Minicursos
Minicurso 1 - MC1 – 29/05 e 30/05 (08:00 – 10:00) – Sala 314
Título: Applications of Deep Learning and Machine Vision
Ministrantes: Gabriel R. Palma e Darshana Jayakumari – Maynooth University (MU)
Machine vision has produced many helpful image-processing techniques in several fields, such as object detection, classification, and segmentation. Machine vision is an interdisciplinary discipline combining computer vision and machine learning methods, mainly deep learning to solve vision problems. Common problems, such as classification and localization, are typical examples that combine these research fields. These techniques have applications in many areas. Deep learning methods are commonly applied for image classification, focusing on deep neural networks and Convolutional Neural Networks (CNNs), including concepts of transfer learning applied to image classification. This course aims to introduce basic concepts of deep learning and machine vision applied to image classification using CNNs. To illustrate these methods a dataset of medically and forensically important flies is used. The Python programming language and the package Tensorflow will be used during the course, where we will present a brief introduction to the language. All the course materials and additional online resources will be provided to support users interested in this topic.
Minicurso 2 – MC2 – 29/05 e 30/05 (08:00 – 10:00) – Sala 311
Título: Análise Estatística de Dados Genômicos
Ministrante: Andressa Cerqueira, UFSCar, Daiane Zuanetti, UFSCar, Júlia Pavan Soler, USP e Jaqueline L. Pereira, FSP-USP
Há longa data a Estatística e a Genética têm compartilhado conhecimento e ferramentas, as quais têm promovido avanços em ambas as áreas. A Genômica, por exemplo, tem permitido observar pela primeira vez dados moleculares em alta resolução e inaugura a estrutura de big-data nos dados biológicos, derrubando fronteiras entre a Estatística, Biologia e Informática. Em um sentido amplo, as novas tecnologias estão revolucionando a coleta, armazenamento, análise e interpretação de dados. Entretanto, o entusiasmo com essa nova perspectiva de pesquisa tem resultado em situações desconfortáveis nas quais os pesquisadores estão “se afogando em dados, mas ainda sedentos de domínio sobre os mesmos”. Neste Minicurso, cobriremos um racional de análise de dados genômicos que consideramos necessários para ter sucesso nessa área. Partiremos de conceitos básicos envolvendo p-valores e tamanhos de efeitos genéticos dispostos em gráficos Manhattan e gráficos Vulcão, respectivamente, e avançaremos a tópicos de colapsagem de variáveis de efeitos fixos e aleatórios, bem como enriquecimento e integração de dados, relacionados à análise de grandes bancos de dados genômicos oriundos tanto de estudos com indivíduos independentes como com grau de relacionamento. Recursos, principalmente do R, serão fornecidos para execução das análises propostas e um subconjunto de dados reais extraídos do projeto ISANutrição 2015 (apoiado pela FAPESP #2017/05125-7) será usado para motivação e ilustração.
