Embedded Files
Seja bem vindo(a) à
Escola Regional de
Alto Desempenho do
Região Nordeste
RECIFE, PE • 8 a 10 de Julho
Minicursos
Minicursos
Minicurso 1
Minicurso 1
Análise de Dados com R: Introdução às Técnicas de Inteligência Artificial aplicado a problemas reais
Local e horário: a definir
Resumo:
Apresentar, de forma prática e introdutória, os principais conceitos e ferramentas para análise de dados utilizando a linguagem R, com foco na aplicação de técnicas de Inteligência Artificial em cenários do mundo real. Ao longo do minicurso, os participantes serão introduzidos aos fundamentos da análise de dados, incluindo manipulação, visualização e interpretação de informações, utilizando pacotes amplamente adotados no ecossistema R. Em seguida, serão exploradas técnicas básicas de Inteligência Artificial aplicadas a conjuntos de dados reais. A abordagem será orientada à prática, permitindo aos participantes compreender como transformar dados em insights relevantes para tomada de decisão. Ao final, espera-se que os participantes sejam capazes de realizar análises exploratórias, aplicar modelos simples de IA e interpretar resultados de forma crítica, desenvolvendo uma base inicial para estudos mais avançados na área de Ciência de Dados.
Instrutora:
Roberta Fagundes - UPE
Possui Pós-Doutorado em Estatística (2015) pela Universidade Federal de Pernambuco (UFPE). Possui também doutorado (2013) e mestrado (2006) em Ciência da Computação pela UFPE. Graduada em Tecnologia em Telemática (2002) pelo Centro Federal de Educação Tecnológica da Paraíba (CEFET-PB). Atualmente é Professora Associada da Universidade de Pernambuco (2007) do cursos de Engenharia da e também, faço parte desde 2015 do Programa de Pós-Graduação de Engenharia da Computação (PPGEC), onde possuo em torno de 15 orientandos de mestrado e doutorado, 02 Iniciação científica e 02 de Trabalho de Conclusão. Possuindo interesse em pesquisa na área de Ciência da Computação, com ênfase em Inteligência Computacional. Na área de gestão, sou gerente de cultura da Poli/UPE participando de diversos projetos como: Trote de Bem, Forum de Extensão, escrita de editais de extensão, participação em projetos de música, poesia e poema, eventos esportivos com caráter de doações.
Minicurso 2
Minicurso 2
Territórios em Movimento: detecção de mudanças no espaço urbano com séries temporais e computação de alto desempenho
Local e horário: a definir
Resumo:
A proposta explora como séries temporais aplicadas a artefatos de geoprocessamento, como imagens de satélite e arquivos vetoriais, podem ser utilizadas para identificar e analisar mudanças no espaço urbano ao longo do tempo. Com apoio da computação de alto desempenho, busca-se processar grandes volumes de dados geoespaciais de forma mais rápida e eficiente, destacando o papel da paralelização de algoritmos espaciais na geração de análises escaláveis e no apoio à compreensão das dinâmicas territoriais.
Instrutor:
Rafael Rodiani - CESAR
Experiência em projetos de geociências e aplicações de geotecnologias, através do uso das ciências das computações. Graduado em Geoprocessamento pela Faculdade de Tecnologia do Estado de São Paulo (2019), MBA em Ciência de Dados pela Universidade de São Paulo (2022) e atualmente mestrando em Engenharia de Software no Centro de Estudos de Sistemas Avançados de Recife, onde é membro do projeto de pesquisa Centro de Robótica em Aquática e Tecnologias Emergentes. Recentemente, foi membro do projeto Deliverying Food Security on Limited Land - DEVIL do Instituto Nacional de Pesquisas Espaciais e University of Aberdeen, do Grupo de Pesquisa de Planejamento Ambiental - PLANGEA da Universidade de São Paulo - USP e da equipe da Plataforma AdaptaBrasil rumo à Agenda 2030: tipologias municipais de risco climático e capacidades adaptativas de sistemas socioecológicos da Amazônia, além de atuar como consultor em empresas como a Selfit Academias, Oral Unic, NF Empreendimentos e WeHelp Software NPS, entre outras.
Minicurso 3
Minicurso 3
Análise e perfilamento de escalabilidade em aplicações paralelas com o Parallel Scalability Suite
Local e horário: a definir
Resumo:
Supercomputadores são ferramentas essenciais para o avanço científico e tecnológico, mas sua capacidade de processamento nem sempre é totalmente utilizada. Programas práticos costumam ter dificuldade em aproveitar mais de 2% da capacidade total das máquinas, tornando-os ineficientes. Ferramentas tradicionais de apoio ao desenvolvimento de software para supercomputadores focam na aceleração em configurações específicas, sem prever o comportamento em outras máquinas.
Visando otimizar o uso de supercomputadores, o Laboratório de Arquiteturas Paralelas para Processamento de Sinais da UFRN desenvolveu o Parallel Scalability (PaScal) Suite. Esse conjunto de ferramentas inovadoras se diferencia por avaliar a escalabilidade dos programas, em vez de apenas o desempenho. Por meio do PaScal Suite, é possível prever como o programa se comporta em diferentes configurações e máquinas, otimizando o uso de recursos e aumentando a eficiência geral.
O PaScal Suite é uma ferramenta brasileira reconhecida internacionalmente, recentemente integrada ao VI-HPS (Virtual Institute – High Productivity Supercomputing), o que evidencia sua relevância para a comunidade global de HPC. O conjunto integra duas ferramentas: o PaScal Analyzer e o PaScal Viewer, o que simplifica a execução, a medição e a comparação de execuções de programas paralelos. Ele permite a análise de tendências de escalabilidade em diferentes configurações de processamento e de cargas de trabalho, com elementos visuais que ajudam a identificar gargalos de escalabilidade. Esse conjunto de ferramentas contribui para o desenvolvimento de aplicações paralelas escaláveis em nós computacionais de memória compartilhada.
O minicurso aborda a importância e os métodos de avaliação da escalabilidade em programas paralelos, demonstrando como o PaScal Suite pode auxiliar desenvolvedores no perfilamento e na análise de desempenho, ensinando, na prática, a identificar pontos críticos e gargalos.
Instrutores:
Bruno Victor Paiva da Silva - UFRN
Engenheiro pela Universidade Federal Rural do Semi-Árido (UFERSA), em 2025, com pesquisas na graduação realizadas na área de HPC aplicado à Geofísica e Computação Quântica aplicada ao Deep Learning. Em 2026, iniciou sua participação no Programa de Pós Graduação em Engenharia Elétrica e de Computação pela Universidade Federal do Rio Grande do Norte (UFRN), com pesquisa em andamento em Eficiência e Escalabilidade para Sistemas de Computação de Alto Desempenho.
Felipe Hidequel Santos da Silva - UFRN
Recebeu o grau de Bacharel em Tecnologia da Informação (2025) pela Universidade Federal Rural do Semi-Árido (UFERSA) e atualmente é aluno de mestrado em Engenharia Elétrica e de Computação pela Universidade Federal do Rio Grande do Norte (UFRN). Seus interesses de pesquisa incluem Computação de Alto Desempenho (HPC) e Otimização.
Igor Sérgio de França Correia - UFRN
Mestrando em Engenharia Elétrica e de Computação pela UFRN, possui graduação em Ciências e Tecnologia (2022) e graduação em curso em Engenharia de Computação pela mesma universidade. Integra o LAPPS, onde pesquisa o desenvolvimento e manutenção de ferramentas para análise de aplicações paralelas e distribuídas.
Samuel Xavier de Souza - UFRN
Nasceu em Natal, Brasil. É graduado em Engenharia de Computação pela Universidade Federal do Rio Grande do Norte (UFRN), Brasil, em 2000, e doutor em Engenharia Elétrica pela Katholieke Universiteit Leuven, Bélgica, em 2007. Trabalhou no IMEC, Bélgica, como Engenheiro de Software/Hardware, e no Flemish Supercomputing Center, Bélgica, como Consultor em Computação de Alto Desempenho. Em 2009, ingressou no Departamento de Engenharia de Computação e Automação da UFRN, onde atualmente é Professor Associado. É fundador e diretor do Núcleo de Processamento de Alto Desempenho (NPAD) da UFRN. Em 2016, foi agraciado com o Royal Society-Newton Advanced Fellowship.
Page updated
Report abuse