Ir direto para menu de acessibilidade.
Página inicial > chip > Noticias > Palestra de computação sobre aprendizado de máquina e redes neurais profundas será no dia 22/10
Início do conteúdo da página

Palestra de computação sobre aprendizado de máquina e redes neurais profundas será no dia 22/10

Escrito por Alexandre Alvares Tavares | Publicado: Sexta, 11 de Outubro de 2019, 10h24 | Última atualização em Sexta, 11 de Outubro de 2019, 10h24 | Acessos: 2094
A coordenação do curso de bacharelado em Engenharia de Computação convida a comunidade interessada para a palestra Aprendizado de Máquina: conceitos e aplicações atuais, que acontece no dia 22/10/2019 às 10h, no Auditório B22 do IFSP Câmpus Piracicaba.
 
Na palestra serão abordados os seguintes assuntos: conceitos, pesquisas atuais e aplicações em aprendizado de máquina e redes neurais profundas.
 
A quantidade de vagas é limitada e a participação requer inscrição prévia por meio de preenchimento de formulário eletrônico: https://forms.gle/gpkuNWKkfRb1rtcr6 . A inscrição é gratuita.
 
 
Sobre o palestrante:

Edson Riberto Bollis é mestre em Ciência da Computação (Unicamp, 2016), bacharel em Ciência da Computação e Licenciado em Matemática (Unesp, 2012 e 2007, respectivamente) e engenheiro de software com dez anos de experiência em desenvolvimento de aplicações. Já participou de projetos com financiamento público e privado e atualmente é especialista em desenvolvimento de aplicações para coleta de dados em campo usando plataformas móveis. Teve experiência de intercâmbio na Irlanda, foi sócio de empresa de desenvolvimento de aplicativos e soluções para plataformas móveis e trabalhou em empresas de desenvolvimento de software para bancos, instituições financeiras e agroindústria. Fora da computação, teve experiência com projeto de iniciação científica sobre teoria do caos e lecionou Matemática para o ensino médio, fundamental e cursos pré-vestibulares. Atualmente, Edson cursa doutorado (Unicamp) e seu projeto propõe o uso de redes neurais profundas (deep neural networks - DNNs) em dispositivos móveis para reconhecimento de padrões em imagens da lavoura. Para tal, trabalha no desenvolvimento de novas bases de dados de imagens de pragas e pesquisa novas DNNs desenvolvidas para uso em dispositivos móveis, como a SqueezeNet, a EfficientNet e as MobileNets.

registrado em:
Fim do conteúdo da página