DCC/UFMG

Os avanços dos grandes modelos de linguagem (LLMs) têm gerado inovações e disrupções em diversas áreas profissionais. Nesta palestra, discutiremos o impacto dessas transformações na atuação do cientista de dados. Em especial, será realizada uma demonstração prática do uso de LLMs em tarefas de análise exploratória e preditiva sobre uma base de dados real.

Muitos cientistas afirmam que a Lei de Moore está próxima do fim. Uma das principais razões é o limite físico da miniaturização dos transistores de silício. Não há uma tecnologia sucessora proeminente para a lógica CMOS atual, mas algumas alternativas possíveis têm sido investigadas. Nesta apresentação, discutiremos a evolução histórica das máquinas computacionais até o fim da era de ouro, quando os projetistas podiam desenvolver software, arquitetura, implementação e dispositivos de forma independente. Assim, surge uma pergunta: o que teremos no futuro? Precisamos continuar controlando a corrente elétrica para realizar a computação? Existem outras alternativas? Uma ampla variedade de novas nanotecnologias gerará muitas possibilidades para o desenvolvimento de novas aplicações computacionais com baixo consumo de energia, alta velocidade e alta resiliência. Vamos explorar algumas dessas possíveis alternativas.

Esta palestra pretende apresentar um panorama da Cibersegurança e principais tendências na área, incluindo oportunidades para maior atuação feminina.

As redes sensíveis ao tempo (TSN — Time-Sensitive Networking) são empregadas em situações que precisamos de um baixo atraso e alta confiabilidade, como em controle industrial, teleoperação e aplicações de realidade virtual e aumentada. Esta palestra vai apresentar as aplicações de TSN, os desafios que estas aplicações trazem para as redes de computadores, e vamos falar rapidamente dos padrões implementados para redes TSN.

Compiladores são ferramentas que traduzem código escrito em linguagens de alto nível para código de máquina. Por cumprirem essa função fundamental, são indispensáveis para o desenvolvimento da ciência da computação. Nesse contexto, os compiladores vêm sendo alvo de constante inovação — desde 1954, quando o primeiro compilador de Fortran começou a ganhar forma, até os dias de hoje, com os compiladores tensoriais ocupando um papel de destaque na computação. Nesta palestra, vamos discutir algumas dessas inovações, como elas surgem e qual é seu papel no avanço da tecnologia digital.

Grandes Modelos de Linguagem (GMLs), baseados em técnicas de Inteligência Artificial, têm transformado o Processamento de Linguagem Natural (PLN), sendo referência em tarefas como classificação de texto, análise de sentimentos, sumarização e perguntas-e-respostas. No entanto, sua construção e adaptação exigem alto custo computacional, demandando infraestrutura especializada e grande consumo energético, o que acarreta impactos ambientais negativos, como a emissão de CO2. O modelo atual adotado pelos grandes players– baseado na “Lei do Mais” (mais dados, mais hardware, mais energia) – é insustentável e pouco viável para países com recursos limitados, como o Brasil, dificultando a competitividade internacional. Nessa palestra discutiremos alguns esforços sendo desenvolvidos pelo nosso grupo, incluído alguns baseados em Engenharia de Dados e IA generativa, para tratamento dessas questões, com o objetivo de aumentar a efetividade e a eficiência de modelos, ao mesmo tempo que reduz-se os custos computacionais e o consumo energético, contribuindo para um desenvolvimento mais sustentável e acessível.

Muito se fala sobre computação quântica: que ela vai revolucionar a tecnologia, quebrar toda a criptografia, curar doenças e talvez até fazer café. Mas o que exatamente é um computador quântico? Como ele funciona? E o que ele realmente pode — ou não pode — fazer? Nesta palestra, vamos apresentar os fundamentos da computação quântica de forma acessível, porém com rigor conceitual. Discutiremos as ideias centrais por trás do modelo quântico de computação — como superposição, entrelaçamento e interferência — e como elas se diferenciam da computação clássica que conhecemos. Também vamos abordar alguns mitos comuns: por exemplo, por que computadores quânticos não são simplesmente “computadores mais rápidos”, ou que façam computação paralela que explora todas as possibilidades ao mesmo tempo.A ideia é oferecer uma introdução clara e honesta, desmistificando a computação quântica sem tirar dela o fascínio que a torna uma das áreas mais empolgantes (e desafiadoras) da ciência da computação contemporânea.

Vivemos o momento mais transformador da história da computação e da humanidade, onde ondas tecnológicas estão convergindo: IA generativa, computação quântica, edge computing com 5G/6G, interfaces cérebro-computador, dentre outras.Esta convergência impressionante está criando oportunidades de pesquisa e inovação em novos campos, enquanto exige que aprimoremos de forma acelerada. Isso representa tanto oportunidades quanto desafios de adaptação: é essencial desenvolver “mindset de lifelong learning”, dominar fundamentos sólidos (algoritmos, matemática, estatística) e cultivar competências transversais como comunicação e ética tecnológica. O futuro não é algo que acontecerá em uma época distante. Ele já está sendo construído agora, e vocês podem escolher ser protagonistas dessa transformação histórica, surfando o tsunami tecnológico ao invés de serem arrastados por ele.

Dados privados têm cada vez mais sido usados em aplicações baseadas em aprendizado de máquina. Tais modelos podem estar sujeitos a ataques específicos que buscam violar a privacidade de indivíduos cujos dados participaram do conjunto de treinamento do modelo. Nesta palestra vamos abordar questões de privacidade de dados pessoais no contexto de sistemas baseados em aprendizado de máquina. Vamos descrever potenciais ameaças e ataques em modelos de aprendizado de máquina oferecidos como serviço (Machine Learning as a Service – MLaaS), bem como técnicas de proteção da privacidade na construção desses sistemas.

O principal objetivo desta palestra é apresentar os fundamentos essenciais do Aprendizado Federado (Federated Learning – FL), abordando as ferramentas e etapas necessárias para o desenvolvimento de aplicações e serviços voltados à Internet das Coisas (Internet of Things – IoT). Discutiremos o estado da arte em FL, destacando os desafios atuais e as perspectivas futuras para o avanço dessa área. O Aprendizado Federado é um campo de pesquisa emergente, repleto de oportunidades ainda inexploradas. Assim, encerraremos a palestra compartilhando alguns resultados das pesquisas conduzidas pelo nosso grupo, além de apontar áreas promissoras e em desenvolvimento nesse domínio.