Pular para o conteúdo principal

WEIC 2020 - Painéis

CEFET-RJ via Youtube

 

Painel: Algoritmos e Grafos

https://eic.cefet-rj.br/seminarios/seic/algoritmos-e-grafos

https://youtu.be/D4FVhAEwYSA

Pesquisa aplicada e pesquisa teórica para problemas de otimização.

Classe P (resolver em tempo polinomial do tamanho de entrada) e NP

NP Completos são aparentemente intratáveis. 

Complexidade parametrizada, tratabilidade por parâmetro fixo, características fixas 

    Por exemplo: counting sort (conjunto de dado que satisfaz a um padrão)

Grafo de programas:ordem de execução do código

Pesquisa Motivada por Aplicação: tema de pesquisa tem inspiração no mundo real


Painel: Gerência de Modelos e Dados

https://youtu.be/FlWLV-9eYQ0

IA + Dados como fundamento da nova economia

Sistemas especialista (com regras) -> ML -> Deep Learning

Modelos do ML ( e não modelos de dados) possuem ciclo de vida (novos dados -> novo treinamento) e de um sistema de gerencia de modelos

 ML é data-driven, reuso de modelos não é trivial, qualidade do dado influencia muito no modelo, DataOps (integração contínua com o gerenciamento de dados), rotulagem automática,



 



Comentários

  1. Veronica dos Santos28 de abril de 2021 às 22:01

    "Pesquisa Motivada por Aplicação: tema de pesquisa tem inspiração no mundo real" se eu encontrar um problema de pesquisa dentro do Busc@NIMA ou Quem@PUC posso seguir essa abordagem

    ResponderExcluir

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

Aprendizado de Máquina Relacional

 Extraído de -> https://www.lncc.br/~ziviani/papers/Texto-MC1-SBBD2019.pdf   Aprendizado de máquina relacional (AMR) destina-se à criação de modelos estatísticos para dados relacionais (seria o mesmo que dados conectados) , isto é, dados cuja a informação relacional é tão ou mais impor tante que a informação individual (atributos) de cada elemento.    Essa classe de aprendizado tem sido utilizada em diversas aplicações, por exemplo, na extração de informação de dados não estruturados [Zhang et al. 2016] e na modelagem de linguagem natural [Vu et al. 2018].   A adoção de técnicas de aprendizado de máquina relacional em tarefas de comple mentação de grafo de conhecimento se baseia na premissa de existência de regularidades semânticas presentes no mesmo . Modelos grafos probabilísticos  Baseada em regras / heurísticas que não podem garantir 100% de precisão no resultado da inferência mas os resultados podem ser explicados. Modelos de características de ...
Postar um comentário
Leia mais

Defesa de Doutorado de Grettel Monteagudo Garcia

A última atividade presencial que fiz na PUC-Rio foi assistir a defesa de tese da Grettel Monteagudo Garcia , em 13/03/2020 (uma sexta-feira 13 !!!!). O título da tese é “ A Keyword-based Query Processing Method for Datasets with Schemas ” e me interessou por causa do projeto do NIMA. A proposta parte do cenário onde usuários possam consultar dados, armazenados em bancos de dados relacionais e TripleStores, de maneira semelhante ao Google, ou seja, digitando palavras-chave, e deixando para o sistema recuperar os dados que melhor correspondem ao conjunto de palavras-chave.  Na tese estão descritos um algoritmo e um framework projetados para processar consultas baseadas em palavras-chave para bases de dados com esquema, especificamente bancos relacionais e bases de dados em RDF. A primeira etapa do algoritmo é a conversão do conjunto de palavras chaves em uma consulta abstrata explorando um esquema abstrato . Nesta etapa o principal desafio é achar onde a informação está (os matches...
4 comentários
Leia mais

Metodologia Científica II - continuação

No primeiro post  foram detalhados os 6 primeiros vídeos do canal do Youtube do professor Eduardo Ogasawara do CEFET/RJ   Mais 3 vídeos foram disponibilizados e estão comentados a seguir: Gráficos, Figuras e Tabelas (33 minutos) - como apresentar os resultados das avaliações experimentais. Gráficos: associar análises dos resultados a cada gráfico apresentado, problemas comuns na montagem de gráficos (não usar todo eixo X ou Y, não usar área útil com uma escala adequada a ver o comportamento dos números, não marcar os pontos de observação da série, inconsistência no uso de cores ), escala logarítmica x linear, eixo X para a variável independente e Y para a dependente (resposta), escrever boas legendas para os gráficos, observar se diferenças entre variáveis apresentadas em gráficos separados podem atrapalhar a interpretação dos resultados. Diagramas devem ser pensados de acordo com o propósito, trata-se de uma abstração e cada elemento deve ser explicado no texto, rótulos...
1 comentário
Leia mais