Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
2
Quem sou eu no DECOM?
• Ensino:
▫ Disciplinas
Inteligência Artificial (6º. Período)
Atual: Projeto e Análise de Algoritmos (5º. Período)
Nova: Estrutura de Dados I (2º. Período)
▫ Membro do COCIC
• Pesquisa:
▫ GAID – Gerência e Análise Inteligente de Dados
3
4
O que eu fiz antes?
• Mestrado e Doutorado na UFMG ▫ Versailles e PUC-Rio
• Desenvolvimento em Projetos ▫ eMaps – Alocação de Radio Frequência ▫ CEPEL – Alocação de Custos em Distribuição ▫ Engetron – Software/Middleware No-breaks ▫ TerraStat – Analise Estatística Espacial ▫ TerraCrime – Análise Estatística Segurança Pública
• Telemig Celular ▫ CellSat: Gerência de Falhas e Desempenho de Rede
• Jasper EUA ▫ Verificação Formal de Circuitos Integrados
5
O que me interessa agora em pesquisa?
• Tomada de decisão sob incerteza
• Detecção de anomalias
• Análise de dados espaço-temporais
Inteligência Artificial
+
Estatística e Probabilidade
6
7
O que é Inteligência?
• Definição controversa.
• Dicionário:
▫ Capacidade mental de raciocinar, planejar, resolver problemas, abstrair e compreender ideias e linguagens e aprender
8
O que envolve Inteligência?
• Habilidade de interagir com o mundo real – para perceber, entender e atuar
▫ Reconhecimento, compreensão e síntese de fala
▫ Compreensão de imagens
▫ Executar ações que tenham efeito
9
O que envolve Inteligência?
• Raciocínio e Planejamento
▫ Modelar o mundo externo, dadas as entradas
▫ Resolver novos problemas, planejar, tomar decisões
▫ Habilidade de lidar com problemas inesperados, incertezas
10
O que envolve Inteligência?
• Aprendizado e Adaptação
▫ Contínua evolução do conhecimento
▫ Conceitos, mudanças no ambiente, ação-efeito
11
O que é Inteligência Artificial?
12
Pensar como humanos
Pensar racionalmente
Agir como humanos
Agir racionalmente
13
Computadores podem falar?
• Princípio
▫ Traduzir texto para elementos fonéticos
▫ Usar regras de pronúncia
▫ Soa artificial, mas há soluções diferentes (AT&T)
• Ainda em busca…
▫ Mais difícil é expressar emoções
14
Computadores podem reconhecer fala?
• Palavras soltas em vocabulário pequeno
▫ 99% de acerto– muito usado comercialmente
▫ Sotaques – aprendizagem de máquina
• Mapear sons de um microfone numa lista de palavras
▫ Limites de palavras
▫ Vocabulários grandes e com contexto
▫ Ruído de fundo
▫ 60-70% de acerto
▫ Legenda automática
15
Computadores podem compreender
fala?
• Reconhecer é diferente de compreender
▫ “Durante as férias, o Pedro só escreveu cartas à Rita.”
▫ Quantos significados diferentes?
• Difícil: Muitas vezes somente o senso comum e o contexto de comunicação podem esclarecer sobre o significado pretendido…
16
O que IA é capaz hoje?
• Provar um teorema matemático? • Descobrir e provar um novo teorema matemático? • Jogar tênis de mesa no computador? • Jogar tênis de mesa com um robô? • Dirigir por uma estrada tortuosa? • Dirigir na Rua São José? • Exploração interplanetária? • Fazer supermercado pela web? • Fazer supermercado no Carrefour? • Traduzir chinês falado em inglês falado em tempo
real? • Conversar durante uma hora com outra pessoa?
▫ http://www.chatbots.org/research/
17
Aprenda, e muito, além...
• Coursera – IA
• Coursera pra todos os gostos...
• Udacity
19
21
Projetos
• Cooperação entre robôs móveis e redes de sensores sem fio ▫ Parceiros: DCC/UFMG, DEST/UFMG ▫ Equipe: Andréa Iabrudi
Mário Campos (VerLab – DCC/UFMG) Renato Assunção (DCC/UFMG)
Gabriel Nazário (Monografia DECOM) Fabrício Carvalho (mestrado DCC/UFMG)
Márcia Barbian (doutorado DEST/UFMG)
▫ Descrição: Análise dos diferentes aspectos envolvidos na localização
e coleta de dados através de robôs móveis em redes de sensores sem fio, com especial ênfase às características estocásticas do ambiente.
• Calculando rotas (Gabriel)
• Um arcabouço probabilístico para localização cooperativa entre robôs e nós sensores
▫ Fabrício (mestrado DCC/UFMG)
▫ Prof. Mário Campos
• Um esquema de visita de um robô coletor de dados em uma rede de sensores sem fio
▫ Márcia (doutorado DEST/UFMG)
▫ Renato Assunção(orientação)
Projetos
• Detecção Precoce de Anomalias em Grandes Volumes de Dados
▫ Parceiros: DEMAT/UFOP, DCC/UFMG, DEST/UFMG
▫ Descrição:
Investigação de técnicas de Aprendizagem de Máquina Estatística e Sistemas de Vigilância Espaço-Temporal para identificação rápida de anomalias em grandes volumes de dados.
• Detecção prospectiva de conglomerados espaço-temporais em microblogs
▫ Bráulio (PIP)
▫ Thaís (DEMAT, co-orientação)
Motivação | Problema | Proposta | Vantagens | STCD | Melhorias | Experimentos | Conclusões
Motivação | Problema | Proposta | Vantagens | STCD | Melhorias | Experimentos | Conclusões
Requisição
• InfoSAS: Um Sistema para Controle da Produção do SUS por Técnicas de Aprendizado de Máquina e Mineração de Dados
▫ Conjunto UFMG, com várias oportunidades
▫ Alunos em OP: Silmara + (2 IC + 1 mestrado)?
Projetos: Sanus
• Protótipo de Software para o Gerenciamento da Atenção Farmacêutica em Farmácias Comunitárias a ser utilizado no município de Ouro Preto/MG
▫ Danielle (mestrado
Cipharma)
▫ Lucas