dia internacional matematica 700x300

14 de março foi proclamado pela UNESCO como o Dia Internacional da Matemática



Para celebrar a beleza e a importância da matemática e seu papel essencial na vida de todos, a União Internacional de Matemática (IMU) levou para a UNESCO o projeto de instituir o dia 14 de março como o Dia Internacional da Matemática (IDM). A declaração veio em 26 de novembro de 2019, durante a 40ª Conferência Geral da UNESCO.

O dia 14 de março, ou 3/14 no formato americano, já é conhecido como Dia do Pi e comemorado em muitos países ao redor do mundo. A escolha da data refere-se ao importante número π, a razão entre a circunferência e o diâmetro de um círculo, que é aproximadamente igual a 3,14. A celebração do IDM expande o Dia do Pi para incluir todo o espectro da matemática.

Como 14 de março de 2020 será um sábado, o lançamento oficial internacional ocorrerá na sexta-feira, 13 de março de 2020. Haverá dois eventos paralelos de lançamento internacional, o primeiro em Paris na sede da UNESCO e o segundo como um evento plenário dentro do Próximo Fórum Einstein 2020 (NEF2020, de 10 a 13 de março de 2020) em Nairobi, Quênia.

Mais de 75 países e 150 organizações como sociedades matemáticas, institutos de pesquisa, museus, escolas e universidades já estão anunciando suas comemorações, e espera-se muito mais.

 

O DIA INTERNACIONAL DA MATEMÁTICA NO IME-USP

O Professor Eduardo Colli, do IME-USP, membro do Comitê de Governança do IDM, escolhido pela União Matemática Internacional para acompanhar a tramitação do projeto junto à UNESCO e também dar suporte às atividades no mundo inteiro, destaca a importância da proclamação do IDM:

“O IDM serve para chamar a atenção do público para a Matemática de uma maneira leve e festiva, mas com um intuito sério, que é celebrar um dos maiores patrimônios do conhecimento humano. Todos estão convidados a participar.” 

Colli sugere que os interessados em organizar ou participar de atividades já podem anotar o endereço do site internacional do IDM, http://www.idm314.org. Ele também anuncia que a Matemateca, centro de difusão e ensino do IME-USP do qual é diretor, participará da primeira comemoração da data com uma exposição no Centro Universitário Maria Antonia (CEUMA) de 05 a 30 e março. O CEUMA, órgão da Pró-Reitoria de Cultura e Extensão da USP sediado no antigo prédio da Faculdade de Filosofia, Ciências e Letras da USP, organiza atividades culturais e sedia exposições durante o ano inteiro.

Maria Fernanda Ziegler, de Lyon | Agência FAPESP – Máquinas podem ser treinadas para classificar imagens e, desse modo, identificar tumores em tomografias, composições mineralógicas em rochas ou patologias em análises de microscopia óptica. Essa área da inteligência artificial é conhecida como aprendizado de máquina e vem ganhando novas aplicações nos últimos anos.

O treinamento da máquina é feito por meio da repetição de imagens usadas como exemplos de um determinado contexto ou situação e a preparação adequada desse material requer um esforço de especialistas das mais diversas áreas.

“O humano é que coordena. Sem o controle do especialista sobre o processo de treinamento, a máquina pode aprender a tomar decisões com base nas características da imagem que não estão relacionadas ao problema-alvo. Isso gera um resultado ruim ou restrito àquela base de dados em que a máquina foi treinada. Quando muda a base de dados, o erro aumenta consideravelmente, tornando a análise da máquina pouco confiável”, disse Alexandre Xavier Falcão, do Instituto de Computação da Universidade Estadual de Campinas (Unicamp), em palestra apresentada na última quinta-feira (21/11) na FAPESP Week France.

Falcão tem unido a ciência da computação com diferentes áreas do conhecimento a partir de projetos em machine learning, desenvolvidos com o apoio da FAPESP, linha de pesquisa que investiga a interação humano-máquina na tomada de decisões.

Automatização da detecção de parasitas

Um dos projetos liderados por Falcão e apresentados na FAPESP Week France teve como objetivo automatizar a detecção de parasitas em exame de fezes. A pesquisa foi conduzida por meio de uma parceria entre a Immunocamp e pesquisadores dos Institutos de Computação e de Química da Unicamp, além da Faculdade de Ciências Médicas da mesma universidade.

A equipe interdisciplinar desenvolveu uma máquina – patenteada e em breve disponível no mercado – capaz de identificar as 15 espécies mais prevalentes de parasitas que infectam humanos no Brasil.

A técnica de aprendizado de máquina demonstrou eficiência superior a 90%, bem maior que as análises convencionais realizadas por humanos por meio de análise visual de lâminas de microscopia óptica, cujos índices variam de 48% a, no máximo, 76%. A máquina também é capaz de processar 2 mil imagens em quatro minutos.

“A ideia não é substituir o trabalho de humanos, até porque eles precisam treinar as máquinas para a identificação de mais espécies de parasitas e confirmar o diagnóstico dos patógenos detectados pela máquina, mas evitar a fadiga dos humanos e aumentar a precisão dos resultados”, disse.

A tecnologia inédita contou também com apoio da FAPESP por meio do Programa Pesquisa Inovativa em Pequenas Empresas (PIPE).

Aprendizado interativo de máquina

De acordo com Falcão, a primeira dificuldade do projeto foi ensinar a máquina a distinguir nas imagens o que era impureza e o que era, de fato, parasita. “Só conseguimos contornar esse obstáculo por meio da combinação entre técnicas de processamento de imagens, aprendizado interativo de máquina e visualização. O especialista e a máquina participam de forma colaborativa no ciclo do aprendizado da máquina. Outro ponto importante é que áreas da saúde e da química têm criado técnicas para gerar lâminas de microscopia óptica mais ricas em parasitas e com menos impurezas fecais”, disse.

Uma das inovações criadas pela equipe da Unicamp foi um sistema para separação de parasitas e impurezas baseado no princípio de flotação por ar dissolvido.

A máquina é capaz de fazer a varredura automatizada da lâmina e detectar os parasitas que aparecem em imagens na tela do computador. Isso foi possível por meio de técnicas computacionais que separam os componentes da imagem para verificar e decidir se são impurezas ou uma das 15 espécies parasitárias.

“A interação humano-máquina tem potencial para reduzir o esforço humano e aumentar a confiança na decisão algorítmica. Nossa abordagem tem mostrado que a inclusão do especialista no ciclo de treinamento gera sistemas confiáveis de tomada de decisão baseada em análise de imagem."

O intuito da metodologia é minimizar o esforço do especialista na anotação de imagem em larga escala visando a construção de sistemas de tomada de decisão com alto índice de acerto.

“A abordagem clássica, que usa exemplos pré-anotados e sem interação humana durante o treinamento, deixa várias perguntas sem resposta. São questões essenciais, como quantos exemplos são necessários para que as máquinas aprendam ou como explicar as decisões tomadas pela máquina. A nossa metodologia consiste em incluir o especialista no ciclo do aprendizado de máquina para que perguntas como essas sejam respondidas”, disse.

A estratégia da equipe de Falcão para construir sistemas de tomada de decisão confiáveis tem sido explorar habilidades complementares. “Os humanos são superiores na abstração de conhecimento. Já as máquinas não se cansam e são melhores no processamento de grandes quantidades de dados. Desse modo, o esforço do especialista é minimizado ao controlar o ciclo de aprendizado e as decisões das máquinas passam a ser explicáveis”, disse.

Aprendizado autônomo

Outra técnica de machine learning que tem sido empregada cada vez mais para desenvolver novas tecnologias baseadas em análise de imagens é a de deep learning, que visa treinar as máquinas a aprenderem sozinhas por meio de reconhecimento de padrões e, dessa forma, agirem e interpretarem dados de modo mais natural.

Os avanços nessa área têm possibilitado inovações importantes baseadas na análise de imagens, como reconhecimento facial, identificação de corpos celestes ou sistemas capazes de descrever o conteúdo de uma foto, destacou Nina Hirata, pesquisadora do Instituto de Matemática e Estatística da Universidade de São Paulo (IME-USP), em palestra apresentada também na última quinta-feira (21/11) durante a programação da FAPESP Week France.

“Tarefas comuns em problemas de análise de imagens, como classificação, reconhecimento de objetos, segmentação [delineação precisa do contorno de objetos] e interpretação do conteúdo, podem ser abordadas com técnicas de machine learning e, nos últimos anos sobretudo, com técnicas de deep learning”, disse Hirata.

Como explicou a pesquisadora, deep learning envolve técnicas que permitem processar uma imagem diretamente, sem que um humano precise descrever as características da imagem durante o treinamento da máquina.

“Antes era preciso escrever algoritmos muito específicos para extrair informações de características da imagem. Cada caso era um caso. O processo era muito manual. Hoje, com o deep learning, essa tarefa ficou muito mais fácil, o que nos permite focar em tarefas de nível mais elevado. Por exemplo, no caso de imagens biomédicas, em vez de empenhar nosso esforço em segmentar e extrair características de células individuais em um tecido, podemos canalizar o esforço na comparação de tecidos”, disse Hirata.

No entanto, acrescentou, apesar dos vários aspectos positivos dessa tecnologia, existem também vários desafios a serem vencidos. “Deep learning é uma espécie de caixa-preta: é muito difícil explicar por que ele está funcionando ou por que, às vezes, deixa de funcionar”, disse Hirata.

Interdisciplinar

A pesquisadora da USP trabalha atualmente em um projeto dedicado ao entendimento de imagens e de modelos de deep learning. Outro objetivo da pesquisa é testar a aplicação desses modelos em áreas diversas da ciência, como o reconhecimento de espécies de plânctons e a identificação de corpos celestes em imagens capturadas por meio de telescópios. Ela ainda citou outros projetos em andamento no instituto, um deles com o objetivo de medir o quão verde é uma cidade com base em dados do Google Street View.

“Em minha experiência, percebi que há uma dificuldade de comunicação entre pesquisadores de áreas distintas, barreira que dificulta colaborações multidisciplinares. Mas isso precisa ser mudado, pois atualmente é quase impossível fazer uma pesquisa sem estar amparado em dados e na ciência da computação”, disse.

Para Hirata, é preciso que pesquisadores de outras áreas entendam como formular problemas computacionais e, ao mesmo tempo, os estudantes da área de computação sejam treinados a lidar mais diretamente com problemas reais.

O simpósio FAPESP Week France acontece entre os dias 21 e 27 de novembro, graças a uma parceria entre a FAPESP e as universidades de Lyon e de Paris, ambas da França. Leia outras notícias sobre o evento em www.fapesp.br/week2019/france.


Este texto foi originalmente publicado por Agência FAPESP de acordo com a licença Creative Commons CC-BY-NC-ND. Leia o original aqui.

3o epei

Evento acontece entre os dias 27 a 29 de novembro de 2019 no IME-USP. Para participar é necessário se inscrever gratuitamente no site do evento.

 

O 3º EPEI é um evento que visa reunir alunos, egressos, docentes e colaboradores dos Programas de Mestrado e Doutorado em Estatística do IME-USP para o compartilhamento de conhecimentos, experiências e para estabelecer novas parcerias de trabalho e pesquisa.

O encontro ocorrerá de 27 a 29 de novembro de 2019, no Auditório Jacy Monteiro do IME-USP, Bloco B, que fica na rua do Matão, 1010 - Cidade Universitária, São Paulo - SP.

 

Para participar, é necessário realizar inscrição prévia, sem custo na página de inscrições do evento.

 

PROGRAMAÇÃO

Horário 27/11 (Quarta) 28/11 (Quinta) 29/11 (Sexta)
9:00 – 9:30 Miguel Abadi Frederico Poleto Júlia Pavan
9:30 – 10:00
10:00 – 10:30 Café e Sessão de Pôsteres Café Café
10:30 – 11:00 Minicurso: Monte seu Pacote no R Oficina com Bruno Coelho
11:00 – 11:30 Alunos do Programa de Pós-Graduação
11:30 – 12:00
12:00 – 12:30
12:30 – 13:00 Almoço Almoço
13:00 – 13:30 Almoço
13:30 – 14:00
14:00 – 14:30 Hedibert Lopes Renata Brunelli Bruno Santos
14:30 – 15:00
15:00 – 15:30 Lurdes Inoue Kim Samejima Fábio Lopes
15:30 – 16:00

 

Saiba mais

Para ter mais informações sobre os palestrantes e a programação completa, acesse o site do evento: https://www.ime.usp.br/~epei.

 

 

Marcelo Modesto Costa | 11.11.2019
Serviço de Apoio Institucional
(11) 3091-6268
Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.

 

finger bandnews tv 3

Professor Marcelo Finger em participação no Programa Aqui tem Vaga da BANDNEWS TV

 

Em participação no Programa "Aqui tem Vaga" da BandNews TV, o Prof. Marcelo Finger, chefe do Departamento de Ciência da Computação do IME-USP e membro da Comissão Especial de Inteligência Artificial da Sociedade Brasileira de Computação, falou sobre a evolução tecnológica e o seu impacto ao longo da história, os novos campos de pesquisa em IA e o papel da Universidade nesse contexto. O professor também destacou a criação do Centro Pesquisa na área de Inteligência Artificial da USP e abordou outros assuntos relacionados ao tema do programa que foi Inteligência Artificial e como as novas tecnologias vão impactar o mercado de trabalho.

O programa foi exibido no dia 28 de outubro de 2019 e também contou com a participação do Professor Arthur Igreja, especialista em tecnologia e inovação, da FGV.

 

ASSISTA AO PROGRAMA

O programa está disponível na íntegra no portal de vídeos da TV. Para assistir, acesse o link: 

https://videos.band.uol.com.br/bandnewstv/16716794/aqui-tem-vaga---inteligencia-artificial.html

 

evento banner

XXII Simpósio Brasileiro de Métodos Formais (SBMF) e a Escola de Métodos Formais (ETMF), no IME/USP de 26 a 28 de Novembro de 2019

 

O Simpósio Brasileiro de Métodos Formais (SBMF) é um evento promovido pela Sociedade Brasileira de Computação (SBC) que tem historicamente atraído a vinda de pesquisadores de outros países, o que destaca a relevância deste evento no cenário mundial, permitindo, assim, o desenvolvimento e fortalecimento de parcerias internacionais.

Os principais temas estão relacionados a aspectos formais de linguagens de especificação, aspectos formais de desenvolvimento de sistemas, verificação e validação, e uso dessas técnicas formais e respectivas ferramentas na indústria de software.

Este ano a Escola de Métodos Formais (ETMF) apresentará cursos focados no uso dessas técnicas na indústria de software, onde serão utilizadas ferramentas computacionais para o desenvolvimento, teste e verificação formal dos softwares. Esses cursos têm como público alvo estudantes de graduação e pós-graduação e profissionais de tecnologia de software.

O SBMF apresentrá o estado da arte de técnicas de desenvolvimento formal de software e contará com palestras de renomados pesquisadores internacionais, dentre os quais, Andreas Zeller (Saarland University – Computer Sicience), Philip Wadler (School of Informatics - University of Edinburgh), Thierry Lecomte (CLEARSY Systems Engineering) e Gustavo Carvalho (UFPE – Centro de Informática).

 

Veja a programação completa do evento e venha participar: https://www.ime.usp.br/~sbmf2019/