Dr. Luiz Gustavo de Andrade Alves (Northwestern University, USA)
Resumo:
É cada vez mais comum o acúmulo de enormes quantidades de dados pela iniciativa privada ou pública. Por um lado, esses dados permitem um resgate histórico detalhado do processo em questão; por outro, o excesso de informação dificulta muito a extração de informações resumidas e a tomada de decisões amparadas por fatos empíricos. Esse fenômeno moderno tem sido chamado de big data e entender esses sistemas e extrair padrões desses dados requer uma abordagem multidisciplinar. Nesse sentido, durante o curso na Escola de Matemática Aplicada no ICMC serão abordados temas que envolvem ciência da computação, estatística e física. Dentre eles, devemos focar nos seguintes tópicos:
- Introdução ao python, raspagem e mineração de dados;
- Aprendizado de máquina;
- Redes complexas.
Usando essas ferramentas, focaremos em dois problemas que são de grande relevância no Brasil: a predição de homicídios em cidades e a descrição do mecanismo por trás das redes de corrupção políticas. No primeiro tema, usaremos as técnicas de aprendizado de máquina para prever o número de crimes nas cidades brasileiras. No segundo tema, usaremos as redes complexas para descrever a interação entre políticos investigados em escândalos de corrupção no Brasil no período de 1987 a 2014.
Cronograma:
| Dia | Conteúdo | Duração |
| 01/07 – Segunda | Introdução ao Python e raspagem | 08:00 – 12:00 |
| 02/07 – Terça | Mineração de dados | 08:00 – 12:00 |
| 03/07 – Quarta | Aprendizado de máquina | 08:00 – 12:00 |
| 04/07 – Quinta | Redes complexas | 08:00 – 12:00 |
| 05/07 – Sexta | Predição de homicídios em cidades brasileiras | 08:00 – 12:00 |
| 06/07 – Sábado | Redes de corrupção | 08:00 – 12:00 |
Materiais: Levar laptop com a biblioteca Anaconda-Python instalada: https://www.anaconda.com/distribution/.
Bibliografia:
- Downey, A. Think Python. (O’Reilly, 2012).
- Mitchell, R. Web Scrapingwith Python. (O’Reilly, 2018).
- Janert, P. K. Data Analysiswith Open Source Tools. (O’Reilly, 2010).
- Friedman, J., Hastie, T., &Tibshirani, R. The elementsofstatisticallearning. (Springer, 2001).
- Newman, M. Networks: Anintroduction. (Oxford University Press, 2010).
- Alves, L. G. A., Ribeiro, H. V., Rodrigues, F. A. Crime predictionthroughurbanmetricsandstatisticallearning. Physica A 515, 435 (2018).
- Ribeiro, H. V., Alves, L. G. A., Martins, A. F., Lenzi, E.K., Perc. M. The dynamicalstructureofpoliticalcorruption networks. JournalofComplex Networks CNY002 (2018).
Biografia:
Luiz Alves é pós-doutorando no Amaral-Lab na Northwestern University. Doutor, mestre e bacharel pela Universidade Estadual de Maringá. A pesquisa de Dr. Alves é focada na análise de dados de sistemas complexos. Seu objetivo é extrair padrões significativos desses dados para descobrir regras e mecanismos que governam sua estrutura e dinâmica desses sistemas. Usando ferramentas de física estatística, teoria de redes e ciência de dados, ele investiga as várias facetas do crime, sistemas urbanos, redes de comércio, sistemas biológicos e fenômenos relacionados à Terra. Luiz publicou vários artigos em periódicos importantes em física estatística e ciência interdisciplinar.
Mais informações: https://lgaalves.github.io/
Período e local de realização do curso:
01 de julho a 06 de julho de 2019.
Horário: das 08:00 às 12:00
Local: ICMC/USP (salas do bloco 3).
Critério de Aprovação: 85% de frequência e realização das atividades propostas.
Público-Alvo: Alunos do último ano de graduação e pós graduandos em Matemática Aplicada, Estatística, Computação e Física que tenham interesse em ciências de dados.
Nº de vagas: 20
Período de Inscrição: 15/04/2019 a 30/05/2019.
INSCRIÇÕES ENCERRADAS
Critérios de Seleção:
Realizar a inscrição anexando os seguintes documentos para análise:
– Currículo Vitae ou Currículo Lattes.
– Declaração assinada pelo orientador e aluno: Orientador deve informar na declaração concordância com a participação do aluno, informando que o aluno tem o comprometimento de realizar o curso, caso tenha sua inscrição deferida.
ATENÇÃO: Inscrições sem a documentação solicitada serão indeferidas.
Observação:
A inscrição dos participantes no Workshop de Soluções Matemáticas a ser realizado no período de 08 à 12 de julho de 2019 não é obrigatória, mas recomendável. No Workshop serão colocadas em prática as técnicas apresentadas no curso.
Para inscrição no Workshop de Soluções Matemáticas, acesse: www.cemeai.icmc.usp.br/5WSMPI
Possibilidade de apoio (manifestar interesse até 30/05/2019):
Alunos de fora de São Carlos que participem da Escola Matemática e que também participem do Workshop de Soluções Matemáticas que será realizado na semana seguinte (08 à 12 de julho), poderão ter auxílio para participação no evento. Para manifestar interesse por favor envie mensagem para o email contatocemeai@icmc.usp.br
observação: Para pleitear auxílio é necessário estar inscrito em ambos os eventos.
