Lista de todos os encontros que já fizemos bem como informações sobre as palestras (vídeo, slides, código, etc).
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/279286191/
https://www.youtube.com/playlist?list=PL7L8tg5-YR5_YuXFUXgJA1Eq5hnKug6l2
Escalando Machine Learning com MLOps no QuintoAndar - Ralph Rassweiler
| Resumo | Vídeo | Slides |
|---|---|---|
| Modelos de machine learning ajudam diversas áreas de negócio a tomarem decisões mais assertivas e a obter insights valiosos. Como consequência da entrada em produção destes modelos, surgem desafios de engenharia. Os modelos treinados devem, além de produzir os resultados para os quais foram programados, ser escaláveis, replicáveis e estáveis. Para buscar atingir estes objetivos, a área de MLOps emerge, utilizando recursos como a Feature Store. Esta apresentação aborda oportunidades e desafios em MLOps, especialmente em situações que vivenciamos no QuintoAndar. | Youtube | Google Drive |
A Feature Store do iFood: agregando dados para aprendizado de máquina em tempo real - Daniel Galinkin
| Resumo | Vídeo | Slides |
|---|---|---|
| O iFood é a maior empresa de foodtech na América Latina. Nós entregamos mais de 60 milhões de pedidos todos os meses, de mais de 150 mil restaurantes. Isso gera enormes quantidades de dados a cada segundo: quais pratos foram pedidos, por quem, cada atualização da posição de cada entregador, e muito mais. Para garantir a melhor experiência de usuário possível e maximizar o número de pedidos, nós construímos vários modelos de aprendizado de máquina para gerar respostas precisas para perguntas como: quanto tempo um pedido demora para ficar pronto; quais são os melhores pratos e restaurantes para recomendar para um usuário; se um pagamento sendo feito é fraudulento ou não; dentre vários outras. Para gerar conjuntos de treino para esses modelos, e para consumir atributos necessários para que eles façam predições em tempo real, é necessário criar pipelines de processamento de dados distribuídos e eficientes. Nessa apresentação, vamos mostrar como o iFood construiu uma feature store que consome, processa, armazena e serve dados em tempo real. | Youtube | Google Drive |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/277991773/
https://youtube.com/playlist?list=PL7L8tg5-YR5-m7McXXCIXfNVDBPwxaJnF
Algoritmos evolutivos para aprendizado de máquina - Henry Cagnini
| Resumo | Vídeo | Slides |
|---|---|---|
| O que são algoritmos evolutivos, e para que servem? Como é possível utilizar algoritmos evolutivos para melhorar processos de aprendizado de máquina? Nesta apresentação estes conceitos serão explicados de forma interativa, através de um exemplo prático utilizando Python e a biblioteca DEAP - sigla para Algoritmos Evolutivos Distribuídos em Python, na sigla em inglês. O público-alvo são praticantes de aprendizado de máquina de todos os níveis, com alguma experiência na linguagem Python. | Youtube | Google Drive |
Aprendizado auto-supervisionado para Visão Computacional - Thalles Santos Silva
| Resumo | Vídeo | Slides |
|---|---|---|
| Nesta apresentação, falaremos sobre os recentes avanços em aprendizado de representações utilizando dados não supervisionados. Especialmente, discorreremos sobre métodos auto-supervisionados (self-supervised) que foram essenciais para o sucesso de modelos de linguagem como BERT, e recentemente vêm obtendo resultados surpreendentes em visão computacional. Falaremos sobre a ligação entre aprendizado auto-supervisionado e Modelos baseados em Energia e por fim, abordaremos implementações recentes como SimCLR, BYOL, SwAV, e CARL que foi publicado recentemente no workshop de Energy-Based Models no ICLR 2021. | Youtube | Google Drive |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/276698874/
https://www.youtube.com/playlist?list=PL7L8tg5-YR5_ULXQnGkK1qkgIwFoX-OyA
Introdução à Arquitetura de Carros Autônomos e o Uso de Simuladores para o Desenvolvimento - Guilherme Bortolaso
| Resumo | Vídeo | Slides |
|---|---|---|
| Nesta palestra iremos abordar a arquitetura dos carros autônomos na atualidade, assim como os seus sensores, atuadores, redes de comunicação, principais algoritmos utilizados, e também alguns desafios em aberto na área. Também veremos a importância da utilização de simuladores, encerrando a apresentação com uma demonstração prática de um simulador desenvolvido pela startup brasileira Skoods utilizando a biblioteca Airsim e Python. | Youtube | Google Drive |
Calibração em Redes Neurais - Uma rápida introdução - Roberto Silveira
| Resumo | Vídeo | Slides |
|---|---|---|
| Atualmente, muitos modelos de machine learning são colocados em produção sem levar em consideração se suas predições estão calibradas, ou seja, se a confiança da predição é condizente com sua acurácia. Nessa talk vamos revisar algumas técnicas usadas para calibrar redes neurais, tais como Plat Scaling, Isotonic Regression, Temperature Scaling e mais recentemente Calibração baseada em Focal Loss. Vamos revisar algumas métricas, como Reliability Diagram, ECE (expected calibration error), MCE (maximum calibration error), dentre outras. | Youtube | Google Drive |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/274436795/
https://www.youtube.com/playlist?list=PL7L8tg5-YR590LfWD9mLpAgZBCXR30rYy
Gradient-based optimization in Deep Learning - Christian S. Perone
| Resumo | Vídeo | Slides |
|---|---|---|
| Uma introdução aos métodos de otimização utilizados em Deep Learning, indo de métodos de primeira-ordem, adaptativos, até métodos de segunda-ordem e aproximações. Nesta talk, assume-se que o ouvinte tenha conhecimentos intermediários de Machine Learning e Deep Learning. | https://youtu.be/n--7yFNFvhs | Google Drive |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/273580039/
https://www.youtube.com/playlist?list=PL7L8tg5-YR59TtI21d150qCETJDVbkV5j
Cross-language Image-Text Matching - Jonatas Wehrmann
| Resumo | Vídeo | Slides |
|---|---|---|
| Esta apresentação discute resultados de pesquisa relacionados à busca multimodal agnóstica a idioma. Serão apresentados modelos neurais que permitem: (i) busca de imagens utilizando queries de vários idiomas através do mesmo modelo sem aumento do custo computacional; e (ii) anotação de imagens com descrições de diferentes idiomas. Tal pesquisa introduz novas formas de extrair características de alto nível a partir de textos e imagens, além de propor novos métodos que permitem o aprendizado automático de similaridades entre instâncias de diferentes modalidades, como por exemplo, o ADAPT. Similar aos modelos baseados em atenção, o ADAPT permite a geração de vetores que representam o conteúdo das imagens levando em consideração informações da busca textual informada pelo usuário. | Youtube | Google Drive |
ML-Git - Anderson Pablo
| Resumo | Vídeo | Slides |
|---|---|---|
| Ml-git é uma ferramenta capaz de tornar o versionamento de artefatos de machine learning simples. Semelhante ao git, que é utilizado para o versionamento de código, ml-git pode versionar os artefatos de machine learning de uma maneira que seus experimentos possam ser reproduzido e compartilhados entre seus times, ou até mesmo para a comunidade. | Youtube | Google Drive |
https://www.meetup.com/pt-BR/Machine-Learning-Porto-Alegre/events/271992523/
https://www.youtube.com/playlist?list=PL7L8tg5-YR5_c1CP3-lBJVJFbybKXjGVW
https://www.facebook.com/watch/?v=842034286326916
Ambiente Exploratório e Operacional para ML - Ronaldo Bernardi
| Resumo | Vídeo | Slides |
|---|---|---|
| Apresentar uma arquitetura de referência, baseada em cloud(aws), que habilita o time de ciência de dados a realizar a exploração e operação do seus modelos de machine learning, com uma necessidade minima de engenharia de dados. | Youtube | Google Drive |
Geração de imagens a partir de texto usando GANs - Douglas Souza
| Resumo | Vídeo | Slides |
|---|---|---|
| A geração de imagens a partir de texto consiste em gerar imagens originais a partir de descrições textuais em língua natural. A tarefa é desafiadora pois aborda diversos tópicos avançados em aprendizado máquina, como processamento da língua natural e modelos geradores para imagens. Nesta palestra vamos abordar os conceitos básicos de como construir sistemas de geração de imagens a partir de texto, também cobriremos os métodos estado-da-arte. | Youtube | Google Drive |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/271131081/
https://www.youtube.com/playlist?list=PL7L8tg5-YR58otiZo-nVXEwJXy2qZzdm4
https://www.facebook.com/watch/live/?v=2346989648940469&ref=watch_permalink
Uma breve introdução à inferência Bayesiana - Roberto Silveira
| Resumo | Vídeo | Slides |
|---|---|---|
| Nessa talk, vamos mostrar os passos básicos para realizar inferência bayesiana usando ferramentas como o PyMC3. A ideia dessa talk é ser uma introdução básica e prática, mostrando os conceitos chave como regra de Bayes, principais distribuições utilizadas, técnicas de aproximação de posterior e etc. | https://www.youtube.com/watch?v=EK4y87sxzEg&t=1120s | Jupyter Notebook |
Modelagem Bayesiana para estudos de prevalência COVID-19 - Christian Perone
| Resumo | Vídeo | Slides |
|---|---|---|
| Durante e após uma pandemia, especialmente a que atualmente estamos enfrentando do COVID-19, estudos de prevalência são importantes para avaliar a presença de anti-corpos na população. Entretanto, a incerteza presente na validade dos testes empregados para estas pesquisas juntamente com o erro amostral muitas vezes não é calculado ou reportado para o público. Nesta talk vamos entender na prática como modelar estas incertezas utilizando o framework Bayesiano, tanto para erros amostrais como também dos testes realizados para validar os testes sorológicos utilizados em campo. Utilizaremos dados reais da região do Rio Grande do Sul e outras localidades do Brasil. | https://www.youtube.com/watch?v=EK4y87sxzEg&t=4810s | SlideShare |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/268478606/
https://www.youtube.com/playlist?list=PL7L8tg5-YR596gTsgQQrtBarDARXY3GOj
Introduction to Explainable AI - Wagston Staehler e Luciano Alves
| Resumo | Vídeo | Slides |
|---|---|---|
| Levando-se em conta que alguns modelos de ML já são tão complexos que não conseguimos entender exatamente o que eles aprendem ou como chegam em determinada conclusão durante uma inferência, trazemos um tema que vem ganhando cada vez mais importância, Interpretabilidade. Em certos casos, a necessidade de provar que um modelo não apresenta vieses que discriminem nenhum grupo da sociedade e de justificar por que certa decisão foi tomada nos obriga a prover explicações. Deste modo, vamos introduzir o tema com as suas principais motivações e vamos apresentar algumas técnicas, com exemplos, de como aplicar Interpretabilidade e como ela pode nos ajudar. | https://www.youtube.com/watch?v=MkzeYES8iVU | SlideShare |
Data Storytelling: essencial para comunicar o resultado da análise de dados - Alessandra Paz
| Resumo | Vídeo | Slides |
|---|---|---|
| Podemos acompanhar uma crescente demanda por projetos para análise de dados nas mais variadas áreas de negócio e pesquisa. Estamos avançando no desenvolvimento de técnicas e modelos para gerar muitos novos insights sobre a imensidão de dados disponíveis. Mas como estamos fazendo a comunicação dessas descobertas? Pois para que os resultados dessas análises (insights) sejam convertidos em valor real, o público-alvo precisa compreender e se motivar pelo que está sendo compartilhado. Portanto, uma apresentação efetiva é chave para o sucesso de qualquer projeto. E para atingir esse objetivo, podemos utilizar estratégias de data storytelling. Nessa palestra, veremos o conceito de data storytelling e do processo de visual data storytelling. Além disso, serão apresentados alguns exemplos de caso de uso, e um compilado de dicas para auxiliar no planejamento de futuras apresentações de resultados de análise de dados. | https://www.youtube.com/watch?v=0jysgi1CLFw | SlideShare |
https://www.meetup.com/pt-BR/Machine-Learning-Porto-Alegre/events/266380501/
https://www.youtube.com/playlist?list=PL7L8tg5-YR5_m2vLqezQdZmygFInUOg5-
Machine Learning e Acessibilidade - Juliano Vacaro
| Resumo | Vídeo | Slides |
|---|---|---|
| Nesta apresentação será discutido como técnicas de aprendizado de máquina podem resolver desafios na vida de pessoas com deficiência visual. Em particular, serão apresentados algoritmos do estado da arte na área de perguntas e respostas baseadas em imagens (visual question answering) por envolver capacidades de compreensão, representação de informações de diferentes modalidades, mecanismos de atenção, e também por adotar um paradigma de interação onde o usuário é capaz de interrogar uma imagem por aspectos específicos. Embora os algoritmos avançaram de forma significativa, veremos que ainda não é possível usá-los diretamente para resolver o problema em questão. | https://www.youtube.com/watch?v=hmJzGvaYayU | TBD |
Aprendizados e insights que tive com 10 projetos de Machine Learning - Jayme Anchante
| Resumo | Vídeo | Slides |
|---|---|---|
| Nunca participou de um projeto envolvendo machine learning e tem curiosidade em saber os bastidores? Já participou de alguns, mas tem interesse em discutir o tema? Vou abordar alguns aprendizados que tive em projetos de Machine Learning e compartilhar mais detalhes de um case real ou mostrar um livecoding de um caso que poderia ser real. | https://www.youtube.com/watch?v=mAYRZxDagOQ | Slides |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/264525466/
https://www.youtube.com/watch?v=1M95LQCvCjI&list=PL7L8tg5-YR58Im5lHVDFKi2cahEahOknK
Machine Learning para Ações - Mauricio Argemi
| Resumo | Vídeo | 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. | https://www.youtube.com/watch?v=CdouUv19MXU | Google Drive |
Geometric Deep Learning - Roberto Coutinho e Holisson da Cunha
| Resumo | Vídeo | Slides |
|---|---|---|
| Geometric Deep Learning é um subcampo de Deep Learning, focado em técnicas para o desenvolvimento de modelos de redes neurais em domínios não-euclidianos, como grafos e objetos 3D. Embora modelos de Deep Learning tenham alcançado sucesso em problemas relacionados a visão computacional, linguagem natural e processamento de áudio, seguindo as regras da geometria euclidiana, essas técnicas não podem ser aplicadas diretamente em domínios 3D. Nessa conversa, nosso objetivo é apresentar uma visão geral sobre Geometric Deep Learning, seus conceitos fundamentais, e demonstrar como Redes Neurais Convolucionais podem ser aplicados em grafos. | https://www.youtube.com/watch?v=1M95LQCvCjI | Google Drive |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/259764047/
https://www.youtube.com/playlist?list=PL7L8tg5-YR59UKdIAaj415w5oxyjkAgml
Métodos de Boosting aplicados à dados tabulares - Luiz Antônio Nonenmacher Júnior
| Resumo | Vídeo | Slides |
|---|---|---|
| Embora muito se fale do excelente desempenho de redes neurais nas mais variadas tarefas, quando se trata de dados tabulares os métodos que hoje apresentam o melhor desempenho e estão ganhando competições no Kaggle são métodos de boosting que utilizam árvores de decisão. Nessa palestra, vamos explorar todos os conceitos necessários para entender esses métodos, iniciando por ensembling seguido de boosting (um tipo específico de ensembling) e finalizando com as implementações mais utilizadas (XGBoost, LightGBM e CatBoost). | https://youtu.be/sN7GACvb3LE | Google Drive |
Classificação hierárquica de texto com word embeddings - Roger Stein
| Resumo | Vídeo | Slides |
|---|---|---|
| Técnicas de mapeamento de palavras em vetores de números reais (word embeddings) combinados com algoritmos modernos de aprendizado de máquina têm recentemente produzido uma melhoria considerável em tarefas de classificação automática de textos. Nessa palestra, veremos uma aplicação experimental de algumas dessas técnicas (GloVe, word2vec e fastText) e desses algoritmos (fastText, XGBoost e CNN) ao problema da classificação hierárquica de texto (HTC) em um banco de dados de artigos jornalísticos. | https://youtu.be/DHMuyeYdRfo | Google Drive |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/255587757/
https://www.youtube.com/playlist?list=PL7L8tg5-YR599qAXOb2aIR8nkKMLX7r3R
Machine Learning aplicado aos mercados financeiros e de criptomoedas - Rodrigo Soares Tadewald
| Resumo | Vídeo | Slides |
|---|---|---|
| Formado em Engenharia Química pela UFRGS, ex-sócio da Quantitas Gestora de Recursos e atualmente sócio-fundador da Asimov Trading, Rodrigo Soares Tadewald atua há mais de 3 anos desenvolvendo estratégias quantitativas de investimento e irá contar um pouco sobre suas experiências no mercado financeiro e de criptomoedas e como as novas tecnologias de inteligência artificial aliadas ao Big Data estão revolucionando a forma como se investe no mundo. | https://youtu.be/Rb5cd0BK-P4 | - |
Mecanismos de Self-Attention - Henrique Dias
| Resumo | Vídeo | Slides |
|---|---|---|
| - | https://youtu.be/96uWGIJjX7M | - |
Árvores de Decisão e Floresta Aleatória em Python puro - Israel de Oliveira
| Resumo | Vídeo | Slides |
|---|---|---|
| Com o aumento de popularidade da ciência de dados, técnicas de reconhecimentos de padrões, baseadas em aprendizado de máquina, servem como extratoras de informações relevantes de dados massivos. Dentre as diversas técnicas, uma técnica conceitualmente simples mas muito poderosa é a Floresta Randômica (Random Forest). Professor de Física e Mestre em Eng. Elétrica, Israel de Oliveira apresentará o método de Árvore Decisória e Floresta Randômica para classificação e regressão. Compartilhará algumas noções e melhorias na implementação utilizando Jupyter Notebook e Python. | https://youtu.be/96uWGIJjX7M | Github |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/252135530/
https://www.youtube.com/playlist?list=PL7L8tg5-YR5-hcBgE9WjPa8P7aIhoc2XD
Machine Learning nas Ciências da Saúde - Professor Ives Cavalcante Passos, MD, PhD
| Resumo | Vídeo | Slides |
|---|---|---|
| A análise de big data, sobretudo com algoritmos de machine learning, está ganhando força na pesquisa nas ciências da saúde e pode fornecer modelos preditivos tanto para a prática clínica quanto para os sistemas de saúde pública. Em comparação com os métodos estatísticos tradicionais que fornecem resultados de nível de grupo, os algoritmos de machine learning permitem previsões e estratificação dos resultados clínicos no nível individual. Nessa aula, destacaremos as principais utilizações desses algoritmos em relação aos desfechos clínicos. | https://youtu.be/FyQ0_FAeKME | - |
Incerteza em Machine Learning - Roberto Silveira
| Resumo | Vídeo | Slides |
|---|---|---|
| Nessa palestra, vamos falar sobre o conceito de incerteza de predições em machine learning/deep learning. Atualmente, muitos dos métodos e modelos não consideram essa variável na hora da concepção, e para algumas aplicações isso é extremamente importante. Vamos falar de incerteza no modelo e incerteza nos dados, quais as técnicas para inserir incerteza na predição, e quais a tendências futuras nessa área. | https://youtu.be/jN2oGoLVlDo | SlideShare |
Reinforcement Learning aplicado a jogos- Thomas Paula
| Resumo | Vídeo | Slides |
|---|---|---|
| Nessa palestra, vamos falar sobre a aplicação de Reinforcement Learning aplicado a jogos. Recentemente, o OpenAI criou um algoritmo capaz de vencer um time de DOTA, considerado um jogo com bastante complexida envolvida. Nessa palestra, iremos avaliar o papel de Reinforcement Learning no mundo dos jogos, fazendo um apanhado dos principais acontecimentos e suas implementações. Iremos também discutir algumas tendências na área bem como como essas técnicas podem ser utilizadas para outros problemas. | https://youtu.be/ABdAYoJY9jc | SlideShare |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/249365467/
https://www.youtube.com/playlist?list=PL7L8tg5-YR5-0-z1kUV7Bh0i7X_fXG6O2
Detecção de Objetos com Redes Neurais Convolucionais: Um overview do YOLO - Gabriel Simões
| Resumo | Vídeo | Slides |
|---|---|---|
| O emprego de redes neurais convolucionais vem revolucionando diversos problemas complexos na área de visão computacional. Detecção de objetos em imagens digitais é um problema complexo visto que, para um dado objeto, existem infinitas possibilidades de variações de posição, dimensão, iluminação e oclusão, inviabilizando a construção de um modelo hand-crafted eficaz para a solução deste problema. Neste sentido, redes convolucionais, quando treinadas em datasets de imagens anotadas quanto a ocorrência de determinados objetos, são capazes de aprender estes conceitos transformando-se em extratores de features que possibilitam identificar a ocorrência destes objetos. De acordo com a arquitetura de saída destas redes, é possível identificar também a posição e as dimensões dos objetos. YOLO é um método de detecção de objetos apoiado por redes convolucionais que apresenta resultados surpreendentes por sua precisão, cobertura e velocidade. Neste meetup, iremos dissecar o funcionamento deste método e observar seu funcionamento. | https://youtu.be/6n2XxuKs45M | - |
Reconhecimento de padrões baseado em álgebra multilinear - Israel de Oliveira
| Resumo | Vídeo | Slides |
|---|---|---|
| Uma classe de métodos na área de reconhecimento de padrões que tem chamado atenção é a dos métodos multilineares. Diferente dos métodos lineares e dos não lineares, a representação e análise dos dados é realizada na sua forma natural: alta dimensionalidade e, por vezes, esparsa. Objetiva-se com tais métodos a preservação de correlações entre dimensões as quais seriam perdidas completa ou parcialmente quando convertidas em representações com menos dimensões. É apresentada a estrutura básica do tensor e a decomposição tensorial, bem como um método do estado da arte e uma formulação ainda não publicada. São apresentados, também, algumas problemáticas no uso de tensores aplicados a métodos de aprendizado de máquina e uma proposta de trabalho futuro. | https://youtu.be/BQDuC_7_GZA | - |
Aprendizagem não-supervisionada e o PageRank - Henrique Dias
| Resumo | Vídeo | Slides |
|---|---|---|
| As técnicas mais clássicas de aprendizagem de máquina focam na aprendizagem supervisionada. Nessa palestra, iremos focar em alguns problemas onde a aprendizagem não-supervisionada pode ser útil. Vamos também mostrar algumas abordagens que usam o algoritmo PageRank do Google para classificar as instâncias. | https://youtu.be/-L60t9vJ-Zw | - |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/246729503/
https://www.youtube.com/playlist?list=PL7L8tg5-YR5-hKCymv6kOycCsU5YBSrCn
Deep Learning e PLN - Willian Becker
| Resumo | Vídeo | Slides |
|---|---|---|
| Serão apresentadas algumas aplicações de Deep Learning para PLN, diferentes formas de representação de texto para algoritmos e uma arquitetura de Rede Neural profunda com classificação multi-tarefa em dados de redes sociais. | https://youtu.be/ZtrO54s-foQ | SlideShare |
Machine Learning aplicado a sistemas de controle multivariável - Gabriel Gosmann e Diego Machado
| Resumo | Vídeo | Slides |
|---|---|---|
| Sistemas de controle são essenciais para o funcionamento de praticamente qualquer setor da indústria, porém, o desenvolvimento de sistemas de controle multivariável através do modelamento matemático das plantas pode caracterizar um desafio teórico (devido complexo desenvolvimento do cálculo multivariável) e prático (uma vez que os modelos não se encaixam perfeitamente na realidade). Nessa pesquisa descrevemos um método para automação de sistemas de controle multivariável baseado no treinamento de redes neurais artificiais e da utilização de algoritmo genético. | https://youtu.be/Y7xTojKGTHQ | SlideShare |
https://www.meetup.com/pt-BR/Machine-Learning-Porto-Alegre/events/243336783/
--
Aprendizado de Máquina na Saúde: Introdução Conceitual e Relato de Caso Prático - Tiago Vaz
| Resumo | Vídeo | Slides |
|---|---|---|
| Tiago Vaz apresenta o trabalho realizado junto a Qualis Infectologia, um serviço de telemedicina que faz a utilização de machine learning na busca ativa em prontuários médicos e relata os avanços do LabRad, laboratório de Pesquisa & Desenvolvimento de Visão Computacional no Hospital de Clínicas de Porto Alegre. | - | Google Drive |
Introdução a Lógica Difusa - Alexandre Soares
| Resumo | Vídeo | Slides |
|---|---|---|
| Como construir os processos de decisão de modo automatizado em aplicações que respondam a estímulos de natureza imprecisa, contribuindo para a elaboração de sistemas computacionalmente previsíveis e escaláveis dos processos de ponderação humana. | - | - |
Detecção da intrusão utilizando modelos neuro-difusos- Alexandre Soares
| Resumo | Vídeo | Slides |
|---|---|---|
| Atualmente o cenário de ameaças observados nos tráfegos de redes é classificado como polimórfico, ou seja, o ataque normalmente encontra-se oculto por perfis de uso fortemente auto-similares. Assim, um ataque pode ser elaborado de diferentes maneiras com o objetivo de explorar uma vulnerabilidade específica presente em um serviço disponível em um ambiente remoto. Esta apresentação busca de alternativas aos atuais mecanismos de segurança, usualmente limitados a compreender a ameaça de maneira rígida e pouco flexível. Para tanto é proposto o uso da lógica difusa em associação aos mecanismos de aprendizado das redes neurais. Esta combinação permite identificar com maior precisão a presença de um ataque em meio a diversos tráfegos considerados normais. A qualidade desta avaliação é realizada por meio de um processo de decisão mais robusto e capaz de suportar diversos graus de diferenciação do ataque original e assim diminuir a quantidade de alarmes falsos. | - | - |
https://www.meetup.com/pt-BR/Machine-Learning-Porto-Alegre/events/240552115/
https://www.youtube.com/playlist?list=PL7L8tg5-YR59ktr5hU43pcIBtSCslJz0K
Machine Learning com Python - Henry E. L. Cagnini
| Resumo | Vídeo | Slides |
|---|---|---|
| Uma introdução à linguagem de programação Python para programadores com experiência em outras linguagens, com foco em bibliotecas para aprendizado de máquina e mineração de dados. | https://youtu.be/8ue-_N-ihqQ | Google Docs |
Similaridade entre frases: do texto até o modelo - Allan Barcelos
| Resumo | Vídeo | Slides |
|---|---|---|
| Uma introdução à avaliação de similaridade entre frases, abordando desde o pré-processamento, até a obtenção do modelo de aprendizagem de máquina. | https://youtu.be/IEsXY5es6FM | - |
https://www.meetup.com/pt-BR/Machine-Learning-Porto-Alegre/events/238408953/
https://www.youtube.com/playlist?list=PL7L8tg5-YR59q2Cy6S6Rnt40C2kuqAkzG
Chatbots e deep learning - Andherson Maeda
| Resumo | Vídeo | Slides |
|---|---|---|
| Nessa apresentação faremos uma introdução a chatbots e machine learning. Com foco especial em deep learning, mostraremos algumas técnicas de aprendizagem de máquina e plataformas que são utilizadas atualmente para a construção desses bots. | https://youtu.be/WFMCEGyBzjQ | SlideShare |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/236671174/
https://www.youtube.com/watch?v=EVMIR6siWbI&list=PL7L8tg5-YR58i9h99GtYcer-23rwTZvyC
Word embeddings - Christian S. Perone
| Resumo | Vídeo | Slides |
|---|---|---|
| Uma introdução sobre o que são word embeddings, qual a motivação dos modelos utilizados, como funciona o modelo word2vec, algumas aplicações e propriedades interessantes destes vetores. | https://youtu.be/EVMIR6siWbI | SlideShare |
Seq2Seq models - Roberto Silveira
| Resumo | Vídeo | Slides |
|---|---|---|
| Nessa apresentação, vamos introduzir os modelos do tipo "sequence to sequence" (Seq2Seq) muito usados em processamento de linguagem natural, mostrando detalhes do modelo e algumas aplicações práticas como tradução automática (machine translation), legenda de imagens (image captioning), chatbots, etc. | https://youtu.be/01rUXzzgepU | SlideShare |
Generative Adversarial Networks - Thomas Paula
| Resumo | Vídeo | Slides |
|---|---|---|
| Uma introdução sobre o que são Generative Adversarial Networks (GANs), porque estuda-las e para o que servem. Iremos ver qual a contribuição delas para Machine Learning e por qual motivo têm sido consideradas um dos grandes breakthroughs dos últimos 2 anos. | https://youtu.be/JJxJtn_FLRE | SlideShare |
https://www.meetup.com/pt-BR/Machine-Learning-Porto-Alegre/events/233698150/
https://www.youtube.com/watch?v=5uvnIkxzY7M&list=PL7L8tg5-YR5-s5XyRKabDrYc-Qe7J--iQ
Hidden Markov Models e o algoritmo de Baum-Welch - Joaquim Assunção
| Resumo | Vídeo | Slides |
|---|---|---|
| Hidden Markov Models (HMMs) são especialmente usados na área de reconhecimento de fala e escrita. Porém, também são usados para detectar padrões e prever eventos em séries temporais. Esta palestra visa mostrar conceitos básicos de HMMs e seu mais famoso algoritmo de aprendizagem, Baum-Welch (BW). | https://youtu.be/5uvnIkxzY7M | - |
É uma questão de tempo: Como o processamento temporal influencia o estado da arte em redes neurais - Rafael Borges
| Resumo | Vídeo | Slides |
|---|---|---|
| Tempo é um aspecto essencial para qualquer tarefa na Ciência da Computação e Análise de Dados, além de ser crucial para o entendimento e modelagem de habilidades cognitivas. Considerando a prerrogativa de redes neurais serem inspiradas na cognição humana para realizar diferentes tarefas computacionais, o entendimento da representação e aprendizagem temporais são fundamentais para a pesquisa e aplicação de sistemas conexionistas. Nesta apresentação, trazemos uma visão geral da influência de diferentes aspectos temporais em redes neurais artificiais, bem como do histórico de diferentes recursos usados para manipular tempo explicitamente nestas arquiteturas. Com base neste background, apresentamos dois diferentes casos de sucesso no estado-da-arte de redes neurais profundas e convolucionais: O uso de LSTM (Long Short Term Memory) em aprendizagem supervisionada, e aplicações de redes convolucionais para aprendizagem por reforço. | https://youtu.be/aQW_w0vPO5U | - |
https://www.meetup.com/pt-BR/Machine-Learning-Porto-Alegre/events/231745665/
https://www.youtube.com/watch?v=K5JT9OyQzbg&list=PL7L8tg5-YR5_eL8bKPiL2AxJRJu-az7zH
Introdução à Sistemas de Recomendação - Ralph Rassweiler
| Resumo | Vídeo | Slides |
|---|---|---|
| Serão apresentados os conceitos básicos de sistemas de recomendação, filtro colaborativo, filtro baseado em conteúdo, avaliação e recursos. | https://youtu.be/K5JT9OyQzbg | SlideShare |
Palestra prática sobre Sistemas de Recomendação - Juarez Bochi e Julia Kikuye
| Resumo | Vídeo | Slides |
|---|---|---|
| Será apresentada uma aplicação prática de sistemas de recomendação para a recomendação de repositórios no Github utilizando filtragem colaborativa. | https://youtu.be/8lqUy7RnLFQ | Github |
https://www.meetup.com/Machine-Learning-Porto-Alegre/events/230322366/
https://www.youtube.com/playlist?list=PL7L8tg5-YR5-DTeXhY0fyOR9sFgOR67mh
Introdução a Machine Learning - Thomas Paula
| Resumo | Vídeo | Slides |
|---|---|---|
| Uma introdução ao Machine Learning, com alguns conceitos básicos. Explicação introdutória de redes neurais, iniciando no modelo de um neurônio e indo até os modelos mais atuais como Convolutional Neural Network (CNN). | https://youtu.be/uPV_Nsf6Zss | SlideShare |
Algoritmos Ensemble com Árvores de Decisão - Andressa Sivolella
| Resumo | Vídeo |
|---|---|
| Árvore de Decisão é um algoritmo de máquina de aprendizado supervisionado. Uma das grandes desvantagens desse algoritmo é a dependência do conjunto de treino. Qual o problema disso? O que ocorre com classificadores desse tipo é o overfitting. Em outras palavras, tais classificadores ficam 'viciados' no conjunto de treino. O que fazer para contornar isso? É aí que surge o método ensemble: tal método utiliza como classificação o voto majoritário de um conjunto de classificadores ditos fracos. Intuitivamente, seria como se numa conferência médica, especialistas em diferentes áreas quisessem diagnosticar um paciente com diferentes sintomas. O diagnóstico dado pelo voto majoritário de todos os conferencistas é mais forte que o diagnóstico dado por um único médico, certo? Quer ver isso funcionando? Você pode conferir essa palestra através de uma apresentação de exemplos práticos. | https://youtu.be/8HI_CjbG4cw |
Deep Learning - Convolutional Neural Networks - Architectural Zoo - Christian S. Perone
| Resumo | Vídeo | Slides |
|---|---|---|
| Um breve apanhado pelas diferentes arquiteturas e aplicações de Deep Learning relacionadas com CNNs (Convolutional Neural Networks), um dos modelos mais utilizados em Deep Learning. | https://youtu.be/Sl8cSJI5V8U | SlideShare |
Dataviz for Dummies - Roberto Silveira
| Resumo | Vídeo | Slides |
|---|---|---|
| Essa palestra introdutória sobre visualização de dados pretende mostrar alguns conceitos básicos e técnicas a serem utilizadas com o intuito de melhorar a forma que dados são apresentados e de como a visualização pode ajudar na compreensão de dados complexos. | https://youtu.be/gh-UyoZndTA | SlideShare |