Summer School reúne especialistas para debate sobre teoria e aplicação da ciência de dados

A Escola de Matemática Aplicada da Fundação Getulio Vargas (FGV EMAp) promove, de 23 a 27 de janeiro, o Summer School on Data Science. O evento vai reunir, de forma presencial, alunos, professores e pesquisadores para debater os aspectos técnicos dos avanços na teoria e aplicação da ciência de dados.

A programação do evento inclui quatro cursos de curta duração e 12 palestras plenárias. As atividades acontecerão diariamente, das 9h às 18h30, no Centro Cultural FGV (Praia de Botafogo, 186. Rio de Janeiro/RJ).

Minicursos:

Introduction to Streaming Algorithms

• Professor: Nivan Ferreira (UFPE)
• Data e horário: 23 a 25 de janeiro – 9h às 11h

Os algoritmos de streaming geralmente empregam métodos probabilísticos para calcular resumos em um fluxo de dados. O objetivo do curso é apresenta as principais ideias por trás dos algoritmos projetados para calcular resumos estatísticos sobre fluxos de dados, bem como apresentar aplicações desses algoritmos para analisar grandes conjuntos de dados.

AI for Earth Observation

• Professora: Laura Rosa (Wageningen University)
• Data e horário: 23 a 25 de janeiro – 11h30 às 13h30

A disponibilidade gratuita do crescente corpo de imagens de observação da Terra (EO) criou uma necessidade urgente de desenvolver algoritmos eficazes e eficientes capazes de processar grandes quantidades de dados e extrair informações cruciais para várias aplicações, desde monitoramento ambiental até agricultura de precisão. Nesse contexto, os algoritmos de deep learning (DL) provaram ser eficazes para aprender recursos relevantes diretamente dos dados e se tornaram o estado da arte em muitas tarefas de análise de imagens EO, incluindo classificação de uso e cobertura da terra, detecção de objetos, detecção de mudanças, e adaptação de domínio. Este minicurso visa apresentar aos alunos a evolução da visão computacional aplicada a dados EO, com foco em modelos inovadores baseados em DL e sua aplicação a problemas do mundo real.

From Algebraic Topology to Data Analysis

• Professor: Raphaël Tinarrage (FGV)
• Data e horário: 25 a 27 de janeiro – 9h às 11h; e 27 de janeiro – 15h às 17h.

Neste curso, apresentarei a Análise de Dados Topológicos (TDA) e, em particular, a homologia persistente. Em TODA, busca-se descobrir e compreender a topologia – ou seja, a forma – dos conjuntos de dados. Em vez de aplicar modelos rígidos aos dados, preserva-se sua complexidade inerente, que é explorada por meio de invariantes topológicos. Ao iluminar a análise de dados de um novo ângulo, o TDA abre as portas para novos insights e descobertas.

A Arte de Modelagem via Processos Gaussianos

• Professor: César Mattos (UFC)
• Data e horário: 25 a 27 de janeiro – 11h30 às 13h30; e 27 de janeiro – 17h30 às 19h30

Processos Gaussianos (Gaussian Processes - GPs) são modelos Bayesianos não paramétricos que permitem a quantificação da incerteza no contexto de aprendizagem de máquina probabilística. Este minicurso apresenta tanto os princípios fundamentais quanto alguns desenvolvimentos mais modernos sobre modelagem via GPs. O objetivo dos encontros é inspirar os participantes a incorporar modelos de GPs em suas aplicações e motivar o estudo e a pesquisa nesta área.

Para mais informações sobre os minicursos e para conferir a programação completa, acesse o site do Summer School.