Amanhã, às 15h, acontecerá o seminário “Diversidade de Gênero e Computação”, proferido pela professora Mirella M. Moro. Conselheira da SBC (Sociedade Brasileira de Computação) e coordenadora do Programa Meninas Digitais, ela é uma das principais referências na área de pesquisa orientada a dados, análise social, e equalidade de gênero em Computação.

Neste seminário, a professora vai apresentar as soluções e desafios na busca por uma melhor representatividade de gênero na área. Ao final, teremos uma sessão interativa de perguntas e respostas. É um evento aberto a todos, que ocorrerá no canal do youtube do Departamento de Informática da PUC-Rio. 

Saiba mais sobre o evento:

Resumo: Computação está presente na vida de qualquer pessoa com bom acesso à tecnologia moderna. No Brasil, estatísticas atuais do MEC informam que apenas 15% de estudantes de Computação (em todos os seus cursos superiores) são do gênero feminino. Esse desbalanceamento se reflete no exercício da profissão, cujos serviços e produtos são formulados por uma maioria masculina mas utilizados tanto por homens quanto mulheres. Esta palestra discute esses e outros pontos importantes em relação à Diversidade de Gênero na Computação, apontando consequências, soluções e desafios. 

Saiba mais sobre a professora: 

Mirella M. Moro atua no Departamento de Ciência da Computação (DCC) da Universidade Federal de Minas Gerais (UFMG). Possui doutorado em Ciência da Computação pela University of California in Riverside (2007), e graduação e mestrado em Ciência da Computação pela Universidade Federal do Rio Grande do Sul (UFRGS). É conselheira da SBC (Sociedade Brasileira de Computação) e coordenadora do Programa Meninas Digitais, foi sua Diretora de Educação (2009-2015), editora-chefe da revista eletrônica SBC Horizontes (2008-2012), e editora associada do JIDM (Journal of Information and Data Management, 2010-2012). Seus interesses de pesquisa incluem pesquisa orientada a dados, análise social, diversidade de gênero, computação e música, e educação em Ciência da Computação.

Assista aqui:  https://youtu.be/kjrdu_qAnks

Website da professora: https://homepages.dcc.ufmg.br/~mirella/

Defesa de Tese de Doutorado do aluno Angelo Batista Neves Junior

Título da dissertação: Automatic Generation of Benchmarks for Evaluating Keyword and Natural Language Interfaces to RDF Datasets

Resumo: Os sistemas de busca textual fornecem aos usuários uma alternativa amigável para acessar datasets RDF (Resource Description Framework). A avaliação de desempenho de tais sistemas requer benchmarks adequados, consistindo de datasets RDF, consultas e respectivas respostas esperadas. No entanto, os benchmarks disponíveis geralmente possuem poucas consultas e respostas incompletas, principalmente porque são construídos manualmente com a ajuda de especialistas. A contribuição central desta tese é um método para construir benchmarks automaticamente, com um maior número de consultas e com respostas mais completas. O método proposto aplica-se tanto a consultas baseadas em palavras-chave quanto em linguagem natural e possui duas partes: geração de consultas e geração de respostas. A geração de consultas seleciona um conjunto de entidades relevantes, chamadas de indutores, e, para cada uma, heurísticas orientam o processo de extração de consultas relacionadas. A geração de respostas recebe as consultas produzidas no passo anterior e computa geradores de solução (SG), subgrafos do dataset original contendo diferentes respostas às consultas. Heurísticas também orientam a construção dos SGs evitando o desperdício de recursos computacionais na geração de respostas irrelevantes.

Orientador: Prof. Dr. Marco Antonio Casanova

Banca: 

Prof. Dr. Luiz André Portes Paes Leme

Prof. Dr. Geraldo Bonorino Xexéo

Prof(a) Dr(a) Vânia Maria Ponte Vidal

Prof. Dr. Antonio Luz Furtado

Prof(a) Dr(a) Melissa Lemos Cavaliére

Prof. Dr. José Antonio Fernandes de Macêdo

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

Acompanhe-nos também pelo link: https://puc-rio.zoom.us/j/93760975741?pwd=YXVNcUQzTTlNa2ZlOVhyd1BhLzkwdz09

Autor: Italo Gomes Santana

Orientador: Thibaut Victor Gaston Vidal

Data e Hora: 09/09/2022 às 10:00

Autor: Angelo Batista Neves Junior

Orientador: Marco Antonio Casanova

Data e Hora: 09/09/2022 às 09:30

Autor: Lorenzo Palermo Saraiva

Orientador: Edward Hermann

Data e Hora: 09/09/2022 às 14h

Local: RDC510  /  Remota

Defesa de Dissertação de Mestrado do aluno Lucas Aguiar Pavanelli

Título da dissertação: An End-to-End Model for Joint Entity and Relation Extraction in Portuguese

Resumo: As técnicas de processamento de linguagem natural (PLN) estão se tornando populares recentemente. A gama de aplicativos que se beneficiam da PLN é extensa, desde criar sistemas de tradução automática até ajudar no marketing de um produto. Dentro da PLN, o campo de Extração de Informações (IE) é difundido; concentra-se no processamento de textos para recuperar informações específicas sobre uma determinada entidade ou conceito. Ainda assim, a comunidade de pesquisa se concentra principalmente na construção de modelos para dados na língua inglesa. Esta tese aborda três tarefas no domínio do IE: Reconhecimento de Entidade Nomeada, Extração de Relações Semânticas e Extração Conjunta de Entidade e Relação. Primeiro, criamos um novo conjunto de dados em português no domínio biomédico, descrevemos o processo de anotação e medimos suas propriedades. Além disso, desenvolvemos um novo modelo para a tarefa de Extração Conjunta de Entidade e Relação, verificando que o mesmo é competitivo em comparação com outros modelos. Finalmente, avaliamos cuidadosamente os modelos propostos em textos de idiomas diferentes do inglês e confirmamos a dominância de modelos baseados em redes neurais.

Orientador: Prof. Dr. Eduardo Sany Laber

Banca: 

Prof. Dr. Sérgio Colcher

Prof. Dr. Thiago Castro Ferreira

Prof. Dr. Helio Côrtes Vieira Lopes

Acompanhe-nos pelo link: https://puc-rio.zoom.us/j/94612639630?pwd=ODh1VnJXQUhSN0huVVg1TDhISDlhQT09

Defesa de Dissertação de Mestrado da aluna Nelia C. Reis

Título da dissertação: Classificação de fácies sísmicas utilizando multiatributos sísmicos

Resumo: A interpretação sísmica é um processo fundamental para a exploração de hidrocarbonetos. Essa atividade consiste na identificação de informação geológica através do processamento e análise de dados sísmicos. Com o crescimento acentuado e a complexidade dos dados sísmicos, a análise manual de fácies sísmicas tornou-se um desafio significativo. O mapeamento de fácies sísmicas é um processo demorado e que requer profissionais especializados. O objetivo deste trabalho visa aplicar a classificação multiatributos usando uma rede neural encoder-decoder para mapear as fácies sísmicas e auxiliar no processo de interpretação. Um conjunto de atributos sísmicos, foram calculados utilizando o software Opendtect versão 6.6 a partir dos dados de amplitude contidos no Dataset Facies-Mark. Sendo eles: Energia, Pseudo Relevo, Fase instantânea e Textura, todos foram selecionados por um intérprete. A função de perda utilizada pela rede foi weighted categorical crossentropy, pelo fato das classes serem consideravelmente desbalanceadas. O treinamento foi realizado nas direções inlines e crosslines para as respectivas combinações: atributos, atributo + amplitude, e somente a amplitude. Os resultados baseado na métrica frequency weighted intersection over union (FWIU), mostraram que os atributos junto com a amplitude obtiveram o melhor resultado, 85,73%, em comparação com as outras combinações citadas. Em comparação direta com o trabalho que inspirou essa dissertação, o multiatributos performou melhor.

Orientador: Prof. Dr. Marcelo Gattass

Banca:

Prof. Dr. Aristófanes Corrêa Silva

Prof. Dr. Alberto Barbosa Raposo

Prof. Dr. Jan Jose Hurtado Jauregui

Prof. Dr. Helio Côrtes Vieira Lopes

Acompanhe-nos pelo link: https://puc-rio.zoom.us/j/91303208713?pwd=cFB5SU5kaXdEUEFaZ0tOdG1DRHRmUT09

As inscrições para o vestibular 2023 da PUC-Rio ainda estão abertas! Conheça um pouco do novo currículo do curso de Ciência da Computação, feito pelo Departamento de Informática, que entrará em vigor no primeiro semestre do ano que vem:

A nova grade da Ciência da Computação, assim como todos os demais cursos do CTC, terão disciplinas de projetos práticos em todos os semestres, desde o início. Estas permitirão que os alunos apliquem os conhecimentos teóricos aprendidos em outras disciplinas do curso a problemas reais, trazidos por profissionais do mercado de várias empresas de TI parceiras. Além disso, serão ensinadas não só competência técnicas como também competências sociais (soft skills).

Ao contrário de outras graduações em Computação oferecidas por outras universidades, o curso de Ciência da Computação prima pela sua qualidade e profundidade. Trata-se de um curso generalista, em que o aluno primeiro aprende todos os principais conceitos, fundamentos, metodologias e princípios tecnológicos da Ciência da Computação e nos últimos semestres pode optar por inúmeras disciplinas optativas e linhas de especialização, como Ciência de Dados, IA, Games, Banco de Dados, Computação Gráfica etc. Além disso, o aluno que esteja interessado em posteriormente fazer um mestrado pode já cursar disciplinas da pós-graduação antecipadamente, e assim diminuir a duração do seu mestrado.

O Departamento de Informática também oferece inúmeras oportunidades de estágio e Iniciação Científica no próprio campus, como em laboratórios de pesquisa (os NITs), o Instituto Tecgraf e no recente laboratório Americanas Futuro Lab Rio, onde todos os 40+ estagiários aprendem métodos ágeis de desenvolvimento de produtos e aplicam esses métodos para desenvolver protótipos de soluções para a Americanas.

Finalmente, os alunos das redes pública e privada que tiverem mostrado melhor desempenho no vestibular são candidatos a receber uma bolsa de estudos, de 50% ou mais, financiada por fundações e empresas. Para ingressar em 2023 já temos confirmadas aproximadamente 10 bolsas. E no meio do curso, a partir do terceiro ano,  alunos com bom desempenho acadêmico poderão também fazer um intercâmbio de três meses até 1 ano em universidades renomadas dos EUA e da Europa, como a UIUC, a Columbia University e a Univ. de Paris, parcialmente financiado.

Nossos alunos egressos são considerados a “nata no mercado” de trabalho de TI brasileiro e internacional, são “caçados” por quase todas as grandes e mais conhecidas empresas nacionais, e muitos de nossos egressos são contratados por empresas mundo afora.

Portanto, se a Ciência da Computação da PUC-Rio já era considerada um dos melhores cursos do Brasil, ficou melhor ainda com o nova grade. Infelizmente, só não conseguiremos aumentar a taxa de empregabilidade dos nossos alunos egressos: ela já é 100%.

Não perca tempo e se inscreva no vestibular 2023: https://www.puc-rio.br/vestibular/202212/

Quer conhecer mais sobre o curso? Assista ao vídeo: https://www.youtube.com/watch?v=h1959x254u8&list=PLRKeuVfLlY-7YyqBe4gdgciEifd0mTGls

Veja um depoimento de um dos nossos ex-alunos: https://www.youtube.com/watch?v=Ma8789JbTwg&list=PLRKeuVfLlY-6NSbMZHgkk8BNcWka9xrMe

Defesa de Dissertação de Mestrado da aluna Mayara Gomes Silva

Título da dissertação:  Identificação de horizontes em sísmica usando rede neural convolucional 

Resumo: A interpretação estrutural sísmica é um passo essencial na exploração e produção de reservas de hidrocarbonetos. Essa interpretação requer a identificação de feições geológicas como fácies, horizontes e falhas na região de interesse. A identificação manual desses recursos é uma tarefa maçante e demorada. As redes neurais convolucionais (CNN) são amplamente utilizadas em problemas de visão computacional, apresentando excelentes resultados em diversas situações, inclusive no processo de interpretação sísmica. Este trabalho estuda redes neurais convolucionais supervisionadas para segmentar linhas de horizonte separando fácies sísmicas com base na amplitude sísmica. Avaliamos nossa proposta usando o bloco F3 com as anotações de fácies sísmicas. Nas anotações do conjunto de dados original, os rótulos eram áreas anotadas para cada fácies sísmica, então esse conjunto de anotações foi alterado de um problema multiclasse para binário, considerando apenas a fronteira entre uma fácies sísmica e sua vizinha. Na previsão de horizonte duas redes foram analisadas, a rede ResUnet e a DC-Unet, que são redes baseadas na Unet. Além disso, algumas funções de perda são analisadas para otimizar o resultado da segmentação. A função Generalized Dice loss e a Focal Tversky Loss. A métrica Dice atingiu índice acima de 50% com a função de perda Focal Tversky, mostrando resultados promissores.

Orientador: Prof. Dr. Marcelo Gattass

Banca: 

Prof. Dr. Aristófanes Corrêa Silva

Prof. Dr. Alberto Barbosa Raposo

Prof. Dr. Jan Jose Hurtado Jauregui

Prof. Dr. Helio Côrtes Vieira Lopes

Acompanhe-nos pelo link: https://puc-rio.zoom.us/j/95961207118?pwd=UzU4OW5UNHJaYjFnQTRUSUkwMks4QT09