Dia 25/10 (terça-feira)
13:00
Credenciamento (Hall do INF) /
Abertura (Cine UFG)
15:30
Minicurso:
Rapids.ai - Data Science com aceleração de GPU
Jomar Silva (NVIDIA)
Resumo: Rapids é um conjunto de bibliotecas Open Source que permite a execução de pipelines completos de Data Science e Analytics totalmente em GPUs, usando Python. Ele permite que seu código escale de uma máquina de desenvolvimento para servidores ou clusters com múltiplas GPUS. Entre as diversas bibliotecas disponíveis, existem bibliotecas compatíveis com Pandas, Scikit-learn e NumPy/SciPy, em muitos casos com compatibilidade semântica, o que em alguns casos basta substituir o import e está feito. Rapids é um projeto Open Source mantido pela NVIDIA.
Local: Laboratório 153 INF
Número de vagas: 30
Pré-requisito: Python e IA básicos
17:00
Coffee Break. Local: Hall do INF
17:30
Fórum de Iniciação Científica e Pós-graduação. Local: sala 257 - INF
Ver a programação do Fórum IC/PG neste link.
19:00
Minicurso:
Processamento de dados massivos com Apache Spark 3.0
Sávio Salvarino Teles de Oliveira (Jusbrasil)
Resumo: O Apache Spark é o principal framework de processamento dados massivos em Big Data. Nesta palestra, iremos apresentar as principais novidades do Apache Spark 3.0 e como podemos utilizá-lo para processar grandes volumes de dados de forma rápida e simples.
Local: Laboratório 152 INF
Número de vagas: 30
Pré-requisito: Python básico
Dia 26/10 (quarta-feira)
13:00
Credenciamento (Hall do INF)
14:00
Minicurso:
Técnicas Deep learning para análise de imagens. NVIDIA Deepstream
Jomar Silva (NVIDIA)
Resumo: NVIDIA Deepstream é um SDK da NVIDIA focado na implementação de pipeline de processamento de visão computacional utilizando aceleração de GPU, maximizando o processamento na GPU, minimizando a troca de dados entre GPU e host que introduz gargalos de processamento e limita a performance e escalabilidade das aplicações. O NVIDIA Deepstream suporta desenvolvimento em C++, Python e através de uma ferramenta no-code, permitindo a criação rápida e padronizada de aplicações de visão computacional. Ele se integra a outros SDKs importantes da NVIDIA para treinamento otimizado de redes neurais e inferência, suportando ainda sua execução em diversos tipos de dispositivos, da borda até a nuvem.
Local: Laboratório 153 INF
Número de vagas: 30
Pré-requisito: Python e IA básicos
17:00
Coffee Break. Local: Hall do INF
18:00
Palestra:
Laboratório Multiusuário de Computação de Alto Desempenho da UFG
Herbert de Castro Georg (UFG)
Resumo: O Laboratório Multiusuário de Computação de Alto Desempenho (LaMCAD) foi criado no final de 2018 com o objetivo de centralizar esforços para oferecer à comunidade acadêmica da UFG e das instituições parceiras, infraestrutura, serviços e recursos computacionais voltados para computação científica de alta performance (processamento, armazenamento e virtualização). Nesta palestra, descreveremos a estruturação do LaMCAD, a organização dos serviços disponíveis, os resultados e impactos do laboratório, suas perspectivas e seus desafios atuais.
Local: Sala 257 INF
19:00
Minicurso:
Fundamentos da Computação Acelerada com CUDA C/C++
Wellington Martins (INF/UFG)
Resumo: Este minicurso ensina as ferramentas e técnicas fundamentais para acelerar aplicações em C/C++ para serem executados em GPUs massivamente paralelas com CUDA®. Você aprenderá a escrever código, configurar a paralelização de código com CUDA, otimizar a migração de memória entre o processador e o acelerador de GPU. No final do minicurso, você terá acesso a recursos adicionais para criar novas aplicações aceleradas por GPU por conta própria.
Local: Laboratório 153 INF
Número de vagas: 30
Pré-requisito: C/C++ básico