Portuguese Chinese (Simplified) English French German Italian Japanese Russian Spanish

Comunicação CeMEAI

Comunicação CeMEAI

Inscreva-se na 3ª Escola Avançada em Big Data Analysis

Evento será realizado em setembro no ICMC/USP

 

bigdata

 

O Instituto de Ciências Matemáticas e de Computação (ICMC) da USP em São Carlos sediará, de 2 a 6 de setembro deste ano, a 3ª Escola Avançada em Big Data Analysis. A 3ª EABDA visa apresentar aos alunos participantes as principais técnicas usadas para a análise de grandes volumes de dados, destacando as mais avançadas e promissoras, como Gerenciamento de Grandes Bases de Dados e Visualização e Mineração de Dados. Serão apresentadas também várias ferramentas indicadas para análise, extração de conhecimento e visualização de dados. O evento também contará com cinco palestras, distribuídas durante a semana, sobre temas relacionados à área de Big Data.

Os cursos serão ministrados por professores renomados e as inscrições já estão abertas. O público-alvo são alunos de pós-graduação e de graduação, preferencialmente do último ano, que cursam engenharias, computação, estatística ou economia e graduados em áreas afins.

A Escola é organizada pelo Departamento de Ciências da Computação do ICMC e recebeu o apoio do Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), do Centro de Robótica de São Carlos (CRob) e do Centro de Tecnologia da Informação Renato Archer (CTI-Campinas)

Os detalhes dos cursos e palestras oferecidos, o link para as inscrições e os valores das matrículas estão disponíveis no site oficial da Escola.

 

Sobre o CeMEAI

O Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), com sede no Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, é um dos Centros de Pesquisa, Inovação e Difusão (CEPIDs) financiados pela FAPESP.

O CeMEAI é estruturado para promover o uso de ciências matemáticas como um recurso industrial em três áreas básicas: Ciência de Dados, Mecânica de Fluidos Computacional e Otimização e Pesquisa Operacional.

Além do ICMC-USP, CCET-UFSCar / IMECC-UNICAMP / IBILCE-UNESP / FCT-UNESP / IAE e IME-USP compõem o CeMEAI como instituições associadas.

 

Leonardo Zacarin - Comunicação CeMEAI

 

Mais informações

Assessoria de Comunicação do CeMEAI: (16) 3373-6609

E-mail: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.

eptv logo

 

Nada de férias! Professores e estudantes de universidades públicas do país estão participando de um workshop do conhecimento na USP em São Carlos. Eles estão desenvolvendo problemas reais de várias empresas e ONGs.

 

CLIQUE AQUI para assistir à reportagem!

CeMEAI dá início a 5º Workshop de Soluções para a Indústria

Evento vai até a próxima sexta-feira (12) no ICMC/USP

 

 

O evento é anual e já virou tradição. Todo mês de julho, o Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI) promove o Workshop de Soluções Matemáticas para Problemas Industriais, iniciativa que tem como objetivo aproximar empresas e academia de uma forma proveitosa para os dois lados.

O Workshop, que é realizado no Instituto de Ciências Matemáticas e de Computação (ICMC) da USP em São Carlos, abre as portas da universidade a empresas que tenham problemas relacionados a matemática, estatística, ciência de dados, otimização, mecânica dos fluidos e áreas afins. As instituições interessadas apresentam os problemas a um corpo de alunos e docentes, que ficam, por uma semana, buscando alternativas para avançar ou até solucionar as questões apresentadas.

Nesta segunda-feira (8), foi iniciada a 5ª edição do evento, que reúne sete problemas de instituições variadas. Arquivei, Senai Florianópolis, Imaflora, Porto Seguro, Bionexo, Cepel/Eletrobras e uma multinacional estadunidense apresentaram seus problemas aos participantes, que também têm muito o que aproveitar durante o evento. “Aqui, os participantes não vêm apenas apresentar algum trabalho que já fizeram. Eles vêm para trabalhar em algo para o qual a própria indústria ainda não tem respostas. Colocar empresas e a universidade em contato é o grande propósito do evento”, explica José Alberto Cuminato, diretor do CeMEAI.

Desde o primeiro Workshop, realizado em 2015, 24 instituições já passaram pelo evento. Na atual edição, os 125 inscritos aproveitaram o dia inaugural para conhecer os problemas, debater com os representantes das empresas e se dividir em sete grupos – um para cada questão apresentada.

“Esse modelo é bem diferente e essa é a parte interessante. Não estamos falando só de uma pessoa tratando do problema, mas de um grupo muito grande. Acho que esse é o diferencial, além da grande variedade de especialistas no assunto”, ressalta Adriano Moala, cientista de dados da Porto Seguro.

A programação do Workshop segue até a próxima sexta-feira. Até lá, os grupos se reunirão diariamente para avançar nas discussões dos problemas. As últimas atividades são as apresentações dos resultados que foram alcançados durante a semana. “Temos algumas soluções intermediárias para o nosso problema, mas ainda não são 100% satisfatórias. Nosso objetivo é levar para a empresa uma direção melhor para tratar o problema, que é matematicamente difícil”, explica Márcio da Silva Arantes, pesquisador do Senai Florianópolis.

Luís Fernando Elyas Cerqueira, pesquisador do Cepel/Eletrobras, também tem altas expectativas para a semana de atividades. “Quando você tem pessoas de várias áreas discutindo um problema, cada um tem um conhecimento particular que veio da área em que está atuando. Quando você mistura essas áreas, podem surgir ideias que pessoas com o pensamento viciado pelo dia a dia não vislumbram. Esse cruzamento de informações é fundamental para o desenvolvimento”, finaliza.

 

Sobre o CeMEAI

O Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), com sede no Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, é um dos Centros de Pesquisa, Inovação e Difusão (CEPIDs) financiados pela FAPESP.

O CeMEAI é estruturado para promover o uso de ciências matemáticas como um recurso industrial em três áreas básicas: Ciência de Dados, Mecânica de Fluidos Computacional e Otimização e Pesquisa Operacional.

Além do ICMC-USP, CCET-UFSCar / IMECC-UNICAMP / IBILCE-UNESP / FCT-UNESP / IAE e IME-USP compõem o CeMEAI como instituições associadas.

 

Leonardo Zacarin e Raquel Vieira - Comunicação CeMEAI

 

Mais informações

Assessoria de Comunicação do CeMEAI: (16) 3373-6609

E-mail: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.

NOVIDADES 

 

No período de 02 a 06 de setembro estaremos realizando da 3ª EABDA. Neste ano, atendendo às sugestões recebidas, todos os minicursos incluirão pratica em Laboratório das principais técnicas utilizadas na área. Em breve, as inscrições estarão abertas. Contamos com a sua presença. Todos os dias, além dos minicursos, teremos palestras sobre temas atuais proferidas por pesquisadores renomados de academia e empresas. Venham aprender e praticar sobre os principais tópicos de pesquisas e aplicações na área de Big Data Analysis!

 

1 – Na 2ª EABDA, a maioria dos minicursos foram expositivos. Este ano, TODOS os minicursos terão parte prática em Laboratório. Por este motivo, cada mini-curso poderá ter no máximo 60 inscritos. Desta forma, os alunos poderão sair com um bom conhecimento sobre as técnicas vistas durante o mini-curso. O professor optará por dar uma parte teórica em sala de aula e a parte prática em Laboratório ou tudo em Laboratório.

2 – Todos os dias haverá um palestrante convidado, das 8h às 9h30, sobre temas importantes e atuais da área. Os convidados são pesquisadores renomados e também pesquisadores de Empresas, os quais discursarão sobre o uso de Big Data Analysis em casos reais. Após a palestra, teremos 2 mini-cursos por dia. Todos os inscritos poderão assistir a todas as Palestras.

3 – Não é necessário trazer laptops. Nos Laboratórios vocês poderão acessar os microcomputadores disponíveis.

REDES COMPLEXAS EM MINERAÇÃO DE TEXTOS

Ministrantes: Prof. Dr. Alneu de Andrade Lopes e Alan Valejo

 

Resumo

Diversos fenômenos do mundo real formam estruturas organizadas em redes, tais como: redes de transmissão e distribuição de energia elétrica, redes viárias, redes sociais, redes de computadores, redes neuronais, para citar apenas algumas. Com a relevância desses fenômenos, as ciências e engenharias lidam cada vez mais com problemas modelados por redes complexas (grandes grafos esparsos). Assim, o estudo de redes complexas é importante e de interesse geral para diversas áreas. Em computação, as redes complexas são utilizadas em várias linhas de pesquisas, como mineração de dados, mineração de textos, processamento de imagens, recuperação de informação, reconhecimento de padrões, bioinformática, entre outros. Neste curso será feita uma pequena introdução às redes complexas e ao seu uso na mineração de texto. Na parte prática, em laboratório, serão apresentados alguns algoritmos para construção, mineração e visualização de redes construídas a partir de coleções textuais.

 

Sobre os autores

Alneu de Andrade Lopes

Alneu de Andrade Lopes é Professor Dr. na Universidade de São Paulo e atua na área de Inteligência Artificial e Aprendizado de Máquina proposicional e relacional, principalmente, em Mineração de Dados e Mineração de Redes Complexas. Nesse último tópico, apenas nos últimos 5 anos, esteve envolvido na produção de cerca  de 40 artigos em periódicos ou conferências do estrato superior do qualis Capes.

Alan Valejo

Alan Valejo obteve os títulos de Doutor e de Mestre em Ciência da Computação e Matemática Computacional pela Universidade de São Paulo, em 2019 e 2014, respectivamente. Seu trabalho de pesquisa, conduzido no grupo de Inteligência Computacional (LABIC) do ICMC-USP, concentra-se na área de Inteligência Artificial e Aprendizagem de Máquina e tem interesse em problemas relacionados à análise e mineração de redes complexas de grande escala com foco em métodos multiníveis.

VISUAL ANALYSIS OF LARGE DATA SETS: PRESENT, FUTURE AND USAGES 

Ministrantes: Rosane Minghim
Resp.: Profª Roseli Ap. Francelin Romero

 

Resumo

Data Visualization strategies have become paramount to solve current Data Analysis problems, and in particular in situations when an exploratory approach is needed. In such circumstances, the combination between machine learning and visual analytics can offer solutions to support handling various types of complexity in current applications, and in particular the scale of the problems encountered in current applications.  In this course we present basic and advanced concepts in visualization and in integration between visual analysis and data mining and approach the problem of handling large data in the context of exploratory analysis. We also exemplify such concepts by presenting their results in a diverse set of applications such as: analysis of document and image collections, acoustic landscapes, medical and biological data and social network analysis. At the end the audience should become familiar with a number of resources and alternatives to resolve complex data analysis where user interaction is necessary to understand phenomena behind data. He or she should also become knowledgeable of the challenges facing the adaptation of current approaches to handle very large data sets.

 

MiniCV

Rosane Minghim Is Associate Professor at ICMC - University of São Paulo, where she also received her Bachelors degree in 1985. She has a Master of Electrical Engineering by UNICAMP and a PhD by University of East Anglia - UK, having had stays as a visiting scholar at University of Massachusetts Lowell - USA (2001-2002) and at Dalhousie University - Halifax (Canada) (2015), where she is adjunct professor. She has supervised research students in both places and also in a double degree doctorate program with Groningen University (The Netherlands). She has been involved in the program committee of the main international events in the subject of visualization and visual analytics, and  the holder of a CNPq research productivity level 1D grant. She has interacted with professionals in various areas of application of interactive visual analysis and data mining imprinting a multidisciplinary outlook to her carreer.  She frequently publishes in main venues related to visual analytics, graphics, bioinformatics, user interaction and applications.

CASOS DE USO DE SISTEMAS DE RECOMENDAÇÃO EM NEGÓCIOS - APLICAÇÕES E MÉTODOS ATUAIS 

Ministrantes: Prof. Dr. Marcelo Manzato e Arthur Fortes da Costa
Resp.: Profª Roseli Ap. Francelin Romero

 

Resumo

Um número crescente de empresas está utilizando sistemas de recomendação para aumentar a interação dos usuários e enriquecer o potencial de compras e fidelização de seus usuários. Os casos de uso dessa tecnologia têm se expandido rapidamente em muitos aspectos do comércio eletrônico e da mídia on-line nos últimos anos. Os algoritmos de recomendação têm o potencial de alterar a forma como os sites se comunicam com os usuários e permitem que as empresas maximizem seu Retorno Sobre o Investimento (ROI), com base nas informações que podem coletar nas preferências, interações e compras de cada cliente. Este curso detalha os conceitos e práticas que pesquisadores, desenvolvedores e executivos (técnicos e não técnicos) devem entender sobre os aplicativos de negócios dos sistemas de recomendação. Como conteúdo, serão apresentados os conceitos, terminologias, benefícios e lacunas (com exemplos práticos); metodologias de avaliação; casos atuais de uso de mecanismos de recomendação na Amazon, Netflix, B2W e outros; e, finalmente, as possíveis tendências futuras e melhorias para os mecanismos de hoje.

 

Sobre os autores

Arthur Fortes da Costa

Analista de software e cientista de dados no Instituto de Pesquisas Eldorado e estudante de doutorado no Instituto de Ciências Matemáticas e Computacionais da Universidade de São Paulo. Possui graduação em Ciências da Computação pelo Centro de Ensino Unificado de Teresina (2012) e mestrado em Ciência da Computação e Matemática Computacional pela Universidade de São Paulo (2015). Suas áreas de interesse atuais incluem Sistemas de Recomendação, Deep Learning, Análise de Padrões e Descoberta de Conhecimento em Bases de Dados, Ciência de Dados e Desenvolvimento Web.

Marcelo Garcia Manzato

Professor Associado do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo. Possui Graduação em Ciências da Computação pela Universidade Estadual de Londrina, e Mestrado e Doutorado em Ciências de Computação e Matemática Computacional pela Universidade de São Paulo.  Sua principal linha de pesquisa é Sistemas de Recomendação, com foco em Aprendizado de Máquina, Ciência de Dados, Processamento de Língua Natural e Multimídia.

SOCIAL NETWORK MINING AND ANALYSIS

Ministrantes: Bruno Miguel Tavares Gonçalves

 

Resumo

As modern technologies gradually come to permeate our lives, our use of them becomes second nature as the ``real’’ world naturally extends to include the online on. Even though the cognitive load imposed upon us to interact with state of the art technologies decreases, the amount of information that is collected and processed in the background can only increase. Such records provide a unique view of how we interact with these systems and, through them, how we interact with each other. In this tutorial we introduce the students to tools and techniques designed to harness this wealth of data with a special emphasis on datasets that reflect social human behavior, interactions and collaborations. In particular, we will cover social network analysis and how to mine online social networks like Twitter and Wikipedia, etc.

 

MiniCV

Bruno Gonçalves is Data Scientist with a background in Physics and Computer Science with 10+ years of experience in Data Science and Machine Learning to study individual and collective human behavior. Actually he is working at Data For Science, Inc., New York, USA. He has been using Python since my PhD days (circa 2005) and R for statistical analysis since circa 2010 and daily since joining JPMC in 2018. Frequent technical speaker at industry (O’Reilly AI, Strata, ODSC, etc) and academic (WWW, WebSci, NetSci, etc) conferences.

CIÊNCIA DE DADOS

Ministrantes: Prof. Dr. André de Carvalho e Profª Roseli Ap. Francelin Romero
Resp.: Prof. Dr. André de Carvalho

 

Resumo

Ciência de Dados; Descoberta de Conhecimento em Bases de Dados; Mineração de Dados, Preparação de Dados, Pré-processamento de Dados; Modelagem de dados; Estudo de algoritmo preditivo simples (k-NN), Planejamento de experimentos; Análise de resultados experimentais.

INTELIGÊNCIA ANALÍTICA PARA TEXTO USANDO MINERAÇÃO DE EVENTOS

Ministrantes: Prof. Ricardo Marcondes Marcacini e Solange O. Rezende

Responsável: Profª. Drª. Solange Oliveira Rezende

 
Resumo

Um evento pode ser definido como “algo que acontece em um tempo e lugar específico”. Em geral, eventos são extraídos de textos publicados em portais de notícias, fóruns e redes sociais, sendo importantes para mapear a informação de um mundo virtual para os vários fenômenos que ocorrem em nosso mundo físico. Nesse sentido, diversas aplicações foram propostas para explorar o relacionamento entre eventos e o mundo real, por exemplo em economia, saúde pública, análise de sentimentos, bem como a construção de indicadores inteligentes para vários domínios. A mineração de eventos permite extrair este tipo de conhecimento e vem recebendo muita atenção nos últimos anos, pois fornece como resultado final modelos de inteligência analítica que são úteis para tomada de decisão. Tais modelos exploram as múltiplas representações de eventos como a informação textual, informação temporal, informação geográfica, e outros tipos de entidades. Assim, o processo de mineração de eventos envolve o pré-processamento e representação do conhecimento (aprendizado de representações e word embedding), extração de padrões (métodos de agrupamento e classificação) e pós-processamento (construção de indicadores para inteligência analítica). Nesse minicurso, serão apresentados uma visão teórica e prática da Inteligência Analítica para Textos usando Mineração de Eventos, com a execução de ferramentas de código-aberto a partir de dados reais para discutir o conteúdo do minicurso de forma interativa.

 

Sobre os autores

Solange Oliveira Rezende é professora associada do Departamento de Ciências de Computação do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (USP). Possui graduação em Licenciatura em Ciências com Habilitação Matemática pela Universidade Federal de Uberlândia (1986), mestrado em Ciências de Computação e Matemática Computacional pela Universidade de São Paulo (1990) e doutorado em Engenharia Mecânica pela Escola de Engenharia de São Carlos da Universidade de São Paulo (1993). Tem mais de 30 anos de experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial. Atuação principal em Mineração de Dados e Textos, Inteligência Analítica de Textos, Ciência de Dados, Mineração de Opiniões e Sistemas de Recomendação. É Orientadora nos programas de Pós-Graduação em Ciências de Computação e Matemática Computacional (M e D) e Mestrado Profissional Matemática, Estatística e Computação Aplicadas à Indústria ambos do ICMC-USP. http://lattes.cnpq.br/8526960535874806.

Ricardo Marcondes Marcacini é pós-doutorando em Inteligência Artificial no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (USP). Bacharel em Informática pela Universidade de São Paulo. Mestre e Doutor em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo. Professor adjunto na Universidade Federal de Mato Grosso do Sul, onde também orienta no programa de pós-graduação da Faculdade de Computação (FACOM/UFMS). Atua em pesquisas na área de Inteligência Artificial, com interesse especial em métodos de Aprendizado de Máquina e Inteligência Analítica para Textos. Contato: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo..

Página 1 de 75