– Prazos finais para a submissão de trabalhos:
– Trilha principal: 16 de março de 2018 02 de abril de 2018, até às 12h
– Trilha de aplicações: 16 de março de 2018 02 de abril de 2018, até às 12h
– Notificação preliminar de aceitação com sugestão de correções: 23 de abril de 2018 27 de abril de 2018
– Prazo para entrega da versão final: 30 de abril de 2018 até o 04 de maio de 2018 (às 12h00 – horário de Brasília).
– XII BreSci: 23 e 24 de Julho de 2018
Nas últimas décadas, tem havido uma revolução no modo como a ciência e a engenharia têm sido conduzidas, ao se utilizar de forma intensiva as tecnologias de informação e comunicação (TICs). Essa nova forma de realizar a ciência, denominada de e-Science ou e-Ciência, desempenha hoje um papel fundamental na metodologia de trabalho adotada por muitos grupos de pesquisa em todo o mundo. O XII BreSci tem como objetivo colaborar com os esforços de e-Ciência propondo um fórum de discussão sobre temas relevantes dessa área de estudo. Além da trilha principal, que tem um escopo mais amplo e mais relacionado com as TICs, o workshop conta também com uma trilha de aplicações específica para discutir temas relacionados às áreas particulares de aplicação da e-Ciência, incluindo (mas não sendo restrita a) bioinformática, astronomia, química e informática na biodiversidade. A aproximação com pesquisadores dessas áreas da ciência visa a estreitar o relacionamento entre os participantes das diversas áreas. Ademais, essa aproximação propicia a identificação de demandas relativas à infraestrutura computacional sob o ponto de vista das áreas-fim. De outro lado, essa colaboração também propicia às áreas-fim uma melhor difusão das soluções elaboradas pela comunidade de computação.
Para mais detalhes, veja a chamada completa em PDF.
Introdução ao Deep Learning – Classificação de Imagens
João Paulo Navarro – Arquiteto de Soluções, NVIDIA
Resumo:
Deep Learning está dando às máquinas capacidades super-humanas de reconhecimento de objetos, e substituindo o modelo rule-based por modelos preditivos aprendidos diretamente dos dados. Este minicurso apresenta uma introdução ao fluxo de trabalho de machine learning e oferece uma experiência prática na utilização de redes neurais profundas (DNN – Deep Neural Networks) para resolver problemas reais de classificação de imagens. A metodologia apresentada inclui as etapas de preparação dos dados, definição do modelo, treinamento da rede, estratégias de validação e testes para melhoria do modelo. Este treinamento mostra os benefícios da utilização de GPUs no treinamento de redes neurais profundas. Ao final, o aluno terá o conhecimento necessário para utilizar a ferramenta NVIDIA DIGITS para treinar uma DNN em seu próprio conjunto de imagens para classificação.
Bio:
João Paulo Navarro é Cientista da Computação e mestre em Modelagem Computacional (UFJF), tendo dedicado boa parte de sua carreira ao desenvolvimento projetos de computação científica, simulação física e machine learning. Possui vasta experiência no desenvolvimento de algoritmos e técnicas de visualização voltadas ao processamento geofísico. Hoje, na NVIDIA, é Arquiteto de Soluções com foco em computação de alto desempenho e Deep Learning.
Plataforma NVIDIA para Inteligência Artificial e Deep Learning
João Paulo Navarro – Arquiteto de Soluções, NVIDIA
Resumo:
Deep Learning (DL) é a técnica de Machine Learning que vem proporcionando avanços surpreendentes nos mais variados fluxos de trabalho da indústria e academia. A Inteligência Artificial moderna é a 4ª revolução industrial e a plataforma da NVIDIA fornece poder computacional para os mais complexos algoritmos de DL. A nova arquitetura de GPUs Volta, juntamente com o CUDA 9 e os SDKs da NVIDIA, foram aprimorados para incluir algoritmos especializados e altamente otimizados para extrair o máximo potencial das placas de vídeo no treinamento de algoritmos de DL, utilizados nos mais importantes frameworks da atualidade (TensorFlow, Caffe, Torch, etc.). Veremos aplicações das técnicas de DL nas mais variadas áreas do conhecimento, como Visão Computacional, Carros Autônomos e Robótica.
|
|
| … | |
|
|
| … | |
|