A A A
www.inpe.br


APOIO:





Valid XHTML 1.0 Strict  CSS válido!

MINICURSOS

MC1 - Dr. Gilberto Ribeiro de Queiroz, DPI/INPE (lattes)
Doutorando Rolf Simões, CAP/INPE (lattes)

Big Geospatial Data: Teoria e Prática com SciDB e Python

RESUMO: Este curso tem como objetivo apresentar uma visão sobre o tema Big Data aplicado a séries temporais de imagens de sensoriamento remoto. Para isso, serão apresentadas técnicas de armazenamento e gerenciamento desse tipo de dado. Serão desenvolvidas aplicações práticas utilizando o SGBD matricial SciDB com dados do sensor MODIS, ferramentas analíticas e de visualização através da linguagem Python. Os participantes do curso que tiverem interesse em realizar atividades práticas poderão trazer seu computador portátil. Um ambiente de máquina virtual será fornecido juntamente com o material do curso para acompanhamento.

Data: 20/11/2017
MC2 - Dra. Karine Reis Ferreira, DPI/INPE (lattes)

Acesso e representação de dados espaço-temporais no R

RESUMO: (em preparação)

Data: 20/11/2017
MC3 - Dr. Leonardo Bacelar Santos, CEMADEN (lattes)

(Geo)Grafos: aplicações em mobilidade urbana e hidrometeorologia

RESUMO: (em preparação)

Data: 20/11/2017
MC4 - Dr. Rafael Santos, LAC/INPE (lattes)
Dr. José Roberto Motta Garcia, CPTEC/INPE (lattes)

Data Science

RESUMO: Data Science é o nome dado ao conjunto de métodos usados para extrair conhecimento de dados, com ênfase em reprodutibilidade. Dados podem ser heterogêneos, em diferentes escalas, incompletos e possivelmente mal-estruturados em conhecimento – o uso de etapas reprodutíveis no processamento e análise permite a aplicação de diferentes técnicas de pré-processamento, exploração, análise e visualização dos dados.
Neste curso de 4 horas distribuídas em dois dias veremos os conceitos básicos de Data Science, definições de seus proponentes, conhecimentos técnicos que definem um data scientist e como adquiri-los; e exemplos das etapas de pré-processamento, análise exploratória dos dados e aprendizado por máquina usando a linguagem R.

Data: 21/11/2017: O que é Data Science
22/11/2017: Machine Learning em R
MC5 - Dr. Valdivino Alexandre de Santiago Júnior, LAC/INPE (lattes)

Teste de Software: Algoritmos de Interação Combinatória e Algoritmos Genéticos

RESUMO: Testar um produto de software objetiva melhorar a qualidade do mesmo, de forma que o software tenha o menor número possível de defeitos em seus artefatos (código-fonte, etc.). Nessa palestra, será feita uma introdução ao processo de Teste de software onde serão detalhados aspectos relacionados às atividades desse processo, por exemplo, a atividade de Geração de Casos de Teste. Especificamente, serão mostradas técnicas para gerar casos de teste via Algoritmos de Interação Combinatória e via a meta-heurística Algoritmos Genéticos. Serão também abordadas soluções computacionais (ferramentas, implementações) que dão apoio a essas duas formas de gerar casos de teste.

Data: 21/11/2017
MC6 - Dr. Eduardo Martins Guerra, LAC/INPE (lattes)

Test-driven Development (TDD) - Coding Dojo

RESUMO: (em preparação)

Data: 21/11/2017
MC7 - Dr. Celso Luiz Mendes, LAC/INPE (lattes)

Panorama Atual em Processamento de Alto Desempenho

RESUMO: Este curso aborda, de forma resumida, os aspectos atuais mais relevantes da área de Processamento de Alto Desempenho (PAD). Após uma breve revisão histórica sobre a evolução da área nas últimas décadas, são apresentadas as características mais importantes das máquinas de alto desempenho atuais, bem como técnicas para sua efetiva utilização. Esta apresentação engloba dois aspectos principais, relativos respectivamente à arquitetura e à programação destas máquinas. No aspecto de arquitetura, são descritos sistemas de memória compartilhada, de memória distribuída, e com aceleradores. Na parte de programação, são apresentados os paradigmas mais utilizados para a construção de programas paralelos, tais como threading, diretivas de compilação, padrão MPI, linguagens PGAS e outros. Ao final, são apontadas tendências para sistemas de alto desempenho esperados para os próximos anos.

Data: 22/11/2017
MC8 - Dr. Alan James Peixoto Calheiros, LAC/INPE (lattes)

Aplicação da computação na previsão de tempo

RESUMO: Diversas técnicas computacionais têm sido empregadas para melhorar a previsão de tempo e clima, podendo-se destacar, o uso de Inteligência Artificial, processamento de imagens de satélite, otimização de modelos numéricos, problemas inversos, entre outras. O Centro de Previsão de Tempo e Estudos Climáticos (CPTEC/INPE) foi estruturado para gerar previsões de tempo e clima globais apoiando os centros regionais de meteorologia no Brasil. Deste modo reduzindo a vulnerabilidade da população e as perdas, além de tonar os setores de agricultura, geração e transmissão de energia e gestão de bacias hidrográficas mais eficientes. O Laboratório Associado de Computação e Matemática Aplicada (LabAC/CoCTE/INPE) pesquisa e desenvolve importantes ferramentas para a previsão de tempo e clima, como aquelas citadas anteriormente, o que ajuda na tomada de decisão do meteorologista e que é extremamente importante para minimizar os efeitos de eventos severos nos diversos setores da sociedade. O aumento do uso das técnicas computacionais está relacionado também ao crescente aumento do poder computacional nas últimas décadas e ao aumento do volume de dados gerados e armazenados por diversos sistemas. Logo, a meteorologia tem se mostrado uma área de pesquisas e aplicações da computação, atraindo o interesse de muitos profissionais da área de computação e matemática aplicada, principalmente.

Data: 22/11/2017