Curso de verão 2021

18/12/2020 11:56

No próximo verão de 2021, será ministrado na escola de verão do PPGMTM, o curso de Machine Learning pelo professor Edson Cilos Vargas Júnior.  As últimas vagas serão oferecidas aos que acompanham as atividades do GEAM.

Pré-requisitos: Já ter cursado cálculo 1, álgebra linear e ao menos uma disciplina de programação.  Conhecimentos em Python ou Julia é fortemente indicado, mas não estritamente obrigatórios.

Inscrições: até 23/12/2020 às 07h da manhã. Resultado dos selecionados: 12h do mesmo dia. Para se inscrever você deve preencher este formulário aqui e enviar o teu histórico escolar mais recente para o e-mail: professor.ufsc@gmail.com

Horário das aulas: As aulas teóricas serão de segunda a sexta das 18:30 as 20:30, dividas entre atividades síncronas e assíncronas através da plataforma Moodle da UFSC.

 Cronograma aproximado:

  Início Fim
Aulas teóricas 04/01 31/01
Desenvolvimento de projeto 01/02 12/02

O curso terá uma abordagem com mais matemática do que os cursos típicos no assunto, mas pretende conjugar teoria e prática. O programa da disciplina pode ser acessado aqui.

Maiores informações: escola de verão.

OBS: Algumas aulas (ou curso todo), a depender da disponibilidade, estarão sendo disponibilizadas ao longo do ano no  YouTube do professor Edson.

Seminário – 08 de Outubro

06/10/2020 08:46

Aplicação de Machine Learning e Ferramentas Estatísticas para Modelagem e Análise de Falhas em Aerogeradores

Palestrante: Vitor Pohlenz – AQTech

Resumo: Atualmente a energia eólica demonstra significativa expressividade na matriz elétrica brasileira. Esse tipo de geração de energia exige, todavia, uma grande quantidade de máquinas em operação, uma vez que cada unidade de geração eólica (aerogerador) possui uma capacidade relativamente baixa de geração em comparação, por exemplo, com unidades de geração hidrelétricas. Dessa forma, o grande número de equipamentos gera um desafio para equipes de operação e manutenção dos parques eólicos. Nesse contexto, o presente trabalho tem como foco central a utilização de uma metodologia baseada em ferramentas matemáticas e estatísticas, além de modelos de Machine Learning como o Gradient Tree Boosting, para modelar o comportamento de componentes dos aerogeradores, bem como estabelecer limites de normalidade para as curvas características (Curvas S) de cada aerogerador. Assim, busca-se desenvolver uma ferramenta de auxílio na identificação de problemas ou comportamentos anormais, ajudando dessa forma as equipes de operação e manutenção no aumento da vida útil e minimização de custos de reparos dos aerogeradores.

Data: 08/10/2020 às 16h.

Local: Link da webconferência aqui.

Colóquio – 02 de Outubro

06/10/2020 07:41

Teoremas NFL: uma discussão sobre projetos em Machine Learning

Apresentador: prof. Edson Cilos Vargas Júnior

Resumo:
Neste seminário vamos discutir os Teoremas NFL (No free Lunch) de David Wolpert e a sua importância (teórica e prática) em Machine Learning, sobretudo nas principais etapas de um projeto na área. Responderemos se existe um modelo bala de prata capaz de resolver todos os nossos problemas e qual a relação dessa discussão com a equação que todos os cientistas de dados e gestores precisam conhecer

OBS: O link no YouTube contém duas apresentações, a primeira delas do William Velasco, que apresentou sobre “A álgebra parcial em um grupo como álgebra de convolução de uma categoria” e em torno dos 27”55′ iniciou-se a apresentação dos Teoremas NFL.

Bonus:
ao final da apresentação houve uma conversa sobre oportunidades para matemáticos 🙂

Gravação disponível aqui

Seminário – 23 de Setembro de 2020

16/09/2020 17:02

Aplicação de Aprendizado de Máquina na classificação de microplásticos no oceano

Palestrantes: Henrique de Medeiros Back (Doutorando PGMAT/UFSC) e Edson Cilos Vargas Júnior (MTM/UFSC)

Resumo: Devido à inúmeras vantagens na utilização de polímeros, esses materiais são amplamente utilizados, desde componentes industriais a objetos de consumo diário, principalmente os descartáveis. Em consequência disso, muitos resíduos são produzidos e não são adequadamente geridos. Assim, o lixo plástico acumula na natureza, degrada-se em microplásticos e afeta negativamente os ecossistemas. Nesse contexto, o estudo e caracterização de microplásticos têm importância fundamental para melhor compreender a procedência, o destino e os impactos desse poluente na natureza. Todavia, o processo de análise convencional que consiste em busca por similaridade em bibliotecas espectrais e análise visual de um expert é laborioso e pouco preciso, reduzindo a quantidade e a qualidade de informações disponíveis.  Assim, este trabalho visa comparar diversos modelos de machine learning  para análise dos dados de Espectroscopia no Infravermelho por Transformada de Fourier (FTIR), com o intuito de classificar polímeros de maneira mais rápida e com maior confiabilidade. Com a aplicação de uma metodologia e de princípios de aprendizado de máquina, escolhemos o modelo que demonstra o melhor desempenho, comparando os resultados com trabalhos anteriores.

Local: O link do seminário: https://meet.jit.si/mp_geam_ufsc

Data: 23 de Setembro (quarta-feira)

Horário:16h as 17h.

Seminário – 12 de Setembro de 2020

31/08/2020 08:15

Título: Machine Learning Tour
Palestrante: Edson Cilos Vargas Júnior

Resumo: Neste seminário será abordado modelos básicos em machine learning, tais como:  k-NN, Naive Bayes, Logistic Regression, Decision Tree, Random Forest e Support Vector Machine (SVM).  Em linhas gerais, será abordado conceitos intuitivos das técnicas, assim como suas formulações matemáticas e alguns aspectos da implementação computacional do sklearn.  No final da palestra discutiremos se existe um modelo bala de prata para todos os nossos problemas e qual a relação dessa discussão com a equação que todos os cientistas de dados e gestores precisam conhecer.

Local: Clica Aqui!

Data: 12 de Setembro (sábado)

Horário: 10:00 as 11:50.

Seminário – 11 de Dezembro

09/12/2019 14:05

Título: O classificador de k vizinhos mais próximos em espaços métricos gerais

Palestrante:  prof. Dr. Vladimir Pestov (UFBA / uOttawa)

Resumo: O classificador k-NN ainda fica entre os classificadores mais usados na prática, mas tipicamente, apenas com uma distância euclidiana “default”. Ao mesmo tempo, o desempenho do classificador melhora sob uma escolha correta de distância no domínio, não necessariamente euclidiana. Vamos apresentar um panorâmico de trabalhos teóricos nesta área até agora, inclusive trabalho em andamento do palestrante, em parte junto com colaboradores.

Local: Auditório Airton Silva, Dep. de Matemática, Sala 007 (Térreo).

Data: 4a-Feira, dia 11 de Dezembro de 2019

Horário: 10:30

Seminário 04 de Novembro

30/10/2019 23:15

Título: Inteligência artificial para um projeto de logística (SLIDES)

Palestrante:  Dr. Martin Weilandt (mi Solutions & Consulting GmbH – Alemanha)

Resumo: O mercado de cargas nas estradas européias atualmente é dominado por  negociações manuais de preços e uma análise combinatória de cargas compatíveis que podem levar horas. Uma startup alemã pretende automatizar esses processos para reduzir custos e o número de caminhões  necessários. Explicamos quais problemas surgem no nosso trabalho de consultoria  e como abordá-los por meio de análise de dados, aprendizagem de máquina e otimização.

Embora usemos alguns vocábulos da matemática aplicada, a palestra não exige conhecimentos avançados de matemática.

Local: Auditório Airton Silva, Dep. de Matemática, Sala 007 (Térreo).

Data: 2a-Feira, dia 04 de Novembro de 2019

Horário: 09:20

OBS: A palestra será proferida a distância, podendo os participantes assistirem no auditório ou através do link da conferência. A prioridade para perguntas será dada aos participantes que estiverem presentes no auditório.

LINK CONFERÊNCIA

Seminário 16/09/2019

30/10/2019 23:06

Título: Biologia de sistemas com aplicações em terapia celular e câncer

Palestrante: Prof. Dr. Edroaldo Lummertz da Rocha (MIP -UFSC)

Resumo: Células geram dados multidimensionais. Desenvolvimentos tecnológicos recentes  permitem a quantificação de transcriptomas e epigenomas em células individuais com resolução sem precedentes, possibilitando a identificação de novos tipos de células assim como  suas trajetórias de diferenciação e transformação oncogênica. Nessa palestra serão discutidos tópicos atuais em biologia de sistemas e análise de dados biológicos multidimensionais com aplicações em diferenciação celular e câncer.

Local: Auditório Airton Silva, Dep. de Matemática, Sala 007 (Térreo),

Data: 2a-Feira, dia 16 de Setembro de 2019

Horário: 10:30