“Inteligência Artificial e ética nos Negócios: Como equilibrar inovação e responsabilidade”, este será o tema da terceira mesa redonda da série de discussões sobre aplicações de inteligência artificial no mundo corporativo.
O evento ocorrerá no dia 13 de abril (quinta-feira), às 16h e será ministrado por Edgar Lyra, diretor do Departamento de Filosofia da PUC-Rio, Simone Barbosa, professora do Departamento de Informática PUC-Rio, Stephanie Johnson, do Pinterest, o Pesquisador Thiago Oliva, e Tulio Ribeiro da LANX Capital e presidente do Conselho Empresarial de Inovação do Departamento de Informática da PUC-Rio.
Para participar, inscreva-se no link: https://tinyurl.com/2s3tnzmm
Dia 14/04, às 15h, acontecerá o seminário “Verification of Cyber-Physical Distributed Systems”, proferido pelo Prof. Carlos Varela.
O Seminário será na sala 511 do RDC, com transmissão ao vivo via Youtube pelo canal do DI, através do link: https://www.youtube.com/watch?v=0AIuhqVXcWk
Resumo do Seminário:
Cyber-physical systems (CPS) are concurrent, often distributed, and contain hardware and software components that interact with the real world, e.g., avionics in flight systems. Verification of CPS requires a modular principled approach. Model checking techniques suffer from CPS’s large state space and inherent stochastic behavior, e.g., from unknown wind and weather conditions. Since models of the physical world are incomplete, data from sensors can be used to reduce uncertainties. Resulting dynamic data-driven applications and systems (DDDAS) can outperform static pure model-based CPS approaches, yet their verification is even more challenging due to the inherent feedback loop adjusting physics-based models to sensor data. We will discuss a theorem-proving approach to verifying concurrent and distributed systems and the notion of correctness envelopes to capture stochastics of DDDAS enabling a modular reusable approach to the verification of their statistical properties.
Conheça o Professor:
Dr. Carlos A. Varela is Professor of Computer Science and Founding Director of the Worldwide Computing Laboratory at Rensselaer Polytechnic Institute. He is Associate Editor of the ACM Computing Surveys, the IEEE Transactions on Cloud Computing, and the IEEE Internet of Things Journal. He has authored the book “Programming Distributed Computing Systems: A Foundational Approach” (MIT Press, 2013). He was the General Chair for CCGrid 2016. He is PC Co-Chair for the InfoSymbiotics/Dynamic Data Driven Applications Systems (DDDAS2022) conference and was the PC Chair for the 2020 IEEE/ACM International Conference on Cluster, Cloud, and Internet Computing (CCGrid 2020), the 2011 IEEE/ACM International Conference on Cluster, Cloud, and Grid Computing (CCGrid 2011), the 2012 IEEE/ACM International Conference on Utility and Cloud Computing (UCC 2012,) and the ACM AGERE! Workshop on Programming based on Actors, Agents and Decentralized Control at SPLASH 2014 and 2015. Dr. Varela has given 79 invited talks, including 12 plenary lectures on his research at international and national venues. He has been a member of 87 conference and workshop Program Committees. He has supervised seven Ph.D. students and 18 M.S. students. He and his students have received Best Paper awards at HPDC-GECO 2006, eScience’2007, CCGrid’2007, CLEI 2010, CCGrid’2016, DASC 2019. He is also a recipient of the NSF CAREER Award, and industry awards from IBM, Google, Amazon, and PSEG. His research is currently supported by the National Science Foundation and the Air Force Office of Scientific Research. Dr. Varela is also an instrument-rated private pilot with over 1100 hours of flight experience, including cross-country trips from NY to CA, IL, TX, and FL. His current research interests include safer flight systems, software verification, cloud computing, middleware for adaptive distributed systems, and concurrent programming models and languages. Dr. Varela received his B.S with honors, M.S., and Ph.D. degrees in Computer Science, all from the University of Illinois at Urbana-Champaign. Prof. Varela will be on sabbatical until the Fall of 2023. Prof. Varela will visit GE Global Research’s Control and Optimization’s High Assurance Systems group at Niskayuna, NY, the University of Los Andes at Bogota, Colombia, and PUC-Rio at Rio de Janeiro, Brazil. For more information on Prof. Varela’s group’s research, please visit the Worldwide Computing Lab page: http://wcl.cs.rpi.edu/
Essa palestra é mais um evento da série de seminários Conexão Rio-Campinas, uma parceria entre o Departamento de Informática da PUC-Rio e o Instituto de Computação da Unicamp, que promove importantes debates e palestras sobre os últimos avanços na ciência da computação, na Inteligência Artificial, em aprendizado de máquina, Ciência de Dados entre outros temas relevantes para profissionais, pesquisadores e para a sociedade como um todo.
Defesa de Tese de Doutorado do aluno Antonio Iyda Paganelli.
Título da dissertação: An approach based on a scoring system to reduce excessive data, non-actionable alarms, and energy consumption in patient monitoring IoT sensor devices.
Resumo:
A Internet das Coisas (IoT) se propõe a interligar os mundos físico e virtual, o que abre a possibilidade de desenvolvimento de diversas aplicações, principalmente na área da saúde. Essas aplicações requerem um grande número de sensores para coletar informações continuamente, gerando grandes fluxos de dados, muitas vezes excessivos, redundantes ou sem significado para as operações do sistema. Essa geração massiva de dados de sensores desperdiça recursos computacionais para adquirir, transmitir, armazenar e processar informações, levando à perda de eficiência desses sistemas ao longo do tempo. Além disso, os dispositivos IoT são projetados para serem pequenos e portáteis, alimentados por baterias, para maior mobilidade e interferência minimizada no ambiente monitorado. No entanto, esse design também resulta em restrições de consumo de energia, tornando a vida útil da bateria um desafio significativo que precisa ser enfrentado. Além disso, esses sistemas geralmente operam em ambientes abertos e imprevisíveis, o que pode gerar alarmes redundantes e insignificantes, tornando-os ineficazes. No entanto, um sistema auto adaptativo que identifica e prevê riscos iminentes, como um sistema de pontuação de alerta antecipado (SPAA), pode lidar com esses problemas. Devido ao seu baixo custo de processamento, o SPAA pode ser incorporado em dispositivos vestíveis e sensores, permitindo um melhor gerenciamento das taxas de amostragem, transmissões, produção de alarmes e consumo de energia. Seguindo a ideia acima, esta Tese apresenta um conjunto de princípios baseados no risco à saúde do paciente e na similaridade dos dados monitorados empregando um SPAA avaliado em tempo real para guiar nosso algoritmo auto-adaptativo em aplicações IoT de monitoramento de pacientes, promovendo assim uma redução na aquisição e transmissão de dados , diminuindo alarmes não acionáveis e proporcionando economia de energia para esses dispositivos. Além disso, projetamos e desenvolvemos um protótipo de hardware capaz de incorporar nossa proposta, o que atestou sua viabilidade técnica. Além disso, usando nosso protótipo vestível, coletamos dados reais de consumo de energia de componentes de hardware, que foram usados durante nossas simulações com dados reais de pacientes de conjuntos de dados públicos. Nossos experimentos demonstraram grandes benefícios de nossa abordagem, reduzindo em 83% os dados amostrados, em 99% a carga total das mensagens transmitidas do dispositivo de monitoramento, 77% dos alarmes e uma economia de energia de quase 82% . No entanto, a fidelidade do monitoramento do estado clínico dos pacientes mostrou uma diferença absoluta máxima de 14,7%, mas pode ser reduzida para 7,2% em cenários com ganhos de redução menores. Em conclusão, este trabalho apresenta uma abordagem para o uso mais eficiente de recursos computacionais e de comunicação para implementar aplicativos de monitoramento de pacientes baseados em IoT.
Orientador:
Markus Endler
Banca:
Alberto Barbosa Raposo
Paulo Sérgio Conceição Alencar
Francisco José da Silva e Silva
Adriano Francisco Branco
Anderson Oliveira da Silva
Nathalia Moraes do Nascimento
Acompanhe-nos através desse link.
#dissertação #mestrado #pesquisa #desenvolvimento #alunos #dipucrio
Na próxima sexta (31/03), às 15h, acontecerá o seminário “Inteligência Artificial e Aprendizado de Máquina: uma perspectiva multi-agente”, proferido pelo professor Alberto Sardinha.
O evento ocorrerá na sala 511 do RDC, e será transmitido ao vivo, via Youtube pelo canal do DI através do link: https://www.youtube.com/watch?v=qTBPiqc-9U4.
Resumo do seminário:
Com o aumento dos gadgets e robôs inteligentes na nossa vida, como por exemplo o ChatGPT, a Alexa da Amazon ou a Apple Watch, estamos cada vez mais interagindo com múltiplos agentes inteligentes. Consequentemente, não podemos tratar estes agentes de forma isolada, mas sim em um sistema multi-agente. Esta palestra apresenta vários tópicos da área de inteligência artificial e aprendizado de máquina para sistemas multi-agente e como a pesquisa tem ajudado a criar estes sistemas.
Conheça o professor:
Alberto Sardinha é Professor e Pesquisador em Inteligência Artificial e Aprendizado de Máquina, como foco em Sistemas Multi-Agente. Fez a graduação, mestrado e doutorado no Departamento de Informática da PUC-Rio. Além disso, fez um pós-doutorado na Carnegie Mellon University e Lancaster University. Como Professor, ficou 13 anos no Instituto Superior Técnico, da Universidade de Lisboa, e agora é Professor do quadro principal do DI. Atuou em vários projetos de pesquisa com instituições internacionais e na indústria.
Autor: Antonio Iyda Paganelli
Orientador: Markus Endler
Data e Hora: 31/03/2023 às 10:00
Autor: Pedro Sarmento Barbosa Martins
Orientador: Thibaut Victor Gaston Vidal
Data e Hora: 27/03/2023 às 10:30
Na próxima sexta (24/03), às 15h, acontecerá o seminário “A perspective of software Product & Process quality over 50 years through research and practice.”, proferido pela professora visitante, Maria Teresa Baldassarre.
O evento ocorrerá na sala 511 do RDC, e será transmitido ao vivo, via Youtube pelo canal do DI através do link: https://youtu.be/aCjU7itPFds
Resumo do seminário:
Software engineering has recently celebrated its 50-year anniversary. Over this half century much has been accomplished in terms of software process and product quality. Osterweil’s statement “Software processes are software too” has emphasized the importance of “software process programming” as a means for describing software processes and materializing them. Over the years, materializing software process descriptions has naturally led to emerging trends in measurement practices, as well as definition of quality paradigms, standards and frameworks, mainly focused on processes (GQM-QIP, PDCA, ISO family standards, CMMI, etc.). On the other hand, empirical software engineering has allowed to collect best practices, lessons learned and formalize heuristics, frameworks and tools for measuring and monitoring software product quality (e.g. static analysis tools, ISO25000). In turn, Agile-oriented processes have incorporated product quality assessment practices, enforcing the bond between process and product quality. Such trend has been bridging the gap between software engineering and other engineering disciplines that focus mainly on product quality. This talk discusses the main roles that quality has covered over the past 50 years with respect to software processes and software products. Relevant results and lessons learned from industrial experiences that point out the need of combining both aspects to deliver high quality software will be presented.
Conheça a professora convidada:
Maria Teresa Baldassarre is Associate Professor, PhD, at the Department of Informatics of the University of Bari, Italy, and member of the Software Engineering Research Laboratory (SERLab) where she coordinates the Process&Product Quality area. Her research interests are mainly focused on empirical software engineering, human factors in software engineering, software measurement and quality assurance. She is involved in several research projects and carries out controlled and in field experimentation within small and medium enterprises, and international academic partners. She is a partner of the SER&Practices spin off company of the University of Bari. Currently she is the representative for the University of Bari in the International Software Engineering Research Network (ISERN) and is PC member of several relevant software engineering and empirical software engineering international conferences. She is Associate Editor of Decision Support Systems Journal. Part of the Editorial Board of Empirical Software Engineering Journal, and co-chair of Registered Reports. She has covered several roles in the organization of software engineering related conferences.
#dipucrio #pucrio #seminário #pesquisa
Defesa de Dissertação de Mestrado da aluna Gabrielle Brandemburg dos Anjos
Título da dissertação: Um método em aprendizado profundo para segmentação automática de breakouts em perfis de imagem
Resumo: Breakouts são zonas colapsadas nas paredes de poço causadas por falhas de compressão. A identificação dessas estruturas é fundamental para estimar a estabilidade do poço e para obter a magnitude da tensão horizontal máxima presente na formação rochosa. Tradicionalmente, os intérpretes caracterizam os breakouts manualmente em perfis de imagem de poço, o que pode ser considerado uma tarefa muito de morada e trabalhosa por conta do tamanho massivo dos dados. De vido à complexidade das estruturas de interesse e os diversos artefatos ruidosos no perfil de imagem, métodos tradicionais de processamento de imagem não são suficientes para solucionar essa tarefa de detecção. Nos últimos anos, soluções baseadas em aprendizado profundo tem se tornado cada vez mais promissoras para problemas de segmentação de objetos em imagens e ainda tem sido pouco explorada na interpretação de perfis. Este trabalho explora o uso de uma rede neural convolucional para realizar o treino supervisionado de um classificador pixel a pixel das regiões de breakouts em dados de perfil de imagem de poço. O modelo da arquitetura usado neste trabalho foi a DC-UNet, que é uma variação do modelo clássico da U-Net e consagrada na área de segmentação em imagens médicas. O modelo proposto atingiu uma média de 72.3% de FScore e resultados qualitativos com alguns casos de predição melhores que o ground truth. Após avaliação dos resultados, acreditamos que o trabalho representa um grande passo na evolução da caracterização automática de estruturas em perfis de imagem, já que foi capaz de detectar e distinguir breakouts de outras cavidades do poço, e segmentar as regiões de interesse.
Orientador:
Marcelo Gattass
Banca:
Alberto Barbosa Raposo
Rodrigo Surmas
Jan Jose Hurtado Jauregui
Cristina Nader Vasconcelos
Acompanhe-nos através desse link.
#dissertação #mestrado #pesquisa #desenvolvimento #alunos #dipucrio
Autor: Gabrielle Brandemburg dos Anjos
Orientador: Marcelo Gattass
Data e Hora: 22/03/2023 às 17:00
Defesa de Dissertação de Mestrado do aluno Dieinison Jack F. Braga
Título da dissertação: Visualizing Data Facts: A Comparative Study of Annotation Techniques and Their Impact on Users’ Perceptions
Resumo: Um número crescente de sistemas de visualização tem sido desenvolvido tanto comercialmente quanto na comunidade de pesquisa. Embora estas ferramentas possam ajudar na construção de gráficos, elas apresentam desafios para analistas não especialistas. Um desafio em particular é o de prover suporte para destacar visualmente fatos de dados em gráficos. O esforço empregado por analistas não especialistas ou designers (sem conhecimento de programação) para realizar anotações visuais pode ser complexo e demorado. Nesta pesquisa, investigamos representações visuais de fatos de dados para apoiar analistas não especialista na exploração e comunicação de insights através dos dados. Para endereçar estes desafios, nos tornamos operacional um modelo conceitual que relaciona visualizações, fatos de dados e suas representações visuais. Implementamos o modelo em uma ferramenta de visualização chamada VisStoryMaker, que gera automaticamente gráficos anotados. Para avaliar o seu valor percebido, conduzimos um estudo de métodos mistos com usuário comparando com o Tableau Public. No geral, a VisStoryMaker oferece uma abordagem fácil de usar para destacar visualmente fatos sobre dados, e o uso de anotações visuais de fatos sobre dados nas visualizações podem apoiar usuários não especialistas na exploração e comunicação por meio de dados. Entretanto, seu uso deve ser cuidadosamente considerado para evitar poluir visualmente os gráficos.
Orientador: Simone Diniz Junqueira Barbosa
Banca:
Helio Côrtes Vieira Lopes
Bruno Feijo
Alberto Barbosa Raposo
Acompanhe-nos através desse link.
#dissertação #mestrado #pesquisa #desenvolvimento #alunos #dipucrio
