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.
Aprendizado Federado: uma estratégia de aprendizado colaborativo com preservação de privacidade
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.
METIS: Mulheres de Exatas em Cibersegurança
LLVM – Um Arcabouço para a Construção de Compiladores
LLVM é um conjunto de bibliotecas e ferramentas que facilitam o desenvolvimento de linguagens de programação. Várias linguagens populares hoje são construídas e compiladas via LLVM: C, C++, Rust e Julia, por exemplo. LLVM define uma representação intermediária de código (uma linguagem de montagem). Ao traduzir uma linguagem de alto nível para este código intermediário, tem-se acesso a uma vasta gama de análises estáticas e otimizações que já estão disponíveis em LLVM. Nessa palestra veremos como usar LLVM como uma ferramenta para compilar e visualizar programas, escreveremos código na representação intermediária, e desenvolveremos uma análise de código que pode ser acoplada àquela infraestrutura.
A eficácia irrazoável da ciência dos dados
Há três fatores responsáveis pela revolução trazia pela inteligência artificial: (1) o constante aumento na capacidade computacional; (2) a acumulação de grandes volumes de dados gerando insights e possibilitando a criação de produtos orientados por dados; (3) o desenvolvimento da teoria de aprendizado estatístico e seus algoritmos. Este alinhamento de planetas permitiu um grande sucesso em tarefas desafiadoras, como o desenvolvimento de assistentes virtuais e chatbots, carros autônomos, tradução automática entre idiomas e a detecção precoce de anomalias não especificadas nos sinais vitais. Nesta apresentação, vou fornecer uma visão geral desses desenvolvimentos a partir de uma perspectiva histórica, concentrando-me na contribuição trazida pela Probabilidade e Estatística. Ilustrarei esta apresentação com exemplos de minha própria pesquisa.
Árvore da Ciência: Uma Plataforma para Exploração da Genealogia Acadêmica Brasileira
Identificar e estudar a formação de pesquisadores ao longo dos anos é uma tarefa desafiadora, uma vez que os atuais repositórios de teses e dissertações são catalogados de forma descentralizada em diferentes bibliotecas digitais. Neste projeto, foi realizado um esforço visando a construção de um grande repositório para registro da genealogia acadêmica brasileira. Para isso, foram coletados dados da plataforma Lattes do CNPq, a partir dos quais foi desenvolvida uma ferramenta de busca voltada a usuários finais que permite gerar as árvores genealógicas acadêmicas dos pesquisadores brasileiros a partir dos dados coletados, fornecendo também dados adicionais sobre as principais propriedades dessas árvores que possibilitam identificar aspectos relevantes relacionados à trajetória acadêmica dos pesquisadores brasileiros.
Tecnologia Assistiva para Apoio à Comunicação entre Surdos e Ouvintes no Contexto de Saúde
A palestra terá por objetivo mostrar os desafios vivenciados por surdos no contexto específico de comunicação durante uma consulta médica e discutir a solução de tecnologia sendo desenvolvida no Projeto Captar-Libras para este contexto.
Aprendizado de Máquina para Entendimento e Geração de Músicas
Aprendizado de Máquina consiste de uma área de conhecimento focada no uso e desenvolvimento de técnicas computacionais e estatísticas que automatizam a criação de modelos analíticos. Isto é, em vez de serem programados explicitamente para realizar uma tarefa, os sistemas de aprendizado de máquina usam dados para construir modelos que ou realizam inferência em dados históricos ou tomam decisões com base em tais dados históricos. Nessa palestra, vamos entender como Aprendizado de Máquina pode ser utilizado para tarefas de enfâse musical. Em particular, vamos explorar tarefas como reconhecimento de acordes e geração automática de músicas. A palestra terá um viés introdutório, trazendo assim uma visão mais ampla de como o Aprendizado e Máquina pode fazer uso de dados Musicais.
Quer saber como o “mundo gira”? Entenda a mobilidade!
A mobilidade tem um papel central nas diversas atividades relacionadas que fazemos, principalmente no trabalho, comércio, indústria e lazer. O estudo da mobilidade para diferentes finalidades (e.g., econômicas, serviços públicos, estudo acadêmico) deve ser feito de forma sistemática já que do ponto de vista científico é a questão mais fundamental a ser investigada para, a partir daí, usarmos essas soluções em diferentes cenários. Esta palestra irá discutir a mobilidade a partir do estudo de traços de mobilidade (mobility traces) e as questões associadas nesse estudo.
