DATAS IMPORTANTES

• 10 de julho – Prazo de submissão
• 29 de julho – Notificação de aceitação
• 1º de agosto – Envio da versão final
• 19 de setembro – Workshop DB+AI

DB+AI – 1º Workshop Brasileiro de Integração de Bancos de Dados e Inteligência Artificial (colocalizado com SBBD 2022, Búzios, RJ)

A comunidade científica testemunhou uma explosão de popularidade da Inteligência Artificial (IA), fomentada pelo desenvolvimento de novas técnicas de vários paradigmas, incluindo deep learning e ensembles. Portanto, vários aplicativos baseados em IA surgiram para suportar as tarefas regulares realizadas por diferentes especialistas e domínios, incluindo Bancos de Dados. Em particular, a integração das comunidades de IA e banco de dados já mostrou seu potencial, como visto em eventos recentes organizados pelos comitês líderes de campo SIGMOD e VLDB. A IA se aplica a tarefas regulares executadas manualmente por especialistas em Sistemas de Gerenciamento de Banco de Dados (DBMSs) ou suas rotinas internas, como processamento de consultas, ajuste de banco de dados, carregamento, balanceamento e dimensionamento. Embora as soluções baseadas em IA nem sempre automatizem totalmente essas tarefas (já que muitas exigem interações humanas), elas ainda são valiosas para alertar especialistas sobre comportamentos potencialmente inesperados que podem exigir ações adicionais para garantir a resiliência do DBMS. Embora as técnicas de IA possam aprimorar a manutenção e as configurações dos DBMSs, as técnicas de banco de dados também se aplicam para otimizar o desempenho e o ciclo de vida dos aplicativos de IA em uma integração bidirecional. Um exemplo de design de banco de dados que oferece suporte a aplicativos de IA é o acoplamento de consultas de similaridade nos mecanismos de pesquisa de DBMS, que fornecem integração direta para tarefas de IA baseadas em casos, como classificação baseada em distância, clustering e recuperação baseada em conteúdo. A comunidade de pesquisa de banco de dados também tem um histórico sólido de projetos e soluções eficientes para (i) rastrear transformações de dados e (ii) capturar e gerenciar metadados de aplicativos, incluindo aqueles em modelos treinados. Essas soluções podem fornecer novos recursos aos especialistas em IA para resolver problemas grandes e complexos baseados em dados. Assim, este workshop visa oferecer a estudantes, pesquisadores e profissionais de Banco de Dados e IA uma oportunidade de apresentar seus resultados mais recentes (e em andamento) sobre este tópico de pesquisa.

Instruções para Submissão

Os trabalhos devem ser redigidos em português ou inglês e não exceder 8 páginas (incluindo referências), conforme modelo da SBC. Os artigos submetidos ao DB+AI Workshop não devem ter sido submetidos simultaneamente a qualquer outro fórum (conferência ou periódico), nem já ter sido publicados em outro lugar. A aceitação de um trabalho implica que pelo menos um de seus autores se inscreva no SBBD para apresentá-lo no workshop. Os trabalhos devem ser enviados dentro do prazo através do site do JEMS. Os artigos submetidos passarão por um único processo de revisão cega, onde as identidades dos autores são visíveis para os revisores e as identidades dos revisores são ocultadas dos autores. Os artigos serão revisados com base na originalidade, relevância, solidez técnica e clareza de apresentação.

Formato e duração

DB+AI será um workshop presencial com apresentações ao vivo. Esperamos ter um palestrante principal a ser anunciado em breve.

Tópicos de Interesse

  • Processamento de consultas baseado em técnicas de IA
  • Dimensionamento de recursos com base em técnicas de IA
  • Balanceamento de carga baseado em técnicas de IA
  • Pré-processamento e limpeza de dados usando IA
  • Otimização de estruturas de indexação usando IA
  • Consultando espaços de alta dimensão com métodos de IA
  • Configuração automática de banco de dados usando técnicas de IA
  • Segurança de dados com técnicas de IA
  • Integração de dados com base em técnicas de IA
  • Gerenciamento de dados para aplicativos de IA
  • Gerenciamento de dados para dar suporte à explicabilidade do modelo
  • Gerenciamento de modelo de IA
  • Aplicação de Frameworks de Big Data para Aplicações de IA
  • Extensões SQL para dar suporte a modelos de IA
  • Técnicas de banco de dados para apoiar o treinamento de modelos de IA
  • Técnicas de banco de dados para acelerar a inferência do modelo de IA

Comitê (a ser confirmado)

  • Aline Paes (IC/UFF) – coordenadora
  • Altigran Silva (UFAM)
  • Angelo Brayner (UFC)
  • Carlos Eduardo Pires (UFCG)
  • Daniel de Oliveira (IC/UFF) – coordenador
  • Daniel Kaster (UEL)
  • Eduardo Almeida (UFPR)
  • Eduardo Ogasawara (CEFET/RJ)
  • Eduardo Bezerra (CEFET/RJ)
  • Esther Pacitti (INRIA, França)
  • Fabio Porto (LNCC)
  • Ji Liu (Baidu – China)
  • Jonas Dias (Evergen – Australia)
  • José Maria Monteiro (UFC)
  • Leonardo Guerreiro (IBM Research)
  • Luciano Barbosa (UFPE)
  • Lúcio Dutra (IFNMG)
  • Marcos Bedo (INFES/UFF) – coordenador
  • Marta Mattoso (COPPE/UFRJ)
  • Renan Souza (IBM Research)
  • Ronaldo Mello (UFSC)
  • Victor Ströele (UFJF)
  • Vítor Silva (Snap – Estados Unidos)
  • Wagner Meira (UFMG)

Coordenadores

  • Aline Paes (IC/UFF) – alinepaes@ic.uff.br
  • Daniel de Oliveira (IC/UFF) – danielcmo@ic.uff.br
  • Marcos Bedo (INFES/UFF) – marcosbedo@id.uff.br