Minicursos

Minicursos confirmados

Modelagem Matemática e Otimização na Indústria

Este minicurso visa conectar conhecimento teórico e habilidades que permitam matemáticos resolver problemas reais e de alto impacto na indústria


O que você aprenderá:
A sua formação em Matemática proporciona uma capacidade ímpar de abstração e raciocínio lógico que são habilidades essenciais para atuar como um modelador/otimizador. Neste minicurso, exploraremos como essas habilidades podem contribuir no ambiente corporativo, abrangendo os seguintes pontos:

  • Motivação com Problemas Reais: Apresentaremos exemplos concretos de desafios industriais (logística, produção, planejamento de recursos) que são intrinsecamente problemas de otimização.
  • Técnicas de Modelagem: Ensinaremos a arte e a ciência de traduzir um problema real em um modelo matemático. Focaremos na Programação Inteira Mista (MIP), uma das ferramentas mais poderosas para modelar problemas e decisões complexas.
  • A Importância da Implementação: Modelos são valiosos, mas a solução se torna prática apenas quando as pessoas podem usá-las. Apresentaremos as etapas e as habilidades de programação necessárias para empacotar a solução de forma confiável e amigável para o uso diário nas empresas.
  • Caminhos de Carreira e Pré-requisitos: Onde um matemático se encaixa no mercado? Discutiremos as possíveis trilhas de carreira e os pré-requisitos técnicos e conceituais para ingressar e prosperar nesta área.

Para quem é este minicurso?

Este minicurso é ideal para estudantes de Matemática que buscam entender o potencial de suas habilidades analíticas além do ambiente acadêmico e desejam explorar novas possibilidades na interseção da Matemática e da Tecnologia.

Otimização sob incertezas

Luiz Leduíno Salles Neto

A incerteza é inerente a diversas situações e problemas da humanidade. Assim, entender, definir, quantificar e considerar a incerteza em problemas de otimização é fundamental para os processos de tomada de decisão. Neste minicurso, faremos uma discussão sobre a semântica da incerteza, sua definição matemática e os resultados teóricos decorrentes, bem como apresentaremos abordagens e métodos de otimização para problemas sob incerteza provenientes de projetos de pesquisa desenvolvidos nos últimos anos. Neste sentido, mostraremos como usar o Python e o AMPL para obter soluções para problemas de otimização sob incerteza.

Marketing Científico e Analytics Marketing

Marcela Duarte Ferrari

Este minicurso propõe uma abordagem integrada entre a Sociologia da Matemática e o Marketing Científico, apresentando fundamentos teóricos e aplicações práticas para a Divulgação da Matemática. No primeiro bloco, discutem-se as principais teorias e metodologias da divulgação científica, a relação entre matematização e sociedade de risco e a importância de compreender a matemática como fenômeno social e cultural. No segundo bloco, são introduzidos conceitos do Marketing Científico e suas diferenças em relação ao marketing comercial, bem como noções de Marketing Analytics, com foco em indicadores (KPIs) e ferramentas de análise de dados. A parte prática do minicurso envolve um laboratório de análise de métricas, no qual os participantes exercitam a interpretação de dados, identificação de pontos fortes e fragilidades e a elaboração de estratégias de comunicação científica baseadas em análise SWOT. Assim, o minicurso busca desenvolver competências que tornem a matemática mais acessível, engajadora e socialmente relevante, fortalecendo a comunicação entre universidade, projetos de divulgação e sociedade.

Otimização de Problemas Reais com Evolução Diferencial em Ambiente Paralelo

Milena Almeida Leite Brandão

Neste minicurso, será apresentado o algoritmo de Evolução Diferencial Melhorada (EDM) e sua implementação em paralelo para resolução de problemas de otimização. Explorando a inspiração em processos naturais, como a seleção e adaptação, o minicurso discute como o EDM supera limitações de métodos tradicionais ao lidar com funções não lineares, não diferenciáveis e com múltiplos mínimos locais. Serão destacados casos práticos como o projeto de recipientes de pressão e vigas estruturais, além da identificação de forças em sistemas dinâmicos. A execução paralela com MPI mostra ganhos expressivos em tempo de processamento, evidenciando o potencial da otimização computacional de alto desempenho.

Introdução a PINNs

Pedro Henrique de Almeida Konzen

Redes informadas pela física (em inglês, PINNs – physics-informed neural networks) constituem uma classe de métodos de deep learning para a solução numérica de equações diferenciais parciais (EDPs). No minicurso, começaremos estudando sobre os fundamentos de redes neurais artificiais e suas aplicações na aproximação de funções. Em seguida, estudaremos a implementação Python de redes neurais para a solução numérica de problemas diretos e problemas inversos em EDPs. Para melhor aproveitar o minicurso, espera-se que participantes tenham conhecimentos básicos sobre EDPs, métodos numéricos e programação em linguagem Python.

 

Introdução à Visão Computacional com Aprendizado Profundo

Vinícius Carvalho Rispoli

O objetivo deste minicurso é oferecer uma introdução intensiva e prática ao mundo da Visão Computacional moderna utilizando o poder do aprendizado profundo. Ao longo de três encontros, os participantes irão explorar desde os conceitos fundamentais das Redes Neurais Convolucionais (CNNs) até técnicas mais avançadas como Transfer Learning para problemas de classificação. O curso culmina com a exploração de um modelo capaz de gerar descrições textuais a partir de imagens (Image Captioning). O mini curso segue uma abordagem mais prática onde iremos trabalhar com notebooks interativos no Google Colab, utilizando o framework PyTorch para o treinamento e gestão dos modelos construídos.

  • Desenvolvido com o CMS de código aberto Wordpress
  • Última atualização do site foi em 14 de março 2026 - 10:25:06