Minicursos
(Introduction to High Performance Computing) [+]
E-mails: stephan.stephany, celso.mendes
Resumo: Este minicurso abordará, de forma resumida, os aspectos mais relevantes da área de Processamento de Alto Desempenho (PAD). Após uma breve revisão histórica sobre a evolução da área nas últimas décadas, serão apresentadas as características mais importantes das máquinas de alto desempenho atuais, comumente chamadas de supercomputadores, bem como técnicas para sua efetiva utilização. Esta apresentação terá duas partes principais, relativas respectivamente à arquitetura e à programação destas máquinas. Na parte de arquitetura, serão mostradas as estruturas de hardware mais comuns empregadas nos supercomputadores, abrangendo, de uma forma geral, sistemas de memória compartilhada, memória distribuída, e aceleradores. Na parte de programação, serão cobertos os paradigmas mais utilizados para a construção de programas para estas arquiteturas, tais como threading e OpenMP, MPI, Cuda e outros. Ao final, serão indicadas tendências atuais para sistemas de alto desempenho esperados para a próxima década.
(Introduction to Wavelets with Applications) [+]
E-mail: margarete.domingues, muller.lopes
Resumo: Este curso introduz, de forma prática e objetiva, o conceito da transformada wavelet. Os assuntos que serão abordados em cada aula são os seguintes:
- Transformada Contínua e aplicações em ciências espaciais;
- Transformada discreta e aplicações em ciências espaciais;
- Aplicações a modelagem adaptativa utilizando volumes finitos e aplicações em ciências espaciais.
(Inverse Problems and Data Assimilation for Space Research) [+]
E-mail: haroldo.camposvelho
Resumo: Este Minicurso apresenta uma introdução sucinta aos problemas inversos e assimilação de dados com exemplos de aplicações em ciência e tecnologia espaciais. Primeiramente, conceito e classificação de problemas inversos e assimilação de dados são descritos, para então serem discutidas a técnica de regularização (alguns operadores são apresentados, bem como técnicas de solução de otimização), técnica variacional e redes neurais artificiais e assimilação de dados. Exemplos de problemas inversos e assimilação de dados em várias áreas da pesquisa espacial são apresentados e discutidos: ciência espacial (mapas de radiação cósmica de fundo, geofísica espacial), engenharia espacial (detecção de danos em estruturas aeroespaciais, projeto ótimo de radiadores espaciais), oceanografia (propriedade óticas de oceanos), meteorologia (temperatura e umidade atmosféricas a partir de dados de satélites) e previsão do tempo pelo CPTEC.
(Decision Making from Probabilistic Models) [+]
E-mail: solon.carvalho
Resumo: Este curso introduz e discute, de forma prática e objetiva, o conceito de modelo probabilístico no escopo da tomada de decisões. Os assuntos que serão abordados em cada aula são os seguintes:
- Aula 1: O que é e para que serve um modelo probabilístico?
- Aula 2: Exemplos de modelos no contexto de processos estocásticos.
- Aula 3: Exemplos no contexto de Big Data.
(Modeling and Forecasting of Extreme Events in the Data Science Era) [+]
E-mail: reinaldo.rosa
Resumo: Este minicurso abordará a observação, a análise, a modelagem e a previsão de Eventos Extremos no contexto da ciência de dados e a partir da teoria de sistemas complexos da física estatística. Métodos da computação e da matemática aplicada serão apresentados para auxiliar no monitoramento e caracterização de regimes complexos a partir dos quais podem resultar transições endógenas e exógenas via transições de fase e mudanças abruptas de regimes dinâmicos. O conteúdo sucinto de cada aula é descrito a seguir:
- Aula 1: O que são Eventos Extremos em Sistemas Complexos na Era do Data Science?
- Aula 2: Caracterização e modelagem de Eventos Extremos a partir da Análise de Séries Temporais. Algoritmos: p-model, espectro multifractal e deep learning LSTM.
- Aula 3: Aplicações em Ciência Espaciais e Ambientaiss
(Introduction to the Internet of Things - IoT) [+]
E-mail: nilson.santanna
Resumo: Este curso tem por principal objetivo introduzir e explorar o conceito de Internet das Coisas (IoT) proposto por Kevin Ashton, do Laboratório de Auto-ID do MIT, em 1999. A IoT deverá codificar, segundo se presume, cerca de 250 bilhões de dispositivo neste século e seguir evoluindo o seu movimento de conectividade a partir de novos paradigmas da engenharia de software e da computação em nuvem de alto desempenho. Discutiremos neste curso a sua relação direta com a geração de Big Data e a emergência de novos conceitos como Data Science e Data Lake.