Carolina Robledo Velini de Andrade

Utilizing a dataset sourced from a higher education institution, this study aims to assess the efficacy of diverse machine learning algorithms in predicting student dropout and academic success. Our focus was on algorithms capable of effectively handling imbalanced data. To tackle class imbalance, we employed the SMOTE resampling technique. We applied a range of algorithms, including Decision Tree (DT), Support Vector Machine (SVM), Random Forest (RF), as well as boosting algorithms such as Gradient Boosting (GB), Extreme Gradient Boosting (XGBoost), CatBoost (CB), and Light Gradient Boosting Machine (LB). To enhance the models' performance, we conducted hyperparameter tuning using Optuna. Additionally, we employed the Isolation Forest (IF) method to identify outliers or anomalies within the dataset. Notably, our findings indicate that boosting algorithms, particularly LightGBM and CatBoost with Optuna, outperformed traditional classification methods. Our study's generalizability to other contexts is constrained due to its reliance on a single dataset, with inherent limitations. Nevertheless, this research provides valuable insights into the effectiveness of various machine learning algorithms for predicting student dropout and academic success. By benchmarking these algorithms, our project offers guidance to both researchers and practitioners in their choice of suitable approaches for similar predictive tasks.

Este trabalho é uma parceria com uma empresa de produtos oftálmicos que gera efluentes contendo uma mistura de três corantes dispersos: azul 56, amarelo 54 e vermelho 60, todos da classe das antraquinonas. Os corantes dessa classe são resistentes a degradação devido a sua estrutura aromática, a qual retêm a cor por longos períodos de tempo. O tratamento destes corantes é de extrema importância devido à sua toxicidade, podendo apresentar comportamento cancerígeno e mutagênico. O objetivo deste trabalho foi oxidar os compostos orgânicos poluentes usando processos oxidativos avançados. Para isso, foram realizadas eletrólises a corrente constante usando eletrodos de óxidos como catalisadores heterogêneos juntamente com o reagente de Fenton (Fe2+ + H2O2). A descoloração e oxidação foram monitoradas por espectrometria UV-Visível, cromatografia líquida de alta eficiência e carbono orgânico total. O tratamento aplicado permitiu uma rápida degradação dos grupos cromóforos e houve grande influência da concentração do peróxido de hidrogênio na velocidade dessa degradação. Os resultados foram satisfatórios, uma vez que a coloração foi eliminada e os produtos da oxidação identificados não apresentam toxicidade e podem facilmente tratados por métodos tradicionais.