Será abordado nesta palestra um overview do portfólio de software e hardware da Intel em Machine Learning e Deep Learning. Além disso, será apresentado um caso de sucesso nacional no qual técnicas de programação paralela ajudaram a acelerar workloads de Deep Learning em processadores escaláveis Intel® Xeon®.

Pretendo iniciar dando uma introdução sobre visão computacional, e as ferramentas no mercado que trabalham com ela. Depois vou falar sobre aprendizado de máquina, machine learning e deep learning, e explicar como treinar seu modelo, utilizando coco dataset, ou seu próprio dataset, e encerrar com um demonstração do funcionamento do Yolo.

Grande parte dos modelos de Machine Learning são considerados caixa-preta, o que pode dificultar tanto sua inspeção pelos engenheiros que os criaram quanto sua utilidade no mundo real e sua aceitação pelo público.

Nós abordaremos técnicas para se explicar predições de modelos caixa-preta baseados em árvores, como Random Forest e Boosted Trees, bem como uma abordagem que permite explicar predições geradas por qualquer tipo de classificador, inclusive com aplicações em processamento de imagens e de linguagem natural.

Em 1959 foi a primeira vez em que surgiu uma proposta do uso do computador no auxílio na tomada de decisão médica e desde então se estuda como isso é possível. Hoje este panorama parece que mudou e estamos a frente de várias propostas do uso de IA na Saúde Digital, mas será que é tão simples desenvolver um sistema deste? Por que a sua adoção ainda é vista com desconfiança? O uso da IA se limita ao meio do profissional de saúde ou ela pode ser expandida para a população? Portanto, quais são os desafios da IA para implementar uma saúde digital efetiva e confiável não somente para profissionais de saúde, mas para a população? É sobre estes tópicos que se pretende discutir nesta apresentação.

O uso de redes neurais artificiais para a classificação de dados, inclusive imagens e áudio, já é conhecida há algum tempo. Mais recentemente com o desenvolvimento de novas técnicas e o aparecimento de novos desafios, novos tipos de redes neurais mais conhecidas como Deep Learning têm sido usadas para encarar esses problemas.

Nessa palestra será demonstrado:

1. Como Deep Learning funciona
2. Detecção simples de objeto em imagens
3. Detecção múltipla de diversos objetos
4. Arquiteturas de redes para detecção de objetos

Nesta palestra, apresento brevementes as oportunidades emergentes de um mundo orientado a dados sob a ótica de inteligência artificial. Posteriormente apresento projetos desenvolvidos em diverentes setores fazendo uma relação com diferentes níveis de maturidade no uso de dados. Por fim, apresento quais são as dificuldades no desenvolvimento de soluções do ponto de vista de oportunidades de carreira.

Sistemas críticos em segurança têm potencial para produzir consequências catastróficas à sociedade, como mortes, ferimentos, danos ambientais e materiais. Desta forma, desenvolver e garantir que os sistemas críticos sejam seguros ao longo do seu ciclo de vida é uma missão da engenharia, ciência e tecnologia. Porém, novas tecnologias e paradigmas vem tornando obsoleta as abordagens de garantia de segurança de sistemas críticos. Entre elas, pode-se destacar o uso massivo e pervasivo de níveis avançados de Inteligência Artificial. Esta palestra abordará o estado da arte da aplicação da Inteligência Artificial em sistemas críticos em segurança, com ênfase em veículos autônomos.

Você já viu como você vai ficar quando for mais velho no Facebook? Gostou do resultado? O principal algoritmo por trás desses apps são as Generative Adversarial Networks (GANs). Nessa apresentação você aprenderá o que são, como são definidas e como gerar conteúdo automático com elas.