Inscrições Prorrogadas – Mestrado e Doutorado em Informática

As inscrições para o programa de pós-graduação em Informática (Mestrado e Doutorado) oferecido pelo Departamento de Informática da PUC-Rio foram prorrogadas até o dia 15 de julho de 2022. O edital abrange as seguintes áreas de concentração:

  •         Bancos de Dados (BD)
  •         Ciência de Dados (CD)
  •         Computação Gráfica (CG)
  •         Engenharia de Software (ES)
  •         Hipertexto e Multimídia (HM)
  •         Interação Humano-Computador (IHC)
  •         Linguagens de Programação (LP)
  •         Otimização e Raciocínio Automático (OTR)
  •         Redes de Computadores e Sistemas Distribuídos (RCSD)
  •         Teoria da Computação (TC)

Cada área de concentração tem diversas linhas de pesquisa, dentre as quais se pode citar: Jogos e Entretenimento Digital; Visualização 3D; Engenharia de Software Experimental; Computação Móvel; e Redes de Alta Velocidade. Outras linhas têm caráter mais interdisciplinar, como Bioinformática e Inteligência Artificial (pesquisadas em várias das áreas de concentração do DI).

O Programa de Pós-Graduação do Departamento de Informática da PUC-Rio (DI) tem sua excelência reconhecida por pesquisadores e instituições nacionais e internacionais, bem como por órgãos dos ministérios de Ciência e Tecnologia e da Educação que avaliam os pesquisadores e os programas de pós-graduação do Brasil. Na avaliação da CAPES o programa é avaliado com conceito máximo (7).  

Laboratório Daslab

Apresentamos hoje o Laboratório Daslab

O Daslab é o Núcleo de Inovação Tecnológica (NIT) em Ciência de Dados do Departamento de Informática da PUC-Rio. Ele é co- coordenado pelos professores Hélio Lopes e Simone D. J. Barbosa. Seu objetivo é fazer Pesquisa & Desenvolvimento & Inovação em Ciência de Dados incluindo as suas áreas afins:
Aprendizado de Máquina, Mineração de Dados, Mineração de Processos, Visualização, UX / UI, Inteligência Artificial, Bancos de Dados, IoT e Ética na Computação. Desde a sua criação em 2017, o daslab tem executado importantes projetos com a indústria e tem promovido a difusão de conceitos de data science em diversos setores. O Daslab tem uma forte colaboração com outros NITs do Departamento de Informática, principalmente com os laboratórios Ideias, Galgos e ExACTa.

Assim como outros laboratórios do DI da PUC-Rio, o daslab proporciona aos alunos do Departamento a possibilidade de atuarem como colaboradores e ter contato com diversas teorias diretamente aplicadas à prática, buscando soluções para resolver problemas reais de diversas empresas através de projetos específicos desenvolvidos pelo laboratório.

Conheça mais sobre o Daslab:
http://www.daslab.inf.puc-rio.br/

Laboratório Galgos

Apresentamos hoje o Laboratório Galgos.

O Galgos é um Núcleo de Inovação Tecnológica vinculado ao Departamento de Informática da PUC-Rio cujo foco principal é o desenvolvimento e aplicação de métodos algorítmicos para o manuseio e análise de grandes volumes de dados e otimização de recursos de médio e grande porte. Os membros do laboratório são encorajados a desenvolver uma forte experiência em métodos quantitativos, trabalhando com técnicas clássicas de design de algoritmos, técnicas de programação matemática e técnicas de aprendizagem de máquinas.

Atualmente o laboratório é coordenado pelo Prof. Marcus Poggi e conta com a colaboração de professores, pesquisadores e alunos do DI da PUC-Rio. Assim como outros laboratórios do DI da PUC-Rio, o Galgos proporciona aos alunos do Departamento a possibilidade de atuarem como colaboradores e ter contato com diversas teorias diretamente aplicadas à prática, buscando soluções para resolver problemas reais de diversas empresas através de projetos específicos desenvolvidos pelo laboratório.

Conheça mais sobre o Galgos:

http://www.inf.puc-rio.br/blog/laboratorio/atd-lab/

Defesa de Dissertação de Mestrado da Aluna Marisa do Carmo Silva

Defesa de Dissertação de Mestrado da Aluna Marisa do Carmo Silva

Título da dissertação:

StoryMaker: uma ferramenta de apoio à criação de data stories

Resumo:

Devido ao crescimento da produção e disponibilidade de dados, houve uma consequente necessidade de explorá-los em busca de entendê-los, comunicar essas informações e gerar conhecimentos. Diante deste cenário de produção de informação a partir do grande volume de dados surgiu o Jornalismo de Dados, campo que busca incluir visualizações mais claras e contar histórias baseadas nos fatos, de forma a facilitar a compreensão do público. Entretanto, há uma necessidade de desenvolver e melhorar as ferramentas de análise visual com suporte a narrativas. Neste documento, descrevemos a nossa proposta de pesquisa que consiste na expansão da ferramenta de visualização de dados VisMaker, integrando a possibilidade de criação de \textit{data stories} para as visualizações.

Orientador(a):

Prof(a) Dr(a) Simone Diniz Junqueira Barbosa

Banca:

Prof(a) Dr(a) Marilia Soares Martins

Prof Dr Bruno Feijó

Prof Dr Helio Côrtes Vieira Lopes

Acompanhe-nos pelo link:
http://www.inf.puc-rio.br/blog/noticia/noticia/defesa-de-dissertacao-de-mestrado-storymaker-uma-ferramenta-de-apoio-a-criacao-de-data-stories

Defesa de Dissertação de Mestrado do aluno Pedro Vinicius Almeida de Freitas

Defesa de Dissertação de Mestrado do aluno Pedro Vinicius Almeida de Freitas

Título da dissertação:

Sensitive Content Detection in Video with Deep Learning

Resumo:

Grandes quantidades de vídeo são carregadas em plataformas de hospedagem de vídeo a cada minuto. Esse volume de dados apresenta um desafio no controle do tipo de conteúdo enviado para esses serviços de hospedagem de vídeo, pois essas plataformas são responsáveis por qualquer mídia sensível enviada por seus usuários. Nesta dissertação, definimos conteúdo sensível como sexo, violência, gore ou qualquer mídia que possa causar angústia no espectador. Apresentamos um conjunto de dados de vídeo sensível para classificação binária de vídeo (se há conteúdo sensível no vídeo ou não), contendo 127 mil vídeos anotados, cada um com seus embeddings de áudio e visual extraídos. Também treinamos e avaliamos quatro modelos baseline para a tarefa de detecção de conteúdo sensível em vídeo. O modelo com melhor desempenho obteve 99% de F2-Score ponderado no nosso subconjunto de testes e 88,83% no conjunto de dados NPDI pornography-2k.

Orientador:

Prof. Doutor Sérgio Colcher

Banca:

Prof(a) Doutor(a) Sandra Eliza Fontes

Prof Doutor Alberto Barbosa Raposo

Prof. Doutor Julio Cesar Duarte

Acompanhe-nos pelo link:

http://www.inf.puc-rio.br/blog/noticia/noticia/defesa-de-dissertacao-de-mestrado-sensitive-content-detection-in-video-with-deep-learning

Defesa de Dissertação de Mestrado da aluna Patricia Ferreira da Silva

Defesa de Dissertação de Mestrado da aluna Patricia Ferreira da Silva

Título da dissertação:
ResRiskOnto: an application ontology for risks in the petroleum reservoir domain

Resumo:
Este trabalho apresenta a Reservoir Risks Ontology (ResRiskOnto), uma ontologia aplicada para riscos na indústria de óleo e gás associados ao domínio de reservatórios. Os blocos utilizados na
construção desta ontologia são termos dominados por profissinais de reservatório, de forma a facilitar sua adoção na documentação futura de riscos.A ResRiskOnto foi desenvolvida tendo como ideia central o conceito de Evento de Risco. Cada evento tem um conjunto de possíveis Participantes, que por sua vez possuem Características manifestadas durante o evento. A ontologia oferece um conjunto de 94 termos, 29 dos quais derivados da classe Evento de Risco.Para o desenvolvimento da ResRiskOnto, conduzimos uma análise semântica em documentos contendo aproximadamente 2500 riscos relacionados a reservatórios descritos em linguagem natural. Este repositório é o resultado de centenas de workshops de avaliação de riscos em projetos de óleo & gás, conduzidos na Petrobras ao longo de uma década.A ontologia aqui apresentada tem seus fundamentos nos princípios da Basic Formal Ontology (BFO). A BFO é uma ontologia de topo, projetada para descrever domínios científicos. Uma de suas características mais marcantes é seu compromisso com o Realismo, uma visão filosófica segundo a qual os entes que constituem o que é real existem independentemente da nossa representação a respeito desses entes. Na camada de domínio as entidades de reservatório são descritas segundo os princípios da GeoCore Ontology, uma ontologia para a Geologia. GeoCore dá suporte ao entendimento geológico, contribuindo assim para elucidar o domínio de Reservatórios. Para validar a ResRiskOnto os documentos do repositório foram anotados utilizando os entes e relações definidos na ontologia, para desenvolvimento de um modelo de processamento em linguagem natural capaz de reconhecer entidades nomeadas e extrair as relações entre elas. Nossa contribuição é uma ontologia aplicada que permite o raciocínio semântico no repositório de documentos de risco. Também esperamos que ela forneça (i) as bases para modelagem de dados no caso de riscos relacionados a reservatórios; e (ii) um padrão para futura documentação de riscos no domínio de reservatório.

Orientador:
Prof. Doutor Helio Côrtes Vieira Lopes

Banca:
Prof. Doutor Rafael Jesus de Moraes
Prof.(a) Doutor(a) Simone Diniz Junqueira Barbosa
Prof. Doutor Regis Kruel Romeo
Prof. Doutor William Paulo Ducca Fernandes

Link: http://www.inf.puc-rio.br/blog/noticia/noticia/defesa-de-dissertacao-de-mestrado-resriskonto-an-application-ontology-for-risks-in-the-petroleum-reservoir-domain

Defesa de doutorado do aluno Antônio José Grandson Busson

Defesa de doutorado do aluno Antônio José Grandson Busson

Título da tese:

A Self-supervised Method for Blind Denoising of Seismic Shot Gathers

Resumo:

Nos últimos anos, a geofísicos tem se dedicado ao aprimoramento da qualidade dos dados sísmicos por meio da atenuação de ruído e interpolação de sismogramas usando métodos puramente baseados em CNN. Métodos baseados em CNN podem alcançar resultados estado-da-arte para remoção de ruídos. No entanto, eles não se aplicam a cenários sem dados de treinamento emparelhados (ou seja, dados sísmicos ruidosos e dados sísmicos sem ruído correspondentes). Neste trabalho, tratamos a atenuação de ruídos de dados sísmicos como um problema de atenuação de ruído cega, que consiste em remover ruídos desconhecidos sem dados pareados. Em outras palavras, a base usada pelo modelo de denoiser é aprendida a partir das próprias amostras ruidosas durante o treinamento. Motivado por este contexto, o principal objetivo deste trabalho é propor um método auto-supervisionado para atenuação cega de dados sísmicos, que não requer análise prévia do sinal sísmico, nenhuma estimativa do ruído e nenhum dado de treinamento pareado.

O método proposto assume dois conjuntos de dados: um contendo shot gathers com ruídos e o outro com shot gathers sem ruídos. A partir desses dados, treinamos dois modelos: (1) Seismic Noise Transfer (SNT), que aprende a produzir shot gathers com ruído sintético contendo o ruído dos shot gathers com ruído e o sinal dos shot gathers sem ruído; E (2) Sismic Neural Denoiser (SND), que aprende a mapear os shot gathers com ruído sintético de volta à coleta aos shot gathers sem ruído original. Após o treinamento, o SND sozinho é usado para remover o ruído das capturas ruidosas originais. Nosso modelo SNT adapta o algoritmo Neural Style Transfer (NST) ao domínio sísmico. Além disso, nosso modelo SND consiste em uma nova arquitetura CNN baseada em fusão de atributos em várias escalas para eliminação de ruído em shot gathers. Nosso método produziu resultados promissores em experimentos, alcançando um ganho de PSNR de 0,9 em comparação com outros modelos de última geração.

Orientador:

Prof(a). Doutor(a) Sérgio Colcher

Banca:

Prof Doutor André Bulcão

Prof Doutor Julio Cesar Duarte

Prof Doutor Marcelo Gatass

Prof Doutor Alberto Barbosa Raposo

Prof Doutor Jônatas Wehrmann

Prof. Doutor Sergio Lifschitz

Prof. Doutor Alan Livio Vasconcelos Guedes

Acompanhe-nos pelo link:

http://www.inf.puc-rio.br/blog/noticia/noticia/defesa-de-tese-de-doutorado-a-self-supervised-method-for-blind-denoising-of-seismic-shot-gathers

Laboratório LES

Apresentamos hoje o LES – Laboratório de Engenharia de Software, que desenvolve projetos inovadores de pesquisa avançada em áreas de engenharia de software que requerem a aplicação e análise de técnicas e soluções altamente complexas. Atualmente o laboratório é coordenado pelo Prof. Carlos José Pereira Lucena e conta com a colaboração de professores, pesquisadores e alunos do DI da PUC-Rio.

Um dos grupos de pesquisa do LES com atuação bastante destacada é o Opus, coordenado pelo Professor Alessandro Garcia do DI da PUC-Rio.

Assim como outros laboratórios do DI da PUC-Rio, o LES proporciona aos alunos do Departamento a possibilidade de atuarem como colaboradores e ter contato com diversas teorias diretamente aplicadas à prática, buscando soluções para resolver problemas reais de diversas empresas através de projetos específicos desenvolvidos pelo laboratório.

Conheça mais sobre LES:

http://les.inf.puc-rio.br/

Defesa de doutorado do aluno Thales Levi Azevedo Valente

Defesa de doutorado do aluno Thales Levi Azevedo Valente

https://puc-rio.zoom.us/j/95153657421?pwd=OWkvVm9mMzZEQ2RDZnFKN3I1amltQT09

Título da tese:

Method for automatic detection of stamps in scanned documents using deep learning and synthetic data generation by instance augmentation.

Resumo:

Documentos digitalizados em ambientes de negócios substituíram grandes volumes de papéis. Profissionais autorizados usam carimbos para certificar informações críticas nesses documentos. Muitas empresas precisam verificar o carimbo adequado de documentos de entrada e saída. Na maioria das situações de inspeção, as pessoas usam seus próprios olhos para identificar carimbos, e a verificação manual de carimbos é cansativa, suscetível a erros e ineficiente em termos de tempo gasto e resultados esperados. Erros na verificação manual de carimbos podem gerar multas de órgãos reguladores, interrupção de operações e até mesmo comprometer fluxos de trabalho e transações financeiras. Propomos duas técnicas que combinadas podem resolver esse problema automatizando totalmente a detecção de carimbos em documentos digitalizados do mundo real.

Nossas técnicas podem lidar com conjuntos de dados contendo muitos tipos de carimbos minoritários (de tamanho de amostra pequena), com sobreposições, combinações diferentes por página e dados ausentes. Na primeira técnica, propomos uma arquitetura de rede profunda projetada a partir da relação entre os problemas identificados em carimbos do mundo real e os desafios e soluções da tarefa de detecção de objetos apontados na literatura.

Na segunda técnica, propomos um método para aumentar, por exemplo, conjuntos de dados de carimbos a partir de dados reais para investigar se é possível detectar tipos de carimbos com amostras insuficientes.

Avaliamos os hiperparâmetros da abordagem de aumento de instâncias e os resultados obtidos através de um método Deep Explainability. Alcançamos resultados de última geração para a tarefa de detecção de carimbos combinando com sucesso essas duas técnicas.

Orientador:

Prof. Doutor Marcelo Gattas, PUC-Rio

Banca:

Prof. Doutor Paulo Ivson Netto Santos, PUC-Rio

Prof. Doutor Aristófanes Corrêa Silva, UFMA

Prof. Doutor Waldemar Celes Filho, PUC-Rio

Acompanhe-nos também no site:

http://www.inf.puc-rio.br/blog/noticia/noticia/defesa-de-tese-de-doutorado-method-for-automatic-detection-of-stamps-in-scanned-documents-using-deep-learning-and-synthetic-data-generation-by-instance-augmentation

Instituto Tecgraf da PUC-Rio

O Instituto Tecgraf de Desenvolvimento de Software Técnico-Científico da PUC-Rio, fundado em 1987, nasceu como um laboratório do Departamento de Informática da PUC-Rio, fruto de uma parceria entre a PUC-Rio e a Petrobras, com o objetivo de desenvolver projetos em computação gráfica.

Ao longo de sua evolução, o Instituto consolidou seu trabalho ampliando sua atuação para todas as áreas da Petrobras, incluindo a sísmica, reservatório, automação, meio-ambiente e logística – “do poço ao posto”. Em 2013 o Tecgraf se tornou um instituto da PUC-Rio com a missão de ser a ponte entre a universidade, a sociedade e a indústria, desenvolvendo soluções que ajudem as empresas-clientes a vencer desafios e gerar riquezas, protegendo pessoas e o meio-ambiente, sendo referência mundial em competência e qualidade no desenvolvimento da computação profissional e técnico-científica.

O instituto que, atualmente conta com mais de 400 colaboradores e pesquisadores, incluindo alunos, professores, doutores, mestres, muitos com experiência internacional, cresceu tendo sua base na academia e direcionando suas atividades para os desafios e demandas dos seus clientes. Muitas das tecnologias e metodologias implementadas nos sistemas desenvolvidos são fruto de teses e dissertações e diversos trabalhos acadêmicos da PUC-Rio, tornando as pesquisas da universidade fortemente relevantes para o desenvolvimento técnico-científico brasileiro.

Atualmente o Tecgraf/PUC-Rio desenvolve cerca de 40 sistemas computacionais e diversas tecnologias bases como frameworks, bibliotecas e API’s.  As principais áreas de competência do Instituto são:

Interatividade Digital: engloba computação gráfica, processamento de imagens, visão 3D, visualização científica, realidade virtual e aumentada, BIM/CAD/CAM, professional social media, web mobile.

Modelagem e Simulação: trata de modelagem geométrica; digital professional models; geração de malha; simulação multi-física; FEM, FVM, DEM; modelagem multi-escala; computação distribuída; HPC(high performance computing), Cluster, Grid.

Data Analytics:  reúne conhecimento predição e aprendizado de máquina; business intelligence, scientific data science, big data; banco de dados espaço-temporal; banco de dados distribuídos; interoperabilidade e intercâmbio de informação.

O Tecgraf/PUC-Rio, desenvolve grande parte dos seus projetos em cooperação com diversos departamentos da PUC-Rio, inclusive com o Departamento de Informática, incentivando a produção acadêmica dos seus docentes e colaboradores, o Instituto recebe alunos de mestrado e doutorado que são alocados para funções que sejam próximas a seus projetos de pesquisa.

Conheça mais sobre o Tecgraf/PUC-Rio: www.tecgraf.puc-rio.br