Minicurso 1: Técnicas de Privacidade de Dados de Localização
Javam C. Machado, Eduardo R. Duarte Neto, and Manuel E. Bento Filho
Data: Segunda-feira, 07/10/2019
Hora: 09:00 às 12:30h
Slides
Abstract
This short course describes the problem of privacy violation of individuals location and presents a deeper understanding of the main techniques for its preservation. It will initially introduce fundamental data privacy concepts as well as vulnerabilities and threats to the privacy of individuals when exposing their location data while using apps on mobile devices. Next will be presented and discussed the state of the art in privacy preservation location data. Finally, we will point out opportunities for research in the area and present relevant conclusions on the subject.
Resumo
Este minicurso descreve o problema da violação da privacidade de localização de in- divíduos e apresenta um aprofundamento das principais técnicas para sua preservação. Inicialmente serão apresentados conceitos fundamentais de privacidade de dados, bem como vulnerabilidades e ameaças à privacidade de indivíduos ao expor seus dados de localização quando do uso de aplicações em dispositivos móveis. Em seguida será apre- sentado e discutido o estado da arte em preservação de privacidade de dados de localiza- ção. Por fim iremos apontar oportunidades de pesquisas na área e apresentar conclusões relevantes sobre o tema.
Minicurso 2: Uma Introdução ao Combate Automático às Fake News em Redes Sociais Virtuais
Paulo Márcio Souza Freire, Ronaldo Ribeiro Goldschmidt
Data: Segunda-feira, 07/10/2019
Hora: 09:00 às 12:30h
Slides
Abstract
Combating Fake News (i.e., false news intentionally spread) is not a recent problem. However, its complexity has increased mainly due to the growth of volume and speed of news dissemination provided by the virtual social networks. In this scenario, computational approaches are becoming essential devices to combat this type of news. Thus, this chapter presents a conceptual and practical introduction to the main computational approaches to combat Fake News, besides some comments on related areas and recent research on this theme.
Resumo
O problema de combater Fake News (ie., notícias falsas veiculadas de forma intencional) não é recente. Contudo, sua complexidade vem aumentando em função do crescimento do volume e da velocidade de divulgação de notícias proporcionado pelas redes sociais virtuais. Diante deste cenário, abordagens computacionais que possam auxiliar no combate automático deste tipo de notícia estão se tornando cada vez mais necessárias. Assim sendo, o presente Capítulo apresenta uma introdução conceitual e prática às principais abordagens computacionais de combate às Fake News, além de comentar sobre áreas e pesquisas recentes relacionadas a este tema.
Minicurso 3: Ecossistemas de Dados na Web: da teoria aos desafios
Marcelo Iury de Sousa Oliveira, Bernadette Farias Lóscio
Data: Segunda-feira, 07/10/2019
Hora: 14:00 às 18:00h
Slides
Abstract
A number of initiatives have been developed to share and consume data on the Web. The growing interest in these initiatives drove the emergence of Data on Web Ecosystems, which provide an environment for the creation and management of initiatives of data sharing, as well as providing the necessary support to ensure the sustainability of such initiatives. These ecosystems promise a range of benefits for their participants, such as creating new business opportunities, generating innovation and creating value from the publication and consumption of data on the Web. In this course, the main concepts related to this new environment are discussed, including theoretical relevant aspects to the challenges and opportunities of research in this area.
Resumo
Uma série de iniciativas vem sendo desenvolvidas em todo o mundo objetivando o compartilhamento e consumo dos dados na Web. O crescente interesse nessas iniciativas motivou o surgimento dos Ecossistemas de Dados na Web, os quais fornecem um ambiente propício para a criação e o gerenciamento de iniciativas de compartilhamento de dados, bem como oferecem o suporte necessário para garantir a sustentabilidade de tais iniciativas. Esses ecossistemas promovem uma série de benefícios para seus participantes, tais como a criação de novas oportunidades de negócios, a geração de inovação e a criação de valor a partir da publicação e do consumo dos dados na Web. Neste contexto, este minicurso discute os principais conceitos relacionados a este novo ambiente, abordando aspectos relevantes, tanto do ponto de vista teórico quanto de desafios e oportunidades de pesquisa nesta área.
Minicurso 4: Aprendizado de máquina e inferência em Grafos de Conhecimento
Daniel N. R. da Silva, Artur Ziviani e Fabio Porto
Data: Segunda-feira, 07/10/2019
Hora: 14:00 às 18:00h
Slides
Abstract
The increasing production and availability of massive and heterogeneous data bring forward challenging opportunities. Among them, the development of computing systems capable of learning, reasoning, and inferring facts based on prior knowledge is an important task. In this scenario, knowledge bases are valuable assets for the knowledge representation and automated reasoning of diverse application domains. Especially, inference tasks on knowledge graphs (knowledge bases’ graphical representations) are increasingly important in academia and industry. In this short course, we introduce machine learning methods and techniques employed in knowledge graph inference tasks as well as discuss the technical and scientific challenges and opportunities associated with those tasks.
Resumo
A crescente produção e disponibilização de dados caracterizados por heterogeneidade e larga escala apresentam oportunidades desafiadoras à nossa sociedade. Dentre elas, como construir sistemas computacionais capazes de aprender, raciocinar e realizar inferências sobre fatos a partir de conhecimento prévio é uma tarefa relevante. Nesse cenário, bases de conhecimento são ativos importantes na representação e raciocínio automatizado do conhecimento de diversos domínios de aplicação. Em especial, a inferência de informação a partir de sua representação em rede — grafos de conhecimento — tem ganho notoriedade na academia e indústria nos últimos anos. Em face ao exposto, neste curso, é apresentada uma introdução aos métodos e técnicas de aprendizado de máquina utilizadas em tarefas de inferência em grafos de conhecimento, discutindo-se os desafios e oportunidades tecnológicas e científicas desse tipo de tarefa.
Minicurso 5 (BSB): Bancos de Dados Biológicos
Tainá Raiol e Waldeyr Mendes Cordeiro da Silva
Data: Segunda-feira, 07/10/2019
Hora: 09:00 às 12:30h
Abstract
The biological data has increased in volume and diversity, becoming known as -omics (genomics, transcriptomics, epigenomics, proteomics, metabolomics, and others). Molecular Biology and Databases have played a close and cooperative relationship, which has made it possible to intensify advances in many areas. This course will provide an overview of a range of biological databases for different purposes and how to retrieve data both using the databases interfaces and some API’s. The database range includes biological sequences data, protein structure, and interaction data, and metabolic pathways. Necessary skills: Basic knowledge of Biology and computers. Desirable to maximize the experience: Python basics.
Resumo
O volume e variedade de dados biológicos oriundos de sequenciamento de alto desempenho têm aumentado significativamente. Esses dados são conhecidos como ômicos, palavra que representa o conjunto de dados genômicos, transcritômicos, epigenômicos e outros. A Biologia Molecular e os bancos de dados têm mantido um estreito e cooperativo relacionamento, o qual tem possibilitado diversos avanços em diferentes áreas. Este curso oferece uma visão geral sobre como os bancos de dados biológicos se organizam. Também mostra como buscar dados nesses bancos tanto usando interfaces Web como APIs. Os bancos de dados abordados incluem bancos de sequências biológicas, como genomas, bancos de estruturas de proteínas, de interação entre proteínas e bancos de dados de metabolismo. Pré-requisitos: Conhecimento básico em Biologia e uso de computadores. Desejável para máximo aproveitamento: Python básico.