Autor: Mauricio de Castro Lana

Orientador: Bruno Feijó

Data e Hora: 26/04/2023 às 10:00

Defesa de Dissertação de Mestrado do aluno Pedro Felipe Santos Magalhães.

Título da dissertação: Biblioteca em Go para testes de Microsserviços com comunicação assíncrona.

Resumo: Observamos que cada vez mais desenvolvedores estão adotando a arquitetura de microsserviços para o desenvolvimento de sistemas distribuídos. Usualmente nesse tipo de arquitetura há um serviço de fila de mensagens que fica responsável em fazer a comunicação assíncrona entre os microsserviços, um serviço bastante utilizado para isso é o Kafka. Nesse ambiente assíncrono, os testes de integração de um determinado serviço ficam complexos pela dificuldade de criar cenários reprodutíveis. No nosso trabalho propomos e avaliamos o uso de uma biblioteca em Go que ajuda no desenvolvimento de testes de integração para microsserviços que utilizam Docker e Kafka, auxiliando na ordenação de eventos nos cenários de teste desenvolvidos.

Orientador: Prof. Dr. Markus Endler

Co-Orientadora: Prof. Dra. Maria Julia Dias de Lima

Banca:

Prof. Dra. Silvana Rossetto

Prof. Dra. Noemi de La Rocque Rodriguez

Prof. Dr. Roberto Ierusalimschy

Assista a defesa pelo link: https://zoom.us/j/7099156117?pwd=VXVxYnQvMjZmdnA1TlRmQmtrUTNrZz09

Defesa de Dissertação de Mestrado do aluno Vitor Hespanhol Côrtes.

Título da dissertação: Assimilação de dados integrada a técnicas de tradução imagem-imagem aplicada a modelos de reservatórios.

Resumo: A incorporação de dados de produção ao modelo de reservatórios é uma etapa fundamental para se estimar adequadamente a recuperação de uma jazida de petróleo e, dentre as estratégias disponíveis para realizar tal tarefa, o método ensemble smoother with multiple data assimilation (ES-MDA) tem se destacado na última década. Entretanto, este é um método que apresenta melhores resultados quando os parâmetros a serem ajustados no modelo são caracterizados por uma distribuição de probabilidades próxima à Gaussiana, apresentando um desempenho reduzido ao lidar com o ajuste de parâmetros discretos, como por exemplo as fácies geológicas. Uma proposta para lidar com esse problema é recorrer a redes de aprendizado profundo, em particular as redes para tradução imagem-imagem (I2I), valendo-se da analogia existente entre a representação de uma imagem RGB e a estrutura em malha das propriedades de um modelo de reservatórios. Assim, é possível adaptar a arquitetura de redes I2I disponíveis e treiná-las para, a partir de uma matriz de parâmetros contínuos que serão ajustados pelo método ES-MDA (como porosidade e permeabilidade), gerar a representação matricial do parâmetro discreto correspondente (fácies), de forma similar a tarefas como segmentação semântica ou transferência de estilo, no contexto de imagens. Portanto, o parâmetro discreto se tornaria transparente ao método ES-MDA, sendo a sua reconstrução realizada pela rede I2I.

Orientador:

Prof. Dr. Hélio Côrtes Vieira Lopes

Banca:

Prof. Dr. Abelardo Borges Barreto Junior

Prof. Dr. Alexandre Anozé Emerick

Prof. Dr. Sinesio Pesco

Assista a defesa pelo link:

https://puc-rio.zoom.us/j/98985331977?pwd=SUlCWmQzSTlkcEJhK1RxRjN0YVdYZz09

Autor: Pedro Felipe Santos Magalhães

Orientador: Markus Endler

Data e Hora: 20/04/2023 às 15:00

Autor: Vitor Hespanhol Côrtes

Orientador: Hélio Côrtes Vieira Lopes

Data e Hora: 18/04/2023 às 14:00

“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