II Simpósio de Análise de dados e programação
Tema Aplicação de machine learning para a resolução de problemas na agricultura
3º lote R$40,00
50 vagas
Data: 20, 21 e 22 de abril de 2021
Evento 100% online com transmissão para todo o Brasil
As palestras serão gravadas e ficarão dispoíveis para os participantes durante 1 mês
Programação (Seguimos horário de Brasília)
Dia 20
18:00 as 18:30 – Abertura
18:30 às 19:30 – Palestra Aplicação de rede neural e técnicas neurofuzzy – Dr. Cosme Damião Cruz – UFV
19:30 às 19:40 – Intervalo
19:40 às 20:40 – Inteligência computacional e aprendizado estatístico aplicáveis em estudo de predição – Dr. Moyses Nascimento – UFV
20:40 às 21:30 – Mesa redonda
Dia 21
18:30 às 19:30 – Redes neurais convolucionais: Uma poderosa ferramenta para a visão computacional – Dr. Alcinei Místico Azevedo – UFMG
19:30 às 19:40 – Intervalo
19:40 às 20:40 – Aplicação de árvore de decisão e random forest na agricultura – Dra. Larissa Pereira Ribeiro Teodoro – UFMS
20:40 às 21:30 – Mesa redonda
Dia 22
18:30 às 19:30 – Exploring the use of machine learning models in large scale breeding programs – Dr. Vinícius Junqueira – Bayer
19:30 às 19:40 – Intervalo
19:40 às 20:40 – A data driven product to enable advanced analytics – Dr. Guilherme Marson – Bayer
20:40 às 21:30 – Mesa redonda Larissa Pereira Ribeiro Teodoroárvore de
Conheça os palestrantes
Cosme Damião Cruz
Possui graduação em Agronomia pela Universidade Federal de Viçosa (1980), mestrado em Genética e Melhoramento pela Universidade Federal de Viçosa (1984) e doutorado em Agronomia (Genética e Melhoramento de Plantas) pela Universidade de São Paulo (ESALQ/1990) . Tem experiência na área de Genética, com ênfase em Biometria. É autor dos aplicativos computacionais Genes, Gbol, Gqmol e Gdm para análise e estudos biométricos e de genômica. É autor de mais de 650 artigos científicos tratando dos mais diversos temas envolvendo o uso da biometria e da genética molecular no melhoramento vegetal. Também de vários livros, dentre eles Modelos Biométricos Aplicados ao Melhoramento Genético, Estatística Genômica, Introdução a Genética Quantitativa, Fundamentos de Genética, Biometria Aplicada ao Estudo da Diversidade Genética,vBiometria Aplicada ao Melhoramento da soja, Inteligência Computacional Programa Genes.
Moyses Nascimento
Graduado em Estatística pela Universidade Federal do Espírito Santo (2007). Mestre em Estatística Aplicada e Biometria pela Universidade Federal de Viçosa (2009). Doutor em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras (2011). Curso de curta duração em Seleção Genômica Ampla pela Universidade Zaragoza (Espanha, 2014). Realizou, com bolsa CAPES, Pós Doutorado em Análise de dados Genômicos via Métodos Econométricos na North Carolina State University (EUA, 2016). Foi bolsista do Programa Pesquisador Mineiro da FAPEMIG (2015-2017). Foi bolsista de Produtividade em Pesquisa do CNPq – Nível 2 (2017-2020). Foi coordenador do Programa de Pós-Graduação em Estatística Aplicada e Biometria (2017-2019). Atualmente é Professor Associado I do Departamento de Estatística da Universidade Federal de Viçosa e bolsista de Produtividade em Pesquisa do CNPq – Nível 1D (2020-2024). Orientador de mestrado e doutorado nos Programas de Pós-Graduação em Estatística Aplicada e Biometria e Genética e Melhoramento da UFV. Um dos fundadores do Laboratório de Inteligência Computacional e Aprendizado Estatístico (LICAE-UFV). Tem experiência na área de Probabilidade e Estatística Aplicada, com ênfase em Métodos Estatísticos Aplicados ao Melhoramento – Plantas e Animais, Inteligência Computacional e Aprendizado Estatístico. Mais informações podem ser encontradas no site do Laboratório de Inteligência Computacional e Aprendizado Estatístico (LICAE-UFV): http://www.licae.ufv.br/.
Alcinei Místico Azevedo
Possui graduação em agronomia pela Universidade Federal dos Vales do Jequitinhonha e Mucuri (2010), mestrado sanduíche em Produção Vegetal pela Universidade Federal dos Vales do Jequitinhonha e Mucuri e Universidade Federal de Lavras (2012) e Doutorado em Fitotecnia na Universidade Federal de Viçosa (2015). É professor Adjunto de Estatística e Experimentação Agrícola da Universidade Federal de Minas Gerais – Instituto de Ciências Agrárias (UFMG-ICA). Atualmente ministra disciplinas relacionadas à “estatística e experimentação agrícola”, “inteligência computacional” e “Visão computacional” para cursos de graduação (Agronomia, Zootecnia e Engenharia de Alimentos) e pós-graduação (Programa de pós-graduação em produção Vegetal e Programa de pós-graduação em produção animal). Coordena pesquisas associadas à estatística experimental, biometria, melhoramento genético, inteligência computacional e inferência bayesiana orientando alunos de graduação, mestrado e doutorado.
Larissa Pereira Ribeiro Teodoro
Engenheira Agrônoma pela Universidade Estadual de Mato Grosso do Sul (UEMS), Unidade Universitária de Aquidauana-MS (UEMS/UUA). Mestre em Genética e Melhoramento pela Universidade Federal de Viçosa (UFV), e Doutora em Genética e Melhoramento pela mesma instituição (UFV). Professora Adjunto A da Universidade Federal de Mato Grosso do Sul, nos cursos de Agronomia e Engenharia Florestal no Campus de Chapadão do Sul (CPCS), e docente colaboradora do Programa de Pós-Graduação em Agronomia do CPCS. Atua nas áreas de Melhoramento de Grandes Culturas e Biometria, com ênfase em Fenômica e Técnicas de Inteligência Computacional Aplicadas à Agricultura e Florestas. Participa de projetos de pesquisa cadastrados na Universidade Federal de Mato Grosso do Sul (UFMS/CPCS), Universidade Estadual de Mato Grosso do Sul (UEMS/UUA) e da Universidade Federal de Viçosa (UFV). Atualmente, coordena projetos de pesquisa na UFMS/CPCS utilizando Índices de Vegetação e Redes Neurais Artificiais aplicados ao melhoramento genético da soja e milho.
Vinícius Junqueira
Possui graduação em medicina veterinária pela universidade de Brasília (2010), mestrado e doutorado em Genética e melhoramento (2018) na Universidade Federal de Viçosa (2015). Foi pesquisador visitante no departamento de Animal and Dairy Science na University of Georgia (2016), foi líder técnico em data science na Bayer Crop Science (2016-2020). Atualmente é responsável pela fase inicial do programa de melhoramento genético de soja da região tropical e subtropical da Bayer crop science. Coordena pesquisas associadas ao desenvolvimento e implementação de estatística genética , genômica, Machine learning, modelos de pesquisa operacional no programa de melhoramento genético.
Guilherme Marson
Bacharel em Ciência da Computação pela UNPESP-Rio Claro com 15 anos de experiência e vivência em empresas de diferentes setores e portes como: IBM, Intelie, Santander, Bayer, entre outras. Se desenvolveu em TI para depois migrar para ciência de dados. Tem como grande foco a entrega de resultados e a disseminação de conhecimento. Atua como interpretador para o negócio. Defensor da cocriação de soluções analíticas junto ao negócio.