Programação

Palestra: Exploring the Intersection of Graph, Data Science & AI

Jose Alvarado-Guzman – Neo4J

Atua como Senior Data Scientist na Neo4J, onde aplica ciência de dados baseada em grafos e inteligência artificial para ajudar empresas a encontrarem soluções inovadoras para seus desafios de negócio. Possui experiência no desenvolvimento de sistemas de IA, incluindo um analisador de resultados de patologia, um mecanismo de busca biomédico e o Dr. Adam — robô humanoide capaz de responder a qualquer pergunta médica.

Palestra: Análise Estatística de Fatores Relacionados à Desigualdade Social em Áreas Urbanas

Fernando Luiz Pereira de Oliveira  - UFOP

Nesta palestra será abordado análises estatísticas considerando a agregação espacial de casos de prevalências e incidências de diabetes mellitus do tipo 2 - DM2, associando estes desfechos às características individuais e socioeconômicas do ambiente de vizinhança dos participantes.

Palestra: Desenvolvimento de uma plataforma online para a detecção de notícias falsas

Marcos Jardel Henriques - UFSCar

A proliferação de notícias falsas tornou-se uma preocupação significativa nos últimos tempos devido ao seu potencial de espalhar desinformação e manipular a opinião pública. Neste trabalho apresentamos um estudo abrangente sobre a detecção de Fake News em textos escritos em português do Brasil, com foco em notícias de caráter jornalístico. Propomos uma abordagem baseada em aprendizado de máquina que utiliza técnicas de processamento de linguagem natural, incluindo TF-IDF e Word2Vec, para extrair características de dados textuais. Avaliamos o desempenho de diversos modelos de classificação, como regressão logística, máquina de vetores de suporte, floresta aleatória, AdaBoost e LightGBM, em um conjunto de dados contendo tanto notícias verdadeiras quanto falsas. A abordagem proposta alcança alta acurácia e F1-Score, demonstrando sua eficácia na identificação de Fake News. Além disso, desenvolvemos uma plataforma web de fácil utilização,  para facilitar a verificação da veracidade de artigos jornalísticos. Nossa plataforma fornece análise em tempo real, permitindo que os usuários avaliem a probabilidade de uma notícia ser falsa. Por meio de análise empírica e estudos comparativos, demonstramos o potencial de nossa abordagem para contribuir no combate à disseminação de Fake News e promover um consumo de mídia mais fidedigno.

Palestra: Framework estatístico e computacional para precificação e customização tecnológica de automóveis

Oilson Gonzatto – ICMC/USP

Considerando o registro histórico, fornecido por uma empresa, referente às informações de aproximadamente 5000 veículos, entre elas: Informações sobre fabricante, modelo, versão e ano/mês de fabricação; Segmentações comumente utilizadas com propósito analítico (Inmetro, Global, Preço e Bright); Volume de vendas mensal entre set/2015 e mar/2022; Valor de venda mensal de entre jan/2019 e abr/2022; Valor de venda sugerido; Mês/Ano de início e fim de produção; 21 características gerais (como país de produção, consumo de energia, tipo de combustível, etc.); 24 características de segurança (como presença de airbags, sistemas de alerta, amortecedores, etc.); 33 características de eficiência energética e emissões (como ECO, sistema de regeneração de  energia, etc.); e, 41 características de conforto e conectividade (como direção hidráulica, ar condicionado, câmera traseira, etc.), tem-se como objetivo, utilizá-las conjuntamente, para guiar a precificação ou customização de um novo veículo, em um determinado período de tempo. Particularmente, este estudo tem como principal objetivo o esboço metodológico de um Sistema de Inteligência Artificial, através de modelos de Aprendizado Estatístico de Máquina, que seja capaz de auxiliar a empresa em dois pontos de maior interesse: (1) Atribuir preços aos veículos com base em características de fabricação e acessórios que possuem; (2) Propor características de fabricação e acessórios considerando uma determinada faixa de preço. Como resultados preliminares, idealizamos um framework de modelagem estatística e computacional e a prototipação de uma plataforma web que permita o uso simplificado da metodologia desenvolvida por usuários não familiarizados com a teoria estatística.

Apresentação de Trabalhos: 

Trabalho 1: Agrupamento por Vetores de Suporte: Fundamentos e aplicações.

Lucas Scheffer - UFPR

A análise de agrupamentos é uma das principais técnicas utilizadas nas empresas hoje em dia, e é uma poderosa ferramenta de observação de padrões nos dados. A ideia principal é unir dados parecidos em grupos, particionando assim a base de dados e, consequentemente, reduzindo seu tamanho. Existem inúmeras técnicas para se realizar essa clusterização, entre elas: K-means, Fuzzy C-means, agrupamento hierárquico etc. Neste trabalho foi estudado o agrupamento por vetores de suporte (support vector clustering - SVC) e suas nuances. Aplicamos esta técnica em bases de dados simuladas e reais. Os resultados do SVC foram comparados com o k-means, fuzzy c-means, DBSCAN, clusterização hierárquica e Self-organizing Maps por meio de três métricas que medem a qualidade das clusterizações. Na maioria das aplicações, o SVC superou os outros 5 métodos.

Trabalho 2: Medicina de redes como estratégia para o reposicionamento de alvos terapêuticos contra a dengue.

Gislayne Bueno - UFPR

A dengue  é uma doença viral endêmica no Brasil. Em 2024 foram registrados mais de 6,6 milhões de casos e milhares de mortes. Considerando o elevado número de casos e a mortalidade da doença, o desenvolvimento de   abordagens terapeuticas direcionadas é urgente. Nesta palestra, serão apresentados os resultados da utilização da medicina de redes  na análise de interações proteína-proteína para identificação de alvos promissores no combate à infecção pelos quatro sorotipos de dengue prevalentes no país. 

Mesa Redonda: Evasão nos Bacharelados em Estatística 

Cesar Taconeli - Coordenador do Bach. em Estatística e Ciência de Dados UFPR

Geisyane Karina Gonzaga Kath - Egressa do Bach. em Estatística UFPR

Lineu Alberto Cavazani de Freitas  - Coordenador de Estatística e Ciência de Dados Reitoria UFPR

Paulo Justiniano Ribeiro Neto - Graduando em Estatística e Ciência de Dados