Palestra. AutoML: a nova fronteira do aprendizado de máquina

Resumo: Com a expansão da demanda pelo uso de Inteligência Artificial (IA), muitas vezes Aprendizado de Máquina (AM), em diferentes setores, em particular no setor privado, cresce a demanda por especialistas nessas áreas. Apesar do aumento de oportunidades de formação, estudos realizados em vários países concluem, no mundo inteiro, que a demanda por profissionais cresce mais rápido do que a quantidade de profissionais formados, e a diferença aumenta a cada ano. Uma alternativa para lidar com este problema é automatizar o uso da IA. Várias abordagens têm sido propostas para automatizar a aplicação de algoritmos de AM (AutoML) utilizando para isso algoritmos de AM. Por isso, AutoML é muitas vezes definido como o AM do AM. Algumas dessas abordagens usam AutoML para AM de ponta a ponta, englobando o uso de técnicas de pré-processamento e o ajuste de hiperparâmetros. Nesta palestra apresentarei os principais aspectos de AutoML e exemplos bem-sucedidos de como tem sido usado.

André Carlos Ponce de Leon Ferreira de Carvalho

É Professor Titular do Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo (ICMC-USP), campus São Carlos, Bolsista de Produtividade em Pesquisa 1A do CNPq e Vice-Presidente da Sociedade Brasileira de Computação (SBC). É vice-diretor do ICMC-USP e do Centro de Ciências Matemáticas Aplicadas à Indústria da USP. É membro do Comitê de Assessoramento de Ciência da Computação do CNPq (CA-CC), de 2018 a 2021, do Conselho Consultivo da Rede MCTI-EMBRAPII de Inovação em Inteligência Artificial (IA), da Rede Ciência para Educação (CpE), do Comitê Diretivo para América Latina e Caribe da International Network for Government Science Advice (INGSA), e do Comitê Científico do Advanced Institute for Artificial Intelligence (AI2), do Strategy and Partnerships Board of the UKRI Centre for Doctoral Training in Accountable, Responsible and Transparent AI (ART-AI), at University of Bath, UK.

Palestra. Mãe, quando crescer quero ser um cientista de dados!

Resumo: O valor de conhecimento derivado de dados faz do profissional de ciência de dados um dos mais requisitados no mundo em nível mundial. Extrair conhecimento de grandes volumes de dados, contudo, é um processo complexo. Por um lado, exige o domínio de técnicas computacionais que vem se tornando cada vez mais complexas. Por outro, a aplicação destas técnicas só faz sentido quando contextualizada em questões de negócio bem identificados, a definição de objetivos de mineração compatíveis e a existência de dados que podem responder às perguntas de forma consistente. Nesta palestra discuto e ilustro projetos de ciência de dados com um processo complexo composto de várias etapas, e que exigem um time de ciência de dados que congrega diferentes especialidades.

Karin Becker

Atua como professora adjunta no Instituto de Informática da UFRGS, onde é orientadora credenciada (mestrado e doutorado) no Programa de Pós-Graduação em Ciência da Computação. Possui ampla experiência de pesquisa tanto na academia quanto na indústria, sobretudo nas áreas de banco de dados, mineração de dados e engenharia de software. Possui graduação pela UFRGS (1984), mestrado em Ciências da Computação pela UFRGS (1989) e doutorado no Institut D’informatique – Facultés Universitaires Notre-Dame de la Paix – Bélgica (1993). Entre Agosto/2014 e Julho/2015 realizou estágio pós-doutoral sênior na University of Southern California (USC) em Los Angeles com bolsa financiada pela agência CAPES.

Palestra. Modelagem de Dados, a evolução até a representação semântica

Os sistemas computacionais evoluíram muito desde aplicações de contabilidade, controle de bibliotecas, folhas de pagamento até os atuais sistemas de 5G integrando múltiplas dimensões. A Modelagem Conceitual avançou desde uma representação simples até os atuais modelos semânticos associados com ontologias. Nesta palestra mostro a evolução das metodologias de modelagem conceitual e seus modelos desde o início simples até a representação semântica complexa com a modelagem de dados e sistemas de informação utilizando-se ontologias. Em Ciência da Computação uma ontologia é um modelo de dados que representa um conjunto de conceitos dentro de um domínio e os relacionamentos entre estes bem como suas propriedades. Uma ontologia é utilizada para realizar inferência sobre os objetos do domínio. Em uma disciplina de CC estudar ontologia como ferramenta para a modelagem conceitual é essencial para a representação mais detalhada de sistemas complexos. Desenvolver habilidades na utilização de ferramentas para modelagem de sistemas de informação, em seus níveis intermediários até a criação de ontologias é uma necessidade para trabalharmos em um mundo interconectado e abrangendo múltiplas dimensões.

José Palazzo Moreira de Oliveira

É Professor Titular do Instituto de Informática da UFRGS (aposentado) atuando como Professor Convidado e é credenciado como orientador de mestrado e doutorado no PPGC da UFRGS. Possui Graduação em Engenharia Elétrica e Mestrado em Ciências da Computação pela Universidade Federal do Rio Grande do Sul (UFRGS) e Doutorado em Informática pelo Instituto Nacional Politécnico de Grenoble (INPG). Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Informação, atuando principalmente nos seguintes temas: ontologia, modelagem conceitual, ensino a distância, banco de dados, sistemas de informação e sistemas na Web.

Minicurso. Análise das features disponibilizadas por uma equipe comercial na conversão de novos clientes

Resumo. Quais são as demandas reais do dia a dia de um analista de dados, desafios, ferramentas e técnicas implementadas? Dentre os assuntos abordados estarão: entendimento de uma base de dados, utilização da ferramenta Colaboratory do Google, da linguagem Python, pré-processamento e análise exploratória.

Diego Silva dos Santos

Head de Inteligência Artificial na Anota Ai Anota AI (https://anota.ai/), atualmente cursando Ciência de Dados e Decisão no Inpser e formado em Sistemas de Informação na Universidade Federal do Rio Grande

Michael Lemos da Costa

Atualmente Growth Hacker na Anota AI (https://anota.ai/). Bacharel em Sistemas de Informação pela Universidade Federal do Rio Grande.

Minicurso. Machine Learning

Resumo. O minicurso de Machine Learning se propõe a introduzir o conceito utilizando ferramentas gratuitas e bibliotecas open-source. O curso é mais voltado para desenvolvedores, mas não tem conceitos muitos profundos de programação, então curiosos pela área também são bem-vindos. Os participantes podem usar seu notebook para fazer os experimentos usando o Google Colab. Pra quem não quer programar, deve instalar o aplicativo Orange Data Mining. Os temas abordados no minicurso são: conceitos de descoberta do conhecimento; ciência de dados; inteligência artificial; aprendizado supervisionado; aprendizado não-supervisionado; métricas de avaliação dos modelos; processamento da linguagem natural; e redes neurais.

Henrique Dias

É doutor pela PUCRS com seu projeto focado em Inteligência Artificial na Saúde, em colaboração com o Hospital Conceição de Porto Alegre. Seu doutorado já recebeu três prêmios do Google Research Awards e foi destaque no Prêmio Empreenda Saúde. Atualmente o pesquisador se dedica à NoHarm (https://noharm.ai), startup sem fins lucrativos que tem como objetivo usar a tecnologia para trazer mais segurança para o paciente.

Minicurso. Escrita Científica para a ERBD e Além

Resumo. Escrita científica requer bem mais do que saber gramática e regras ortográficas. Seja em português ou inglês, a escrita científica possui regras e formas claras que precisam ser seguidas. Este minicurso apresenta várias delas na perspectiva de trabalhos publicados na ERBD. Também vai além ao discutir exemplos de eventos internacionais e de outras áreas da Computação.

Mirella M. Moro

É professora associada do Departamento de Ciência da Computação (DCC) da Universidade Federal de Minas Gerais (UFMG). Possui doutorado em Ciência da Computação pela University of California in Riverside (2007), e graduação e mestrado em Ciência da Computação pela Universidade Federal do Rio Grande do Sul (UFRGS). Teve diferentes cargos de Educação na Sociedade Brasileira de Computação (SBC) e na Association for Computing Machinery (ACM), e é atualmente conselheira da SBC. Ensina sobre escrita e apresentação de trabalhos científicos há mais de 10 anos.

Minicurso.  A utilização de banco de dados de grafos no combate ao tráfico humano.

Resumo. Atualmente nos EUA cerca de 90% dos casos de tráfico humano são realizados pela web e dark web. Diversas abordagens são utilizadas para controlar e promover estes casos, sendo que o agenciamento de inúmeras vítimas por um mesmo indivíduo é a mais comum. Por isso, a ideia de utilizar um banco de dados de grafos (noSQL) neste projeto é bastante promissora, devido ao relacionamento mais natural das entidades presentes no banco. Baseado na teoria de grafos, uma entidade é chamada de vértice (ou node) e se relaciona com outros vértices através de arestas (ou relationships) podendo armazenar dados entre estes relacionamentos e a sua direção. Identificar os padrões entre vários casos é algo extremamente complexo e exaustivo, necessitando de uma boa visualização dessas conexões para melhorar a assertividade de Promotores de Justiça e Investigadores. Para a Nodo (https://nodo.cc) este não é apenas um projeto e sim a representação da valorização que temos pela vida, nos enchendo de orgulho! O nosso propósito é poder contribuir com a nossa expertise e usar a tecnologia como meio para impactar de forma positiva a vida das pessoas.

Michel Pedroso

É um apaixonado por tecnologia. Desde que iniciou sua trajetória profissional há 7 anos, notou que sua vocação seria distribuir toda sua energia para acrescentar valor e evoluir produtos tecnológicos. Natural de Rio Grande/RS, é formado em Ciência da Computação pela Universidade Federal de Pelotas. Atualmente atua como Tech Lead na Nodo Digital (https://nodo.cc), com bagagem em desenvolvimento back-end de aplicações web e mobile, para clientes nacionais e internacionais. Tendo em seu portfólio clientes como: Netflix, Embraer, Boticário, CVC e outros.No seu tempo livre (pré pandemia), Michel curte praticar Jiu-Jitsu e assar um bom e velho churrasco.

Oficina. Self-service BI na prática

Resumo: Segundo o Gartner, “self-service business intelligence” é o conceito de que o usuário não técnico possa criar e implantar suas próprias análises apoiado na estruturação de uma arquitetura corporativa e de ferramentas que entreguem autonomia na concepção e modelagem para a implementação de relatórios e dashboards. Nesta oficina prática será discutido o conceito de autosserviço no mundo real. Será construido um relatório do início ao fim, baseado em dados abertos com a ferramenta Microsoft Power BI.

Marcelo Lopes Kroth

É graduado e mestre em Informática (UFSM), possui especialização em Ciência da Computação (UFRGS), MBA em Gestão Empresarial (FGV). Foi Diretor da Divisão de Sistemas e atualmente é Coordenador de Planejamento Informacional na UFSM

Oficina. Extraindo dados da Web com Python

Resumo: “Os dados são o novo petróleo”, afirmou o CEO da Mastercard. Nesta oficina, vamos aprender como extrair esse petróleo da internet. Web scrapers são ferramentas para fazer extração de dados de sites na web, com eles é possível minerar dados sobre um conjunto de produtos, obter uma grande massa de texto, dados quantitativos ou apenas obter dados de um site sem uma API oficial. Também, aprenderemos na prática como construir estas poderosas ferramentas com poucas linhas de código em Python utilizando o framework Scrapy e colocar este código em produção com apenas poucos cliques na Zyte Scrapy Cloud..

Rogers Prates de Pelle

Bacharel em Ciência da Computação pela Universidade Estadual do Mato Grosso do Sul (UEMS) e mestre pelo Programa de Pós Graduação em Computação da Universidade Federal do Rio Grande do Sul (UFRGS). Atualmente, é professor na UEMS e desenvolvedor Python na Zyte (https://www.zyte.com/), onde atua com a extração de dados da Web.

Oficina. Emíli@s no País de Banco de Dados****

**** Oficina direcionada apenas para alunos do Ensino Médio do Colégio Politécnico e do CTISM da UFSM.

Resumo: O Projeto Emíli@s – Armação em Bits da UTFPR-Curitiba (http://emilias.dainf.ct.utfpr.edu.br/) através do incentivo e parceria com o Programa Meninas Digitais da SBC (http://meninas.sbc.org.br/), apresenta, desde 2016, uma oficina na área de Banco de Dados, proporcionando a comunidade curiosidades sobre este conteúdo (O que é Banco de Dados, Tipos de Dados, Índices) dentro dos cursos da área de Computação. Além disso, apresentaremos como este tipo de pesquisa na Universidade é utilizada para resolver problemas atuais (como nas redes sociais ou em sua cidade). E quem são as mulheres que trabalham nessa aérea? Apresentaremos o perfil de algumas brasileiras que vem se destacando em Banco de Dados.

Sílvia Amélia Bim

Professora do Departamento Acadêmico de Informática da Universidade Tecnológica Federal do Paraná (UTFPR), no campus de Curitiba. Tem graduação (Universidade Estadual de Maringá), mestrado (UNICAMP) e doutorado (PUC-Rio) na área de Computação. Autora do livro infanto juvenil “Ada Lovelace: a condessa curiosa”. Integrante da Comissão de Educação da Sociedade Brasileira de Computação, Consultora do Programa Meninas Digitais (SBC). Na UTFPR Curitiba também é coordenadora do Projeto de Extensão TIChers e é uma das coordenadoras do Laboratório de Práticas Integrativas e Complementares. Suas áreas de interesse são Interação Humano-Computador, Educação em Computação, Gênero e Tecnologia e seu desafio mais recente é montar o mosaico da Linguagem Altruísta.

Nádia Puchalski Kozievitch

Possui graduação e mestrado em Ciências da Computação pela UFPR, e doutorado em Ciências da Computação pela Universidade Estadual de Campinas. No período de fevereiro/2010 a setembro/2010 fez doutorando sanduíche, na Virginia Polytechnic Institute and State University (EUA). Trabalhou em projetos de P&D na área de telefonia na IBM; e na Compania Paranaense de Energia (Copel/Simepar), na área de meteorologia. Atualmente é professora associada da Universidade Tecnológica Federal do Paraná (UTFPR), campus Curitiba. Atua como professor permanente no Programa de Pós-Graduação em Computação Aplicada (PPGCA, UTFPR). Tem experiência na área de Ciência da Computação, com ênfase em Banco de Dados. Seus interesses englobam cidades inteligentes, Dados Abertos, Bibliotecas Digitais e GIS. Atua como voluntária em prol do incentivo do ensino de computação para meninas de segundo grau.

Painel. Análise de Dados Aplicada: Cases e Demandas em Agronomia, Medicina e Finanças.

Resumo: Neste painel, profissionais de diferentes áreas falarão sobre demandas relacionadas aos dados na sua área. É a visão de especialistas em diferentes domínios que irão discorrer dentre outros sobre aplicações que envolvem gerência e análise de dados, inovações recentes que envolvem computação e bancos de dados dentro de sua área de atuação.

Claudio Luiz Lemainski

Possui graduação em Agronomia pela Universidade Federal de Santa Maria (2004). Tem experiência na área de Agronomia, com ênfase em Manejo e Conservação do Solo, atuando principalmente nos seguintes temas: manejo do solo, nitrogênio, carbono, qualidade do solo e agricultura de precisão. É Sócio/Diretor da Drakkar Solos – Agricultura de Precisão (https://www.drakkar.com.br). A Drakkar foi fundada em Agosto de 2006 em Santa Maria, Rio Grande do Sul, por alunos de pós-graduação da Universidade Federal de Santa Maria. Hoje, com a expansão nacional iniciada em 2012, a Drakkar está entre as empresas mais experientes em Agricultura de Precisão do Brasil e evoluindo muito rapidamente para era da informação na agricultura.

Ives Cavalcante Passos

Professor do Departamento de Psiquiatria da Faculdade de Medicina da Universidade Federal do Rio Grande do Sul (UFRGS). Professor Permanente do Programa de Pós-Graduação em Psiquiatria da UFRGS. Pós-doutor pela University of Texas Health Science Center at Houston (UTHealth), EUA. Young Physician Leader pela The Interacademy Medical Panel (Rede Global de Academias de Medicina) e Jovem Líder Médico pela Academia Nacional de Medicina. Coordenador do Programa de Residência Médica em Psiquiatria do Hospital de Clínicas de Porto Alegre (HCPA)/UFRGS. Coordenador do grupo Alliance (Artificial Inteligence in Neurosciences).

Jair Viegas

Atual Team Leader de Tecnologia na área de dados no Sicredi (https://www.sicredi.com.br), possuí experiência no tema dados desde 2007. Atuou como Head de dados na B2W Digital, durante os anos de 2008 até 2020, onde coordenou vários projetos de machine learning e de advanced analytics com IA. A partir de agosto de 2020, ingressou no Sicredi com o desafio de contribuir e liderar o tema dados e, atualmente, é responsável por mais de 10 times multidisciplinares como: Big Data (engenharia de dados), Business Intelligence e Analytics… Eterno aprendiz e apaixonado pelo tema dados.

Daniel dos Santos Kaster (Mediador)

Possui graduação em Ciência da Computação pela Universidade Estadual de Londrina (1998), mestrado em Ciência da Computação pela Universidade Estadual de Campinas (2001) e doutorado em Ciências de Computação e Matemática Computacional pela Universidade de São Paulo (2012). Atuou como Professor Visitante/Pós-Doutorado no Grupo de Sistemas de Dados da Universidade de Waterloo, Canadá (2019-2020). Desde 2001 é professor do Departamento de Computação da Universidade Estadual de Londrina. Tem experiência na área de Ciência da Computação, com ênfase em Banco de Dados, atuando principalmente nos seguintes temas: bancos de dados multimídia e espaço-temporais, indexação e otimização de consultas por similaridade, mineração de dados de trajetórias, recuperação de imagens por conteúdo e limpeza de dados.

Sessão 1 – Chair: Luiz Celso Gomes Jr (UTFPR)

Estudo comparativo de plataformas de Deep Learning: Apache Singa, Graphlab e H2O

Elias A. Fank(UFFS), Geomar Schreiner Denio Duarte(UFSC), Denio Duarte(UFFS)

Modelagem Probabilística de Tópicos: Uma Comparação Empírica

Leonardo H. Rocha(UFFS), Daniel Welter(UFFS), Denio Duarte(UFFS)

Um Levantamento sobre Sistemas de Gerenciamento de Bancos de Dados NoSQL Multimodelo

Ronaldo Mello(UFSC), Amanda Aquino(UFSC)

Uma Análise das Ocorrências de Fogo e Incêndios Florestais no Parque Nacional da Chapada Diamantina entre 2015 e 2020

Jaevillen de Oliveira(UEFS), Juliana Pinto(UEFS), Daniel Alves(UEFS), Adlla Katarine(UEFS), Wanderson Bezerra da Silva(UEFS)

Um estudo sobre a reutilização de treinamentos em Modelos de Previsão de Vulnerabilidade

Matheus Todescato(UFRGS), Guilherme Dal Bianco(UFFS)

Sessão 2 – Chair:  Nádia Puchalski Kozievitch (UTFPR)

Análise de Dados de Vendas de Feiras Livres: Um Estudo com a Polifeira da UFSM

Gabriel Porcher(UFSM), Gustavo Pinto da Silva(UFSM), Daniel Lichtnow(UFSM)

Avaliação da Acessibilidade de Regiões Urbanas de Curitiba aos Serviços de Saúde Pública Baseada em Análise de Grafos e Georreferenciamento

Clauciane Lima(UTFPR), Altiéris Peixoto(UTFPR), Luiz Celso Gomes Jr(UTFPR), Keiko Fonseca(UTFPR), Ricardo Lüders(UTFPR)

Estudos de caso de análise de perfis de usuários agrupados por hashtags no Twitter

Pedro Henrique Elias Da Cruz Costa(IFES), Jefferson Lima(IFES), Ronaldo Marques(IFES), Daniel Trindade(IFES), Karin Komati(IFES)

Impacto das Ações de Contenção a Covid-19 em Bolsas de Valores de Países Desenvolvidos e em Desenvolvimento

Haroldo Vieira Jr(UTFPR), Luiz Celso Gomes Jr(UTFPR)

Um estudo sobre o aprimoramento de tuítes com base na substituição de adjetivos

Juliano Pasa(UFSM), Lucas Lima de Oliveira(UFRGS), Sergio Mergen(UFSM)

Escola Regional de Banco de Dados em 15 edições: Um Levantamento Bibliométrico

Fernanda Souza(UDESC), Vinicius Gasparini(UDESC), Denio Duarte(UFFS), Rebeca Schroeder(UDESC)

Sessão 3 – Chair: Denio Duarte (UFFS)

Análise da violência doméstica no município de Curitiba

Manoel Leal(UTFPR), Rita Berardi(UTFPR), Nádia Kozievitch(UTFPR)

Modelo de predição de valores de mercado para apartamentos na Barra da Tijuca utilizando Regressão Linear Múltipla

Marcus Vinicius Gonçalves(Fiocruz), Carlos Augusto Gomes Xavier Xavier(Fiocruz)

Uso de Orientação a Objetos para a Modelagem de Autômatos Celulares

Samuel Cassanego(UFSM), Francisco Palermo(UFSM), Sergio Mergen(UFSM)

Visual Analytics e Outlying Aspect Mining: contextualização de anomalias considerando questões temporais e multidimensionais

Felipe Benghi(UTFPR), Luiz Celso Gomes Jr(UTFPR)

Sessão 4 – Chair: Carlos Andres Ferrero (IFSC)

AvaliaGeo: Sistema para Validação de Topônimos em Notı́cias

Arthur Domingues(UFOP), Bruno Monteiro(UFOP)

Desenvolvimento de uma biblioteca de consulta a inspetores para a indústria extrativa

Junior Zilles(FURG), Mario Ricardo Nascimento Marques Junior(FURG), Eduardo Borges(FURG), Eder Mateus Gonçalves(FURG), Danubia Espíndola(FURG), Silvia Botelho(FURG)

Buskaki Empresas – Ferramenta para busca de dados abertos de empresas curitibanas

Wilian Cavassin(UTFPR), Everton Junior(UTFPR), Nádia Kozievitch(UTFPR), Matheus Biscaya Gutierrez(UTFPR)

Uma API para armazenamento distribuído de databooks

Guilherme de Oliveira(FURG), Renan Fonseca(FURG), Eder Mateus Gonçalves(FURG), Eduardo Borges(FURG)

Agrupamento de Eventos de Trânsito baseado em Tesselação

Mariana Machado Garcez Duarte(UFPR), Marcos Pontarolo(UFPR), Rebeca Schroeder(UDESC), Carmem Hara(UFPR)

Proposta de Algoritmo por Crescimento Gradativo de Diâmetro para Detecção de k-Flocks em Dados de Trajetórias

Luan Almeida(UEL), Vinicius Verdade(UEL), Daniel Kaster(UEL)