Quando se compra Deep Learning, o que de fato estamos levando?

Quarta-feira, 22 de agosto 16:30 - 17:20 Auditório Jacy Monteiro
Sinopse

Muito além do oba-oba gerado recentemente pelo sucesso de programas de aprendizado automático, em particular de Deep Learning, queremos analizar o que realmente acontece quando trazemos técnicas de Deep Learning para o ambiente de trabalho, tanto do ponto de vista do usuário como do ponto de vista dos desenvolvedores destas tecnologias. Como na introdução de qualquer nova onda tecnológica, temos problemas gerais, como a inevitável modificação de diversas práticas de trabalho e a necessidade de treinamento para lidar com as novas tecnologias. Mas há peculiaridades na adoção de técnicas de aprendizado automático que precisam ser tratadas com muito cuidado, as quais abordaremos nesta palestra; em particular, falaremos dos problemas da “dependência de dados” e dos problemas éticos trazidos por esta nova tecnologia.


Palestrante
Marcelo Finger

Marcelo Finger

Professor Titular, Insituto de Matemática e Estatística - USP

É professor titular do Instituto de Ciência da Computação do Instituto de Matemática e Estatística da Universidade de São Paulo, bolsista 1C de produtividade em pesquisa do CNPq, editor do The Scientific World Journal, do São Paulo Journal of Mathematical Sciences e da Revista de Informática Teórica e Aplicada, editou special issues nos periódicos Annals of Mathematics in Artificial Intelligence (2001) e Theoretical Computer Science (2014). Possui graduação em Engenharia Eletrônica pela Universidade de São Paulo (1988), mestrado em Foundations of Advanced Information Technology - Imperial College of Science, Technology and Medicine (1990) e doutorado em PhD in Computing - Imperial College of Science and Technology, University of London (1994), Livre-docente (2001) e titular (2011) em Ciência da Computação pelo Instituto de Matemática e Estatística da Universidade de São Paulo.

Entre vários prêmios, destacam-se Convocation Sesquicentenial (1990), Armstrong Prize and Medal (1994), Prêmio Jabuti (2007 -1o lugar, Ciências Exatas, Tecnologia e Informática) e Prêmios de Desempenho Didático (2002, 2004, 2005, 2006).

Desenvolve pesquisas envolvendo raciocínio lógico-probabilístico visando entender a interação entre estas duas formas básicas de raciocínio, sua complexidade computacional e suas aplicações em Inteligência Artificial, Bancos de Dados, Linguística Computacional e Humanidades Digitais.

Agenda