utilizar o conceito de Internet das Coisas no contexto da universidade. Assim, em busca de um campus inteligente, diferentes projetos têm sido trabalhados atualmente. Um deles é denominado Coleta Diferenciada e busca prover o recolhimento eficiente de pilhas e baterias pelo campus de Barão Geraldo. A ideia deste projeto foi, portanto, desenvolver um protótipo para otimizar esse processo, de forma que os coletores tenham um sistema robusto de sensoriamento e que possam enviar dados para a internet. Através disso, as informações podem ser processadas para que se obtenha uma rota de coleta eficaz.

Resumo: Este projeto visa estudar o panorama empreendedor de dois institutos da Unicamp que sediam seu curso de Engenharia de Computação, o IC (Instituto de Computação) e a FEEC (Faculdade de Engenharia Elétrica e de Computação). A proposta surgiu do questionamento, dos alunos envolvidos, de se o diferente foco e abordagem do curso entre os institutos mudaria também o interesse e resultado dos empreendedores. Com isso, buscou-se entender os conceitos existentes no universo empreendedor, sua história geral e na Unicamp, relatar casos bem-sucedidos e analisar dados em parceria com a Agência de Inovação da Unicamp. Concluiu-se a grande relevância dos dois institutos perante os números da Unicamp e a crescente curva de números de empresas-filhas desses. Notou-se pouca distinção entre os números dos institutos, com a maior sendo o maior faturamento anual das empresas filhas advindos do IC.

Resumo: Redes de diversas naturezas, tais como redes elétricas, de telefonia e de transporte, são extremamente comuns em nosso cotidiano. A utilização destas redes consiste, usualmente, em transportar algo de um ponto a outro da forma mais eficiente possível, garantindo assim a otimização do uso de recursos da rede em questão. Muitos dos problemas surgidos no contexto destas redes podem ser modelados matematicamente e resolvidos utilizando-se conceitos e algoritmos da Teoria de Fluxos em Redes.

Este projeto insere-se na área de Teoria de Grafos e trata especificamente da Teoria de Fluxos em Redes. Apresentamos uma breve resenha de conceitos fundamentais da Teoria de Fluxos em Redes, bem como da Teoria de Emparelhamentos, tais como apresentados por Lovász e Plummer. Além disso, conceitos da Teoria de Fluxos em Redes são aplicados na demonstração de alguns resultados básicos da Teoria de Emparelhamentos.

Abstract: This is a dissertation of Computer Engineering Bachelor Final Thesis, course whose initials are MC030, offered by Institute of Computing UNICAMP in the first semester of 2018. In this paper, a data set of professional football players’ historical in-game statistics from recent years were built through Feature Engineering methodology and then it was applied Machine Learning algorithms in order to characterize players who were nominated to the annually award called Ballon d’Or. That was approached as a classification problem, where the predictor should classify correctly whether the current player, according to his annual performance, will be nominated to the Ballon d’Or award at the end of the year or not. We applied some Machine Learning and Data Mining algorithms like: ZeroR, OneR, Iterative Dichotomiser 3 (ID3), Logistic Regression and Support Vector Machine (SVM). The obtained results by each method are discussed and compared between them in order to evaluate how accurate they are according to a football expert’s opinion.

Abstract: Urban violence was always a problem in Brazil, and recently it escalated even more in major cities. At the same time, a lot of navigation applications started to be more used by a great part of drivers, but those programs, when looking for the fastest route, can lead to dangerous places. Therefore those conventional solutions for routing are not sufficient for today's use because they do not consider the violence factor. The developed application looks for the criminal rate of different districts in the city of Campinas and use this information to calculate not just the fastest route, but one that is also safe. The process can be replicated to many different cities that contains this kind of information.

Resumo: Com o intuito de aproximar alunos e professores das plataformas de tecnologia, foi realizada uma parceria com a empresa de educação Clickideia para um protótipo inicial de um ambiente de criação de podcasts web, facilitando a distribuição de conhecimento e a interação entre as partes através da internet.

Resumo: O estudo aqui descrito busca estudar e desenvolver um sistema de cadastro semi-automático de estudantes para um projeto de extensão comunitária de ensino apoiada pela Pró Reitoria de Extensão e Assuntos Comunitários e UNICAMP, chamado Curso Exato. O objetivo foi o de auxiliar os usuários dessa plataforma a verificar e repassar as informações recebidas por eles de forma mais eficiente do que o processo utilizado atualmente, que consiste em ler e transcrever tudo de maneira manual. No modelo proposto, os dados seriam obtidos diretamente das imagens enviadas, e, caso não fosse possível identificar alguma informação, o sistema solicitaria ajuda à uma pessoa para resolver o impasse.

Resumo: Este trabalho visa desenvolver um sistema supervisório e de atuação remota de Robôs Humanoides que permita a um leigo operar um robô bípede real de 25 graus de liberdade (DOF), monitorando, em tempo real, seus diversos sensores.

É imprescindível que, em todo o momento, o sistema refleta a atual situação do robô no mundo. A comunicação entre o sistema e o robô deverá ser realizada de forma que o módulo remoto interfira minimamente na operação do robô.

Abstract: This work uses the deep learning model known as DDQN to learn control policies for a variety of NES games. The input given to the model are raw pixels of the game screen and the output is a value function estimating future rewards. The learning process uses reinforcement learning exclusively and the same set of hyper-parameters for every game, with no adjustments. This work provides initial insight into RL used for NES games and provides full-support for the training of any other NES game using DDQN as its underlying learning agent.

Resumo: Esse trabalho tem como objetivo desenvolver um sistema capaz de realizar projeções dos preços de abertura de ações de empresas participantes da BOVESPA e NASDAQ. Para atingir tais objetivos foram criados scripts em Python utilizando bibliotecas específicas de aprendizado de máquina para criar duas propostas de solução: uma baseada em redes neurais recorrentes com tecnologia LSTM e outra com base na ferramenta open source do Facebook, o Prophet. Com base nos resultados obtidos, percebeu-se que a utilização de redes neurais recorrentes apresenta uma assertividade maior, chegando a um erro de 5.21 RMSE para o dataset de teste no melhor caso, para ações da American Airlines Group (AAL). Foi também constatado que a tarefa de previsão pode apresentar um erro razoável, porém, a identificação de tendências futuras é muito bem retratada pelo algoritmo, o que mostra que o sistema possui utilidade prática. A pesquisa também constatou que o Prophet é uma ferramenta bem interessante no mercado, sendo utilizada na tomada de decisões dentro do próprio Facebook. Os resultados obtidos foram bem relevantes se olhado para um horizonte de previsão de aproximadamente 50 dias, apresentando erro menor que 10 RMSE.

Abstract: This project has the goal do develop an algorithm able to make price predictions of stocks of companies from BOVESPA and NASDAQ. To reach this goal, Python scripts were written using specific machine learning libraries to create two solutions: one based on recurrent neural networks with LSTM and another one based on Facebook's Prophet tool. According to the obtained results, the neural network presents a more accurate answer for the projections, reaching an error of 5.21 RMSE for the test dataset in the best case scenario, for the American Airlines Group (AAL) stocks. It was also observed that the task of estimating the projected price is plausible, but identifying future trends is something the algorithm can do really well, which shows it has practical value. The project also explains that Prophet is a really interesting tool on the market, being used in several decision making scenarios, specially inside Facebook. The results obtained were really relevant if looked in a prediction horizon of approximately 50 days, reaching an error below 10 RMSE.