Grupo de Estudos em Aprendizagem de Máquina
  • Curso de verão 2021 – confirmação de inscrição e selecionados

    Publicado em 23/12/2020 às 12:24

    Todos os inscritos no curso receberam um e-mail de confirmação (e alguns de pendencia na documentação). Se você não recebeu um e-mail de confirmação (ou de vaga recusada) deverá entrar em contato no e-mail: professor.ufsc@gmail.com


  • Curso de verão 2021

    Publicado em 18/12/2020 às 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: Mesmo que você não consiga vaga na turma, todas as aulas estarão disponíveis no canal do YouTube do professor Edson.


  • Seminário – 08 de Outubro

    Publicado em 06/10/2020 às 8:46

    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

    Publicado em 06/10/2020 às 7:41

    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

    Publicado em 16/09/2020 às 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

    Publicado em 31/08/2020 às 8:15

    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

    Publicado em 09/12/2019 às 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

    Publicado em 30/10/2019 às 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

    Publicado em 30/10/2019 às 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


  • Seminário 23/08/2017

    Publicado em 11/08/2017 às 20:01

    O nosso seminário GEAM vai recomeçar na quarta 23 do Agosto, às 10
    horas, na sala 007 do Departamento de Matemática.

    Palestrante: Vladimir Pestov (UFSC / uOttawa)

    Título: A prova do lema de Johnson-Lindenstrauss sobre projeções aleatórias

    Resumo: Como já explicado pelo Douglas no nosso seminário, o lema de
    Johnson-Lindenstrauss, originalmente mostrado no contexto da análise
    funcional, tornou-se numa ferramenta importante da redução de
    dimensionalidade em várias partes da informática. Numa série de 3
    palestras, quero apresentar uma prova completa do lema, começando com
    alguns resultados matemáticos importantes por sua própria conta: uma
    construção da medida de Haar sobre a esfera euclideana, a concentração
    de medida sobre as esferas, etc.