Temas de interesse para trabalhos de pesquisa e desenvolvimento em graduação, mestrado e doutorado.
Engenharia de Software
Resumo. Investiga como padrões tradicionais (MVC, Singleton, Factory) são adaptados para arquiteturas nativas em nuvem, incluindo serverless design patterns e padrões de comunicação em microsserviços.
Objetivo. Identificar os padrões mais eficazes em cenários de alta escalabilidade, propondo um guia de boas práticas.
Resumo. Explora como Scrum e Kanban podem ser harmonizados com práticas DevOps, analisando impactos na entrega contínua de valor.
Objetivo. Propor um framework híbrido que otimize o fluxo de trabalho em equipes multidisciplinares.
Sistemas Distribuídos
Resumo. Analisa desafios, estratégias e padrões de migração, incluindo ferramentas automatizadas e técnicas de estrangulamento de funcionalidade.
Objetivo. Desenvolver uma taxonomia de padrões e ferramentas que facilite a migração de monólitos para microsserviços.
Resumo. Explora métricas como SLIs e SLOs, correlacionando-as com resiliência e performance em produção.
Objetivo. Propor um modelo de avaliação para medir e melhorar observabilidade e resiliência em sistemas críticos.
Resumo. Investiga práticas como Chaos Engineering para prevenir falhas e assegurar alta disponibilidade.
Objetivo. Criar diretrizes práticas para equipes de SRE implementarem confiabilidade como disciplina técnica.
Computação em Nuvem
Resumo. Aborda técnicas, métodos e modelos para planejar a capacidade de recursos de cargas de trabalho de nuvem.
Objetivo. Evoluir o modelo C2PF (Cloud Capacity Planning Framework) para cargas de trabalho de nuvem.
Resumo. Técnicas e ferramentas para prever demanda de capacidade, otimizando custos e garantindo desempenho.
Objetivo. Desenvolver um modelo preditivo baseado em Machine Learning para ambientes de nuvem híbrida.
Resumo. Explora padrões nativos — multi-tenancy, escalabilidade horizontal, padrões de bilhetagem — em soluções SaaS.
Objetivo. Criar um guia de boas práticas para arquitetura de SaaS com foco em escalabilidade e custos.
Resumo. Analisa modelos como o CMMI adaptados à nuvem, propondo uma estrutura para medir maturidade.
Objetivo. Propor um framework de maturidade do uso inicial ao estágio avançado de otimização.
Dados & Inteligência Artificial
Resumo. Investiga Data Lakes como elo entre sistemas legados, aplicações distribuídas e plataformas analíticas — padrões, ingestão, governança, escalabilidade e desempenho.
Objetivo. Propor e validar um modelo arquitetural de Data Lake orientado à integração corporativa.
Resumo. Explora integridade, viés, dados sintéticos e proveniência como um sistema interdependente para IA confiável.
Objetivo. Definir e avaliar o Data-Centric Trust Pipeline como modelo de governança de dados.
CARLOS DIEGO C. P.