Trilha Machine Learning Machine Learning e Deep Learning além do buzzword

Muito se fala de Machine Learning, Deep Learning e seu poder supostamente revolucionário, mas poucas vezes se mostra o que há por trás desses modelos e como eles realmente aprendem. Nessa trilha vamos apresentar diferentes conceitos e aplicações de Machine Learning, indo desde conceitos básicos até avanços recentes no campo.

Coordenação

Luiz Antônio Nonenmacher Júnior

Sulamita Mara Dantas

Pedro Lelis

TODAS AS TRILHAS

Programação / Palestras TODAS AS TRILHAS

Importante: A grade de palestras está sujeita a alterações sem prévio aviso.

	Conteúdo
08:00 às 09:00	Credenciamento e recepção dos participantes Todas as pessoas inscritas, palestrantes, coordenadores e de imprensa, devem retirar seus crachás e kit do congressista nos balcões de credenciamento localizados na entrada do evento, para obterem acesso às salas e Auditório Principal.
09:00 às 10:00	Abertura do evento no Auditório Principal Após o credenciamento, convidamos os participantes a comparecerem ao auditório para receberem as boas vindas por parte dos realizadores e patrocinadores. Neste keynote de abertura, todos serão orientados sobre o funcionamento do evento, destaques e outras novidades.
10:10 às 11:00	Modelando Problemas Relacionais com Graph Neural Networks em Pytorch Marcelo Prates / Matheus dos Santos Gonzaga SLIDES Na última década, redes convolucionais permitiram que Deep Learning avançasse o estado-da-arte em muitos problemas relevantes de processamento de sinais. A vantagem destas arquiteturas está na sua capacidade de extrair features a partir de sinais contínuos, como imagens. No entanto, os objetos de estudo de muitas aplicações importantes não podem ser aproximados por sinais contínuos, sendo melhor representados por meio de grafos. Exemplos incluem moléculas, redes sociais, expressões simbólicas, knowledge graphs e sistemas de partículas. Nesta palestra, mostraremos como deep learning pode modelar esse tipo de problema através de Graph Neural Networks, um tópico emergente em machine learning.
11:10 às 12:00	Usando LDA para seleção de tópicos para Recuperação de Informação aplicado a Inteligência de Mercado Patricia Nunes Goncalves SLIDES Neste artigo descrevemos o uso do algoritmo LDA para seleção de tópicos e aplicado num conjunto de notícias coletas de diversas fontes de jornais, revistas e blogs de forma eletrônica. Esses tópicos são usados para retroalimentar nosso Radar de Inteligência de Mercado para selecionar notícias mais relevantes conforme os temas monitorados. OCR: o que é e como usar? Guilherme Malta SLIDES OCR (Optical Character Recognition) é uma tecnologia usada com cada vez mais frequência para extrair textos de arquivos de imagem. Comumente resultante de uma sequência de algoritmos envolvendo técnicas de processamento de imagem e machine learning, a tarefa de OCR, mesmo em problemas mais simples, pode não ser trivial para aqueles com pouco conhecimento na área. O cronograma da palestra será: * O que é OCR e para que serve? * Tipos mais comuns de OCR * Ferramentas de OCR usadas hoje * Tesseract e Pytesseract: o que são e como usar. * Exemplo de uso: identificando palavras-chave em documentos escaneados (Pytesseract + Jupyter Notebook).
12:10 às 13:00	Explicando modelos Black Box Cristofer Weber SLIDES Modelos de Machine Learning são utilizados em larga escala para automatizar processos decisórios que impactam nossas vidas direta e indiretamente, sem no entanto serem transparentes quanto aos fatores que influenciaram suas previsões. Esta palestra é sobre como interpretar modelos de aprendizado de máquina e suas decisões utilizando técnicas agnósticas aos algoritmos utilizados no treino do modelo, buscando explicar de forma geral quais as variáveis mais importantes identificadas pelo modelo bem como os efeitos positivos e negativos dessas variáveis em cada previsão realizada. Método para Identificar Pontos de Negociação de Ações em Fluxo Contínuo de Dados Mauricio Argemi SLIDES No mercado de ações, uma das tarefas mais difíceis é a decisão de quais são os melhores momentos para comprar ou vender. São inúmeros indicadores e estratégias para tentar predizer o momento ideal. Contudo, por vezes, a leitura e interpretação destes indicadores pode ser confusa e imprecisa, ainda mais para investidores iniciantes. Na literatura são descritos vários trabalhos que abordam este problema utilizando diversas técnicas de aprendizado de máquina. Nesta conversa, o objetivo é apresentar como que o trabalho considerado estado da arte nesta tarefa aborda o problema, quais os pontos que identificamos como possíveis de melhoria e alguns resultados já obtidos até o momento na pesquisa.
13:10 às 14:00	Intervalo para Almoço Uma excelente oportunidade de todas as pessoas no evento interagirem e trocarem ideias, colaboradores, empresas patrocinadoras e apoiadoras, palestrantes e coordenadores.
14:10 às 15:00	Aumentando a resolução de vídeos e fotos com deep learning Frederico Tommasi Caroli / Julia Hosken SLIDES Nessa palestra explicaremos o que é uma rede neural adversarial e como podemos aplicá-la para aumentar a resolução de imagens. O objetivo é explicar o conceito sem a necessidade de um background matemático mais avançado. Mostraremos também como a Globo.com utiliza essa técnica em seu acervo.
15:10 às 16:00	Aplicação de Reinforcement Learning em controle de processos industriais. Douglas Alves Goulart / RENATO Dutra Pereira Filho SLIDES O Reinforcement Learning, conhecido por ser capaz de ter um desempenho melhor que seres humanos em jogos, seria capaz de aprender um desafio tão complexo como controlar processos industriais? A Indústria 4.0, que carrega consigo a inovação tecnológica e a união das áreas de Machine Learning e Engenharia, é essencial para o desenvolvimento econômico. Esta apresentação colabora com o tema se propondo a correlacionar Reinforcement Learning com a área de controle automático de processos, mostrando como respostas de sensores, aberturas de válvulas e especificações de produto se transformam em estados, ações e recompensas. Como fazer controle de versões de dados e modelos de Machine Learning usando o DVC? Alexandre Ray Silva SLIDES Você já criou tantos datasets e tantos modelos que já não sabe mais quem é quem? Não lembra mais qual versão do modelo está em produção? Entrou mais um Cientista de Dados no projeto e ela/ele não consegue reproduzir os experimentos? Neste talk, iremos explorar como o Open Source Data Version Control (DVC) pode ajudar a resolver esses problemas. Abordagens Multimodais para Auxílio-Diagnóstico Computadorizado Utilizando Aprendizado de Máquina Profundo Alan Baronio Menegotto SLIDES A apresentação discorre sobre a teoria envolvida na utilização de abordagens multimodais para criação de aplicações de auxílio-diagnóstico computadorizado utilizando aprendizado de máquina profundo e ilustra através de exemplos o estado-da-arte desse tipo de arquitetura. Por fim serão demonstrados exemplos de arquiteturas para auxílio-diagnóstico de hepatocarcinoma.
16:00 às 16:30	Coffee-break e Networking Durante o intervalo de coffee-break, serão entregues kits contendo suco e biscoitos. Um delicioso intervalo para relaxar, conhecer novas pessoas e estreitar contatos. Neste tempo, também surge a oportunidade de todas as pessoas no evento interagirem entre sí, participantes das trilhas, empresas patrocinadoras e apoiadoras, palestrantes e coordenadores.
16:40 às 17:30	Aplicações de Machine Learning na área Jurídica, um exemplo com classificação de textos Juliano Pacheco SLIDES Nesta palestra, teremos um embasamento dos principais pontos sobre Machine Learning, como esta sendo a adoção do Machine Learning no atual cenário do judiciário brasileiro, além das possibilidades de aplicações e desafios na área. Sera apresentado um exemplo, em código python, que apresentará as diferentes fases, desde a entrada dos dados textuais na solução, a geração do modelo de aprendizado e sua posterior aplicação, através de um serviço REST de classificação de ementas de pareceres jurídicos e decisões judiciais. Drag and drop machine learning tool Thaissa Bueno Sanches Com a evolução tecnológica , muitas ferramentas tem evoluído, até mesmo em machine learning , onde é possível desenvolver modelos com pouca ou nenhuma programação usando o azure machine learning studio, onde é possivel criar um modelo e utiliza-lo como um webservice rest, implantado em contêiner ou em um servidor web, o que facilita o desenvolvimento de aplicações utilizando machine learning seja para uma POC ou para colocar em produção.
17:40 às 18:30	Escalando algorítimos com Hashcorp Nomad e Docker Jonatas Vargas O que fazer quando você tem que rodar centenas de algoritmos simultaneamente? Tendo recursos limitados, diversas linguagens de programação, em um ambiente multi-cloud e outras diversas complicações não mapeadas. Esta pode ser uma tarefa extremamente complexa, e sem as ferramentas certas, impossível. Nesta talk vou apresentar as ferramentas certas para escalar este tipo de complexidade, rodar centenas de milhares de containers de forma distribuída, utilizando Hashcorp Nomad e Docker e também mostrar as diferenças entre o Apache Mesos e o Nomad. Nas Lojas Renner temos que rodar mais de mil previsões diferentes simultaneamente em questão de minutos, um use case real de como escalar algoritmo. Field2Vec - Recomendação de campos em relatórios e dashboards de ponta-a-ponta Allan Barcelos SLIDES As ferramentas de Business Intelligence (BI) e relatórios são cada vez mais utilizadas pelas empresas para a tomada de decisão. É comum que a escolha dos campos que compõem um relatório pode ser uma tarefa difícil para usuários menos experientes ou até para aqueles que buscam insights nas aplicações. Neste contexto, a palestra buscará apresentar/demonstrar o modelo field2vec para recomendação de campos de um relatório e o processo até a automatização de deploy através da Amazon AWS e MLOps. Serão explorados recursos como word2vec, TF-IDF, AWS Fargate, Jenkins, Docker e outros.
18:40 às 19:00	Encerramento e Sorteios No horário de encerramento, todas as trilhas serão direcionadas de suas salas para o Auditório Principal, mesmo local da abertura. Após a apresentação de resultados do dia, muitos sorteios fecharão o dia.

Data e Local

Quinta-feira, 28 de Novembro de 2019

10 às 19h

UniRitter

Rua Orfanotrófio, 555
Alto Teresópolis | Porto Alegre - RS

Informações sobre Data e Local

Público Alvo

Cientistas de dados (e aspirantes), engenheiros de Machine Learning e desenvolvedores de software com interesse e conhecimento básico em Machine Learning.

Investimento

presencial:R$ 290,00

Fazendo sua inscrição presencial, você terá acesso a esta trilha e no mesmo dia também:
TDC Expo: Venha conversar com pessoas e conhecer empresas incríveis.
Trilha Carreiras: Você poderá assistir às palestras da trilha Carreiras do mesmo dia.
Trilha Stadium: Você poderá assistir às palestras da trilha Stadium do mesmo dia.