Aprendizado de Máquina, Inteligência Artificial, Ciência de Dados

O Datalab/ML é o laboratório de Aprendizado de Máquina, Inteligência Artificial e Ciência de Dados ligado ao Grupo de Pesquisa em Ciência de Dados na Universidade Federal de Pelotas. Nós realizamos pesquisa,  treinamento e orientação nestas áreas tanto na academia como junto à indústria.

Projetos

Applications of Deep Neural Networks

  • Visual Computational Sociology, using urban images to infer sociological, epidemiological data
  • Text and image sentiment analysis
  • Cancer type classification from gene activation networks
  • Agricultural diseases diagnosis from images

Deep Neural Networks Theory and Limitations

  • Transfer Learning in Convolutional Neural Networks and Deep Reinforcement Learning
  • Improved kernel regularisers for Convolutional Neural Networks

Data Science

  • Map of AI in Brazil
  • Missing link detection in researcher networks
  • Clustering researchers and suggesting project collaborations

Membros e Egressos

Coordenador do grupo

Alunos de pós-graduação

  • Gisele Simas (doutorado)
  • Ramásio Melo (doutorado)
  • Ulisses Corrêa (doutorado)
  • Ihan Bender (mestrado)
  • Felipe Gruendemann (mestrado)
  • Juan Burtet (mestrado)
  • Matheus Hertzog (mestrado)
  • Vinicius Furlan (mestrado)

Alunos de graduação

  • Alexandre Bender
  • André Teixeira
  • Lorenzo Antunez
  • Lukas Iepsen
  • Victor Cosenza
  • Vitor Plentz
  • William Angelo

Egressos

Como participar

Participantes do Datalab incluem alunos de mestrado, doutorado e graduação. O laboratório faz seleções regulares por novos membros entre alunos de graduação e eventualmente convida alunos que se destacam em disciplinas ou em projetos extra-classe (e.g. Kaggle). Usualmente oferecemos treinamento para novos ingressantes, mas há preferência por alunos que já possuem alguma experiência na área de Aprendizado de Máquina.

Há diversas formas de obter experiência prévia. Nesta página listamos alguns materiais que consideramos interessantes para quem deseja iniciar estudos na área.