XI ERMAC-RS 2023 XI Encontro Regional de Matemática Aplicada e Computacional do Rio Grande do Sul, Pelotas, 28-30/Jun. de 2023
Início do conteúdo
Programação

Anais do evento

Programação

Instruções para apresentação de trabalhos

  • Apresentação Oral
    • 12min para a apresentação e 3min de perguntas
    • slides em PDF ou PPT
  • Banner/poster
    • Dimensões: 90cm (largura) x 120cm (comprimento)
    • Tipo da fonte: Arial ou Times New Roman
    • Tamanho da fonte: min. 30pt, tamanho que permita a leitura a 1m de distância.

Minicursos

Participante devidamente inscrito no evento pode se inscrever gratuitamente para um dos seguintes minicursos. As inscrições são feitas pela plataforma Even3 na área logada do participante:

https://www.even3.com.br/xiermacrs/

Todos os minicursos tem carga horária de 4 horas (2h no dia 28/06 e 2h no dia 29).

Lista de minicursos

  • A matemática escondida nas imagens médicas – Tomografia Computadorizada
    • Ministrante
      Dr. Adriano De Cezaro – IMEF FURG
    • Descrição
      Desde a invenção e utilização da Tomografia Computadorizada por raio-X na década de 60, esta tornou-se um dos métodos mais importantes de diagnósticos por imagens não-invasivas. De uma forma sucinta, os diagnósticos por imagens de tomografia computadorizada são feitos com base na determinação da densidade dos tecidos internos ao corpo humano, a partir de medidas feitas no exterior do mesmo (de forma indireta).
      Neste minicurso, apresentaremos de forma simplificada a modelagem matemática do problema de tomografia computadorizada. Responderemos a três perguntas fundamentais: Sempre é possível determinar a densidade dos tecidos do corpo humano por medidas feitas no exterior do mesmo (Existência)? Quantas densidades distintas correspondem a um mesmo conjunto de medidas (Unicidade)? Haja visto que as medidas são sujeitas a erros, o quanto sensível é a obtenção das imagens a partir das medidas (Estabilidade)? Serão apresentados resultados positivos para as duas primeiras questões e propostas alternativas para contornar a negativa à terceira das perguntas. Também serão discutidos alguns algoritmos para para o problema apresentado.
    • Pré-requisitos
      Desejável (não obrigatório): Algumas noções de Álgebra Linear e EDO’s (se houver).
  • Cálculo Diferencial e Integral: uma abordagem didát1ica com o Python e o Google Colab
    • Ministrantes
      Dra. Bárbara Denicol do Amaral Rodriguez e discente Jhonatan Rodrigues Biller – IMEF/FURG
    • Descrição
      A linguagem de programação Python é uma importante ferramenta para solução de problemas em matemática aplicada. Este minicurso, destinado aos acadêmicos dos cursos de Ciências Exatas e Engenharias, tem como objetivo relacionar, de forma transdisciplinar, conhecimentos matemáticos e de linguagem de programação. A partir de questões norteadoras, serão desenvolvidos conceitos e aplicações de Cálculo Diferencial e Integral. Os participantes serão apresentados à ferramenta computacional Google Colab e a bibliotecas da linguagem de programação Python, como Sympy e Matplotlib.
    • Pré-requisitos
      Conhecimentos básicos de Cálculo Diferencial e Integral. É imprescindível que os participantes possuam uma conta Google.
    • Número de vagas
      20
  • Introdução à Modelagem Matemática de Doenças Infecciosas
    • Ministrantes
      Dr. Luiz Alberto Díaz Rodrigues e Dra. Diomar Cristina Mistro – PPGMat UFSM
    • Descrição
      A pandemia de Covid-19 deixou evidente a importância do estudo de modelos matemáticos para descrever a evolução e disseminação de epidemias de doenças infecciosas. Nesse minicurso, apresentaremos alguns dos modelos clássicos que formam a base da Epidemiologia matemática bem como alguns modelos alternativos em tempo discreto que permitem facilmente analisar aspectos espaciais como a velocidade de espalhamento da doença, padrão espacial de prevalência da infecção, eficiência de medidas de controle heterogeneamente distribuídas.
  • Movimento Browniano e Equações Diferenciais Estocásticas
    • Ministrante
      Dr. Eduardo S. Schneider – CEng UFPel
    • Descrição
      Processos estocásticos desempenham um papel fundamental na modelagem de vários fenômenos que ocorrem de forma não-determinística no nosso mundo cotidiano. Neste minicurso, estudamos o conceito de caminho aleatório e suas propriedades. Além disso, exploramos as similaridades envolvendo soluções numéricas de equações diferenciais ordinárias e simulações numéricas de soluções de equações diferenciais estocásticas. O minicurso foi planejado e desenvolvido com a finalidade de atender estudantes de graduação com conhecimentos básicos de probabilidade e cálculo de uma variável ou estudantes no início dos seus estudos em nível de pós-graduação nas áreas de Matemática, Física, Economia, Engenharias, dentre outras, e que tenham interesse em tópicos relacionados à probabilidade e suas aplicações.
    • Pré-requisitos
      É desejável o conhecimento de conceitos básicos de probabilidade e cálculo de uma variável.
    • Número de vagas
      20
  • Aplicações de Estatística Básica usando o RStudio
    • Ministrantes
      Dra. Ana Rita de Assumpção Mazzini, Dra. Giselda Maria Pereira, Dra. Pollyane Vieira da Silva – DME UFPel, discentes Isadora Real e Sílvia Jappe
    • Descrição
      O objetivo do minicurso é apresentar aplicações de Estatística Descritiva e Inferência Estatística, com o uso do ambiente R. As aplicações serão desenvolvidas e ilustradas com a utilização da interface RStudio. A ideia é despertar e motivar o interesse dos alunos de graduação para utilização de programas estatísticos. Isso pode ser acessível com o emprego do R. que é uma ferramenta de livre acesso e de ampla utilização em análises estatísticas nas mais diferentes áreas do conhecimento.
    • Pré-requisitos
      Ter cursado alguma disciplina de estatística.
    • Número de vagas
      20
  • Geometria e topologia, uma relação que deu certo
    • Ministrantes
      Dra. Lisandra de Oliveira Sauer e Dr. Giovanni da Silva Nunes – DME UFPel
    • Descrição
      Neste minicurso pretendemos abordar alguns tópicos de Geometria que nos fornecerão ferramentas suficientes para a compreensão de importantes resultados de Geometria Diferencial que iremos dar destaque. Entre estes resultados encontra-se o famoso teorema de Gauss-Bonnet, o qual relaciona, de maneira surpreendente e inesperada a Geometria e a Topologia.
    • Pré-requisitos
      Noção do conceito de derivada
  • Introdução às Redes Neurais Artificiais e Aplicações em Matemática
    • Ministrante
      Dr. Pedro Henrique de Almeida Konzen – PPGMAp/IME/UFRGS
    • Descrição
      Redes Neurais Artificiais (RNAs) são técnicas de Aprendizagem Profunda (Deep Learning), uma classe de métodos de Aprendizagem de Máquina (Machine Learning). Inicialmente inspiradas em sistemas biológicos (modelos de cérebro biológico, por exemplo), são estruturas computacionais em que o processamento e aprendizagem da informação se dá em estruturas organizadas em múltiplas camadas de composição. Neste minicurso, vamos aprender a desenvolver e implementar (em linguagem Python) um tipo clássico de RNAs, as chamadas Perceptron Multicamadas. Vamos construir RNAs para a resolução de problemas matemáticos de aproximações de funções e a resolução de equações diferenciais ordinárias/parciais.
    • Pré-requisitos
      Cálculo, Álgebra Linear e noções de programação em linguagem Python.
    • Número de vagas
      20