Palestra 1 - Título a ser definido

PALESTRANTE: Dr. Alberto W. Setzer (INPE)
http://lattes.cnpq.br/1332033502251284

Graduado em Engenharia Mecânica pela Escola de Engenharia Mauá (1973), com mestrado em Engenharia Ambiental - Technion Institute of Technology (1977), doutorado em Engenharia Ambiental - Purdue University (1982) e pós-doutorado no Joint Research Center/EEC, Ispra - Itália (1993). Pesquisador Titular do INPE, Instituto Nacional de Pesquisas Espaciais, no CPTEC - Centro de Previsão de Tempo e Estudos Climáticos, desenvolvendo projetos operacionais, pesquisas e atividades acadêmicas nos temas de monitoramento de queimadas com imagens de satélites, risco de fogo da vegetação, e meteorologia antártica.

RESUMO: a ser definido.

DATA: 20/11/2017 - 09:00 - 10:00
LOCAL: Auditório Fernando de Mendonça (LIT/INPE)

Palestra 2 - O impacto da difusão não local de informação: aplicações de redes em fenômenos espacialmente explícitos

PALESTRANTE: Dr. José Miranda (UFBA)


RESUMO: O estudo dos fenômenos espacialmente explícitos considera, por definição, a existência de continuidade espacial em seus mecanismos de difusão: a ocorrência de uma característica localizada no espaço influencia diretamente apenas às localidades vizinhas. Essa crença deu origem a diversas técnicas de caracterização e modelagem espacial como é o caso da geoestatística. Contudo existem fenômenos espacialmente explícitos que não se subjugam a essa crença, exibindo padrões de correlação genuinamente não espacialmente contínuos. Nesta apresentação veremos alguns exemplos e como o uso das redes podem aumentar a qualidade e generalidade dos modelos computacional que caracterizam tais fenômenos.

DATA: 21/11/2017 - 09:00 - 10:00
LOCAL: Auditório Fernando de Mendonça (LIT/INPE)

Palestra 3 - Machine Learning e aplicações em processamento de imagens

PALESTRANTE: Dra. Nina S. T. Hirata (USP)
http://lattes.cnpq.br/0644408634493034

Nina S. T. Hirata é professora associada no Departamento de Ciência da Computação, Instituto de Matemática e Estatística da Universidade de São Paulo (USP). Além de lecionar disciplinas nos cursos de graduação e pós-graduação, atua em pesquisa e orientação de alunos nas áreas de reconhecimento de padrões e análise de imagens, utilizando principalmente abordagens baseadas em aprendizado de máquina. Os seus principais projetos de pesquisa atuais estão relacionados ao desenho automático de operadores de imagens, classificação de imagens (plâncton -- em colaboração com o Instituto Oceanográfico, e galáxias -- em colaboração com o Instituto de Astronomia, Geofísica e Ciências Atmosféricas), análise de imagens de documentos, e reconhecimento de gráficos e manuscritos.

RESUMO: A extração de informações úteis a partir das imagens requer em geral uma série de processamentos adequados. Devido à grande quantidade de imagens disponíveis, automatizar parte do processamento é um meio para uma análise eficiente. As técnicas de machine learning podem ser usadas para acelerar e melhorar as técnicas de processamento. Nesta apresentação abordaremos machine learning a partir de uma perspectiva computacional, e mostraremos algumas aplicações em segmentação de imagens, detecção de objetos em imagens e classificação de imagens.

DATA: 22/11/2017 - 09:00 - 10:00
LOCAL: Auditório Fernando de Mendonça (LIT/INPE)