Título: Emergência matemática: modelagem da dinâmica epidemiológica na pandemia
Conferencista: Pedro S. Peixoto (USP)
Chair: Pablo M. Rodríguez
Data e horário: 2a feira, 18/09, das 15:30 às 16:30
Local: Auditório Guaicurus (Sala 1)
Resumo: A pandemia da COVID-19 surgiu abruptamente e trouxe consigo desafios urgentes para pesquisa em diversas áreas. A matemática aplicada foi pressionada a propor soluções rápidas para otimizar recursos e minimizar danos. Discutiremos neste seminário a perspectiva vivida pelo grupo de pesquisa em matemática aplicada do IME-USP e colaboradores na tentativa de modelar e analisar a dinâmica espacial-temporal da COVID-19, incluindo suas repercussões práticas e acadêmicas, com base em dados de geolocalização de celulares. Mais informações em pedrosp.ime.usp.br/covid19
Título: Estado atual e perspectivas da computação quântica
Conferencista: Renato Portugal (LNCC)
Chair: Carlile Lavor
Data e horário: 3a feira, 19/09, das 10:30 às 11:30
Local: auditório Guaicurus (Sala 1)
Resumo: A computação quântica teve grandes avanços nas últimas décadas, e existe a expectativa de que os computadores quânticos sejam usados em aplicações práticas a curto prazo. Parte dessa expectativa não está baseada em dados da realidade, mas existem fortes argumentos em favor de potenciais aplicações disruptivas a médio prazo, especialmente na junção da aprendizagem de máquina clássica com aceleradores quânticos. A construção de um hardware quântico com número suficiente de qubits e com baixa taxa de erros é apenas metade da tarefa, pois o desenvolvimento de software quântico é tão difícil quanto, ou mais difícil do que, o desenvolvimento de hardware. Isto pode ser confirmado usando o fato de que os algoritmos de Shor e Grover continuarem sendo as grandes estrelas na parte do software, apesar do enorme investimento internacional.
Título: Métodos de decomposição para agrupamento de dados
Conferencista: Daniel Aloise (Polytechnique Montreal)
Chair: Douglas Gonçalves
Data e horário: 4a feira, 20/09, das 10:30 às 11:30
Local: auditório Guaicurus (Sala 1)
Resumo: O agrupamento de dados, também conhecido como clustering em inglês, é uma ferramenta poderosa e amplamente utilizada para a análise de dados em diversos campos. Seu principal objetivo é encontrar subconjuntos homogêneos e bem separados, chamados de clusters, a partir de um conjunto de observações de dados. É importante ressaltar que a definição do problema pode variar de acordo com a forma como a homogeneidade e separação dos clusters são medidas, resultando em diferentes abordagens com características distintas. Nesta palestra, serão abordadas técnicas de decomposição propostas na literatura para a obtenção de agrupamentos com garantia de otimalidade global. Essas técnicas são importantes para a resolução eficiente e precisa do problema de clustering, resultando em uma melhor compreensão dos dados e possíveis insights para a tomada de decisões em diversas aplicações.
Título: Avanços em ciência de dados no paradigma da análise de dados simbólicos
Conferencista: Renata Maria Cardoso Rodrigues de Souza (UFPE)
Chair: Fernanda De Bastiani
Data e horário: 5a feira, 21/09, das 10:30 às 11:30
Local: auditório Guaicurus (Sala 1)
Resumo: Os avanços das tecnologias da informação e dos computadores têm permitido a possibilidade de armazenar grandes e múltiplas bases de dados e frequentemente estes dados podem ser não estruturados com variáveis definidas por múltiplos valores ou múltiplas unidades. Por exemplo, temperaturas diárias registradas por valores mínimos e máximos e preferência de usuários para analisar fenômenos por regiões ao invés de habitantes. A fim de reduzir o tamanho e melhorar a eficiência de modelos associados a esses dados, uma solução é obter novas unidades estatísticas para descrever os fenômenos via dados multivalorados. Em Análise de Dados Simbólicos (ADS) as entradas das bases de dados são novas unidades descritas por variáveis que não se limitam a serem valores reais uma vez que podem ser selecionados de uma lista mais ampla: conjuntos, intervalos, histogramas, árvores, gráficos, funções, fuzzy, etc. O objetivo de ADS é estender as técnicas estatísticas e aprendizagem de máquina (árvores de decisão, regras de classificação, redes neurais, análise fatorial) para dados mais complexos, chamados de dados simbólicos. Nesta última década, diferentes métodos de regressão e agrupamento para dados multivalorados têm sido propostos na literatura de ADS. Diferentes aplicações ilustram o uso desses métodos.
Título: Modelación de enfermedades de transmisión vectorial
Conferencista: María de Lourdes Esteva Peralta (UNAM)
Chair: Claudia Pio Ferreira
Data e horário: 5a feira, 21/09, das 11:30 às 12:30
Local: auditório Guaicurus (Sala 1)
Resumo: Las enfermedades de transmisión vectorial representan más del 17% de todas las enfermedades infecciosas y cada año provocan más de 700 000 muertes. Entre las enfermedades de transmisión vectorial se encuentran la malaria, el dengue, la fiebre por chikungunya, la fiebre por el virus de Zika, la fiebre amarilla, y la encefalitis japonesa. Estas enfermedades pueden estar causadas por parásitos, bacterias o virus. En esta plática presentaré varios sistemas de ecuaciones diferenciales que modelan diversos aspectos relativos a la propagación y control de las enfermedades de transmisión vectorial.
Título: Problemas industriais, modelagem matemática e otimização: um trio especial
Conferencista: Franklina Maria Bragion de Toledo (ICMC-USP)
Chair: Kelly C. Poldi
Data e horário: 3a feira, 19/09, das 11:30 às 12:30
Local: Sala 3 (Auditório Kadweu B)
Resumo: Uma vasta gama de problemas industriais pode ser descrita matematicamente. Uma modelagem matemática garante objetividade na definição do conjunto de soluções viáveis e de soluções ótimas para um problema de otimização. Também permite padronizar a definição do problema, facilitando a automatização computacional do processo de obtenção de uma solução. Com isso, frequentemente é possível comparar diferentes cenários operacionais, táticos e estratégicos e encontrar soluções pouco aparentes. Nesta palestra, serão abordados modelos matemáticos para alguns problemas industriais e também métodos de resolução destes problemas fortemente baseados em modelagem matemática.
Título: A log-logistic predictor for power generation in photovoltaic systems
Conferencista: Erlandson Ferreira Saraiva (UFMS)
Chair: Willy Soler
Data e horário: 3a feira, 19/09, das 11:30 às 12:30
Local: Sala 2 (Auditório Kadweu A)
Resumo: This work presents a nonlinear mixed effect model for forecasting solar energy generation from measurements of environmental variables and the estimated soiling over-the-board photovoltaic. Since the solar energy generated along a day has an unstable non-linear behavior, the proposed approach models the solar power generated until an instant of time t of a day d (in an accumulated way) using the growth model log-logistic. In order to link the solar energy generated to environmental variables and to the estimated soiling over the board photovoltaic, we assume one more hierarchical level in the proposed modeling and consider that the parameters of the log-logistic model are composed of fixed and random effects. Two advantages of this approach are that it assumes a nonlinear relationship between the generated power and the environmental conditions and that random errors may be correlated since the power generation measurements are recorded longitudinally. To estimate parameters of interest we adopt the nonlinear least square method. We evaluated the model using a real dataset comprising environmental variables and power samples collected from October 2019 to April 2020 in a PV power plant in mid-west Brazil.
Título: Computação flexível: principais fundamentos e aplicações tecnológicas
Conferencista: Renata Hax Sander Reiser (UFPel)
Chair: Sandra Malta
Data e horário: 4a feira, 20/09, das 11:30 às 12:30
Local: Sala 4 (Auditório Terena A)
Resumo: A Lógica Fuzzy e suas extensões estão fundamentadas na Teoria dos Conjuntos Fuzzy e buscam colaborar na modelagem e descrição de diferentes formas de incertezas na área da Computação Flexível. Neste contexto, a interpretação lógica multivalorada inclui a representação da imprecisão, indeterminação, ambiguidade ou ainda, hesitação na expressão do raciocínio auxiliando na tomada de decisões baseada em múltiplos atributos e considerando múltiplos especialistas. Várias técnicas estão baseadas na investigação de propriedades dos conectivos fuzzy, na correlação dos graus de pertinência e correspondentes construtores de conjugação e dualidade. A discussão das diversas áreas de aplicação científica e das contribuições tecnológicas que se beneficiam do raciocínio aproximado via abordagem fuzzy são temas atuais. E ainda, tem-se abordagens híbridas que colaboram para explicabilidade dos resultados computacionais, as quais estão baseadas na interação entre sistemas de inferência fuzzy e técnicas de Aprendizagem de Máquina.
Título: Da Escassez à Abundância? Possíveis Impactos do ChatGPT no Ensino de STEM no Brasil
Conferencista: Michael Ferreira de Souza (UFC)
Chair: Carlile Lavor
Data e horário: 4a feira, 20/09, das 11:30 às 12:30
Local: Sala 3 (Auditório Kadweu B)
Resumo: Nesta palestra, será abordado o potencial emergente do ChatGPT como uma ferramenta inovadora para enfrentar a escassez de professores qualificados nas áreas de Ciência, Tecnologia, Engenharia e Matemática (STEM) no Brasil. A possibilidade de oferecer tutoria personalizada através do ChatGPT pode representar uma solução complementar para essa lacuna educacional crítica. A palestra buscará explorar tanto as oportunidades quanto os desafios inerentes a essa abordagem tecnológica em um contexto onde o ensino de qualidade em STEM é vital, mas muitas vezes inacessível.
Título: Locating eigenvalues of symmetric matrices
Conferencista: Vilmar Trevisan (UFRGS)
Chair: Carlos Hoppen
Data e horário: 5a feira, 21/09, das 14:00 às 15:00
Local: auditório Guaicurus (Sala 1)
Resumo: We address the problem of estimating graph eigenvalues in terms of eigenvalue location, by which we mean determining the number of eigenvalues of a symmetric matrix that lie in any given real interval. Our algorithms are based on diagonalizing matrices and rely on Sylvester’s Law of Inertia. They are either designed for graphs in a particular class, and exploit some special feature of this class, or they rely on a structural decomposition of the input graph. We show how a simple linear-time tree algorithm can be extended to symmetric matrices whose underlying graph has a tree decomposition of small width. We also describe how a linear-time cograph algorithm can be extended to matrices whose underlying graph has small clique-width. These algorithms have applications that go beyond estimating eigenvalues of a particular graph, and allow us to obtain properties of an entire class. We illustrate this with applications to the solution of relevant problems in Spectral Graph Theory.