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


Jomar Silva é Engenheiro Eletrônico especializado em Open Source, Padrões Abertos e Inteligência Artificial. Trabalha com comunidades de tecnologia desde 2002, e contribuiu com diversos projetos e tecnologias abertas, como ODF (OpenDocument Format) e Apache Open Office, entre outros. Contribuiu para a disseminação de diversas tecnologias abertas no Brasil, em áreas como HTML5, IoT, Visão Computacional e Inteligência Artificial. Nos últimos anos atua voluntariamente como mentor em Developer Relations e Open Source, tendo ajudado diversas empresas e profissionais no Brasil e o Mundo a entender como o compartilhamento de conhecimento, co-criação e a força das comunidades são fundamentais para o sucesso de uma tecnologia ou produto de software. É atualmente Gerente de Relacionamento com Desenvolvedores para a América Latina na NVIDIA.

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


Doutor em Ciência da Computação pela UFG, trabalha há mais de 13 anos com Big Data e Inteligência Artificial utilizando plataformas open source (Hadoop, Spark, Kafka, Elasticsearch, Redis, Cassandra, MongoDB, Airflow, Nifi e Flink) em ambientes com containers Docker orquestrados pelo Kubernets. Já realizou o deploy destas plataformas Big Data em grandes fornecedores de Cloud atuais (Google Cloud, Amazon AWS, Microsoft Azure e IBM SoftLayer) utilizando IaaS (Infraestrutura como serviço).

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


Jomar Silva é Engenheiro Eletrônico especializado em Open Source, Padrões Abertos e Inteligência Artificial. Trabalha com comunidades de tecnologia desde 2002, e contribuiu com diversos projetos e tecnologias abertas, como ODF (OpenDocument Format) e Apache Open Office, entre outros. Contribuiu para a disseminação de diversas tecnologias abertas no Brasil, em áreas como HTML5, IoT, Visão Computacional e Inteligência Artificial. Nos últimos anos atua voluntariamente como mentor em Developer Relations e Open Source, tendo ajudado diversas empresas e profissionais no Brasil e o Mundo a entender como o compartilhamento de conhecimento, co-criação e a força das comunidades são fundamentais para o sucesso de uma tecnologia ou produto de software. É atualmente Gerente de Relacionamento com Desenvolvedores para a América Latina na NVIDIA.

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


Herbert de Castro Georg é professor do Instituto de Física da UFG e Coordenador Geral do Laboratório Multiusuário de Computação de Alto Desempenho da UFG (LaMCAD). É graduado em Matemática pela PUC-GO (1996) e em Física pela UFG (1999) e Doutor em Física pela USP (2006). Foi pesquisador visitante na Universidade de Viena (2007) e professor visitante na USP (2017). Bolsista de produtividade PQ2 do CNPq no período 2010-2021. Como pesquisador atua na área de Física Molecular Teórica e Computacional e por isso tem interesse em computação de alto desempenho.

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


Wellington Santos Martins é bolsista de produtividade em pesquisa (PQ) do CNPq - Nível 2. É professor de Ciência da Computação da Universidade Federal de Goiás (INF/UFG), onde lidera o Laboratório de Computação de Alto Desempenho e Aplicações (LDA). Recentemente se tornou embaixador universitário da NVIDIA Deep Learning Institute (DLI), com certificação para a tecnologia CUDA. Seu Doutorado foi em Ciência da Computação na Universidade de East Anglia (Inglaterra), mestrado em Sistemas de Computação na PUC-RJ, e graduação em Engenharia Elétrica na UFG, respectivamente. Ele atuou como pesquisador visitante na UDEL (EUA) e UFMG. Seus interesses de pesquisa incluem computação paralela (algoritmos e implementações), aprendizado de máquina, mineração de textos, e informática científica (bio/geo/eco-informática).