Minicursos e Hackathon
Este ano o WorCAP contará com dois minicursos (MC1 e MC2), ambos dentro do escopo de Machine Learning, servindo como aporte para o hackathon. São eles:
As inscrições nos minicursos e hackathon devem ser realizadas no mesmo formulário de inscrição geral.
MC1 - Minicurso de Geoinformática com Aplicações de Machine Learning:
O minicurso da trilha de Geoinformática tem como objetivo apresentar conceitos básicos de Geoinformática e aplicações com séries temporais de imagens de satélite. Os participantes farão uso de tecnologias e dados produzidos pelo time do projeto Cubo de Dados Brasil do INPE.
Os principais tópicos discutidos incluem: (a) dados geográficos; (b) sistemas de informação geográfica; (c) acesso e visualização de dados de observação da Terra do projeto Brazil Data Cube através da linguagem Python; (d) introdução a séries temporais de imagens de sensoriamento remoto e aplicações de Machine Learning.
O conteúdo será ministrado em dois dias subdivididos em quatro partes:
Dia 16 - Quarta
09:30 - 11:30 - Introdução a Geoinformática (conceitos básicos sobre dados geográficos e sistemas de informação geográfica).
13:30 - 15:30 - Acesso e visualização de dados de observação da Terra do projeto Brazil Data Cube em linguagem Python.
Dia 17 - Quinta
09:30 - 11:30 - Introdução a Séries Temporais de Imagens de Sensoriamento Remoto e Aplicações de Machine Learning - Parte I - Conceitos básicos, amostras e clustering.
13:30 - 15:30 - Introdução a Séries Temporais de Imagens de Sensoriamento Remoto e Aplicações de Machine Learning - Parte II - Classificação.
Responsáveis:
- Gilberto Ribeiro de Queiroz
- Karine Reis Ferreira
- Rennan Marujo
Equipe de Colaboradores do Minicurso:
- Rolf Simões
- Lorena Santos
- Leonardo Vieira
- José Guilherme Fronza
- Fabiana Zioti
- Matheus Cavassan Zaglia
- Felipe Menino Carlos
- Felipe Souza
MC2 - Minicurso de Data Science e Machine Learning:
O minicurso da trilha de Data Science e Machine Learning tem como objetivo apresentar um conteúdo complementar, servindo como aporte para os participantes do hackathon e será divido em três partes. A primeira parte será o módulo de introdução à análise de dados, no qual serão apresentados de forma pragmática e prática à aplicação de algumas técnicas de análise exploratória, processamento e visualização de dados, utilizando as linguagens de programação R e Python. A segunda parte será uma apresentação prática dos principais recursos da plataforma Kaggle, uma plataforma amplamente utilizada para competições de Data Science. A terceira parte do minicurso contará com uma breve visão geral à respeito do contexto histórico e motivações do Machine Learning, em seguida serão apresentados de forma mais aprofundada cada uma das principais abordagens e classes de algoritmo, com exemplos práticos de classificação, regressão e agrupamento, utilizando as linguagens de programação Python e R.
Dia 14 - Segunda
09:30 - 11:30 - Introdução à análise de dados.
13:30 - 15:30 - Data Science para competições usando a plataforma Kaggle
Dia 15 - Terça
09:30 - 11:30 - Introdução ao Machine Learning.
13:30 - 15:30 - Hackathon em Data Science e Machine Learning
Responsáveis:
- Adriano Almeida
- Felipe Menino
- Felipe Souza
- Gilberto Queiroz
- Helvecio Neto
- Rafael Santos
Equipe de Colaboradores do Mini-curso:
- Adriano Almeida
- Felipe Menino
- Felipe Souza
HT1 - Hackathon em Data Science e Machine Learning:
Neste ano acontecerá pela segunda vez o hackathon no WorCAP, no qual os participantes são incentivados a aplicarem seus conhecimentos prévios e adquiridos durante o evento para algumas problemáticas apresentadas.
O hackathon tem como principal objetivo promover um ambiente interdisciplinar de troca de conhecimentos e experiências entre todos os envolvidos. As atividades realizadas podem servir como levantamento de ideias promissoras e como pontapé inicial para o desenvolvimento de trabalhos com potencial de continuação e publicação dos resultados e/ou produto posteriormente ao evento.
Os participantes do hackathon poderão realizar as atividades na modalidade colaborativa ou de forma individual. Ao final, os participantes devem realizar uma curta apresentação da abordagem utilizada e dos resultados preliminares, caso existam.
Para desenvolver as atividade do hackathon os participante deverão ter um computador com acesso à internet, e com o ambiente de desenvolvimento (apresentado durante o minicurso) devidamente configurado.
Maiores orientações serão repassadas durantes os minicursos.
Dia 15 - Terça
13:30 - 15:30 - Hackathon em Data Science e Machine Learning
Responsáveis:
- Adriano Almeida
- Felipe Menino
- Felipe Souza
- Gilberto Queiroz
- Helvecio Neto
- Rafael Santos
Equipe de Colaboradores do Mini-curso:
- Adriano Almeida
- Felipe Menino
- Felipe Souza
