Minicursos
Criando dashboards usando Streamlit
Petra Maria Bartmeyer (DMA - IMECC)
+
Neste curso exploraremos como utilizar o Streamlit para criar visualizações atraentes e informativas, facilitando a interpretação de dados e a comunicação de resultados. Com uma abordagem prática, vocês aprenderão a construir dashboards interativos que não só impressionam, mas também aprofundam a compreensão dos dados. Venham aprimorar suas habilidades e descobrir como a visualização de dados pode potencializar suas análises.
Uma introdução ao aprendizado de máquinas tradicional e profundo
João Batista Florindo (DMA - IMECC)
+
A inteligência artificial tem ocupado um papel de destaque cada vez maior tanto na ciência quanto no mercado e na nossa vida cotidiana. E o aprendizado de máquinas é hoje o paradigma mais popular nessa área. Neste mini-curso, faremos uma introdução aos conceitos e técnicas gerais da área e focaremos de aprendizado clássicos (redes neurais multi-layer perceptron, ensembles de árvores, K-means e PCA), além de abordarmos também algoritmos de aprendizado profundo (redes convolucionais e transformers). Faremos ainda um breve apanhado de ferramentas modernas, como os grandes modelos de linguagem e physics-informed neural networks. O curso contará com uma breve descrição da teoria por trás desses métodos, que será seguida por sua execução em uma situação prática usando bibliotecas do Python.
Uma breve introdução à teoria quântica de campos em espaços-tempo curvos
João Paulo Pitelli Manoel (DMA - IMECC)
+
Discutiremos alguns conceitos chaves para a quantização de campos (e sua interpretação) em espaços-tempo curvos. Entre eles, a ausência de um vácuo preferencial, ao contrário do que acontece no espaço-tempo de Minkowski, e a utilização dos chamados detectores de Unruh-deWitt, focando em seu papel na interpretação de partículas em um background não trivial.
Métodos de diferenças finitas supra-convergentes; análise numérica e aplicações
Giuseppe Romanazzi (DMA - IMECC)
+
Da Análise funcional se podem deduzir propriedades no contínuo que se traduzidas corretamente no âmbito discreto permitem de gerar métodos numéricos para sistemas de equações de derivadas parciais que tem ordem de convergência maior da ordem do erro de truncamento. Esta propriedade dos métodos se chama supra-convergência. Neste mini-curso deduzimos estes métodos supra-convergentes e analisaremos a sua estabilidade e convergência. Aplicações no âmbito biomédico da liberação de fármaco e proliferação celular em tumores são apresentadas.