PUBTechSF@Berkeley 2018

Featured

Confira a programação do PUBTechSF@Berkeley 2018, que acontecerá no dia de setembro de 2018, de 6 a 9 pm.

Garanta já a sua inscrição em: https://pubtechsf-berkeley-2018.eventbrite.com

 

Programa

6:00 pm Chegada e inscrições
6.30 pm Boas vindas

6:35 pm Talks

Daniel Haanwinckel, UC Berkeley
Por que a desigualdade tem caído no Brasil e aumentado nos EUA?

Paulo Adeodato, UFPE, Stanford
Como a Inteligência Artificial pode integrar academia, negócios e governo para o bem da coletividade?

7:15 pm Pitch de impacto social

Daniela Ushizima, UC Berkeley
The Center for Recognition and Inspection of Cells (CRIC) e o Sistema Único de Saúde Brasileiro

7:35 pm Networking
9:00 pm Conclusão

Daniela Ushizima | The Center for Recognition and Inspection of Cells (CRIC) e o Sistema Único de Saúde Brasileiro

Daniela Ushizima é Staff Scientist/Data Scientist/Team Leader do Computational Research Division, Berkeley Lab e Berkeley Institute of Data Science, UC Berkeley. No PUBTechSF@Berkeley, ela vai apresentar o trabalho “The Center for Recognition and Inspection of Cells (CRIC) e o Sistema Único de Saúde Brasileiro”.
Para participar do PUBTechSF@Berkeley no dia 19 de setembro de 2018, inscreva-se aqui: https://pubtechsf-berkeley-2018.eventbrite.com
The Center for Recognition and Inspection of Cells (CRIC) e o Sistema Único de Saúde Brasileiro
O câncer do colo do útero é a segunda causa de morte por câncer entre mulheres de 20 a 39 anos, então é óbvia a necessidade de melhorar as taxas de rastreamento nessa faixa etária, além de aumentar a aceitação e acesso à vacinação contra o papilomavírus humano. Cerca de 8.000 mulheres brasileiras morrem a cada ano, onde o câncer do colo do útero é o terceiro tipo de câncer mais comum entre as mulheres em idade de trabalho. Embora esses números sejam assustadores, uma equipe destemida, liderada por quatro mulheres, decidiu investigar e quantificar as imagens do exame de Papanicolau, a fim de melhorar a análise das células dentro do sistema público de saúde. O sonho começou com a constatação de que a detecção precoce de lesões pré-cancerosas de testes de Papanicolau salvou vidas por décadas, mas a quantificação microscópica adequada das propriedades das células cervicais permanece restrita a poucas mulheres. A razão para tais limitações é o protocolo de análise: historicamente, a triagem de uma lâmina de Papanicolau e a busca por padrões celulares anormais dependem da visão dos citopatologistas. Essa dependência da inspeção manual dificulta a capacidade dos programas de saúde pública a atender ao crescimento populacional, particularmente quando se usa o exame de Papanicolaou como exame de saúde do colo do útero. Em uma parceria entre a BIDS, o Berkeley Lab e o Ciência sem Fronteiras (Cnpq), a equipe tem criado vários protótipos de software e artigos científicas abordando suas descobertas. Essa iniciativa também é responsável pela formação de pessoal altamente especializado, somando mais de 20 alunos que participaram do projeto, com 3 deles hospedados pelo BIDS, sendo Daniel Ferreira (doutorando) a mais recente chegada.
Daniela Ushizima is a Staff Scientist at Berkeley Lab. and a Data Scientist at the Berkeley Institute for Data Science at UC Berkeley. Her research focuses on algorithms for computer vision, pattern recognition, and quantitative microscopy, designed to understand data coming from scientific investigations that involve experimental and observational image acquisition. As part of her DOE Early Career Award, Ushizima has applied machine learning to diverse scientific domains reliant on digital pictures, ranging from biomedical micrographies to geological materials and composites, e.g. micro-tomography of materials with applications to aviation. As a co-investigator in Image Analysis/Machine Vision for the Center for Advanced Mathematics for Energy Related Applications (CAMERA), she has worked with professionals from several domains and mentored scientists from multiple countries. Her team latest accomplishment is the development of a computer system to search image collections using a picture, a concept known as content-based image retrieval using neural networks.

Paulo Adeodato | PUBTechSF@Berkeley 2018

Paulo Adeodato é Professor do Centro de Informática da UFPE e Professor Visitante do Department of Anesthesia da Stanford School of Medicine, e apresentará sua palestra sobre “Como a Inteligência Artificial pode integrar academia, negócios e governo para o bem da coletividade?” no PUBTechSF@Berkeley 2018.

O PUBTechSF@Berkeley 2018 acontecerá no dia 19 de setembro de 2018, das 6 às 9 pm. Para participar inscreva-se aqui: https://pubtechsf-berkeley-2018.eventbrite.com

 

Como a Inteligência Artificial pode integrar academia, negócios e governo para o bem da coletividade?

Sobre o vasto tema, o palestrante apresenta aspectos e visões amadurecidos ao longo de mais de 20 anos de pesquisador-empreendedor. Se você acha que precisa entender o que é Deep Learning, Big Data Analytics etc., para ter melhor desempenho profissional, esqueça! Paulo vai desmistificar alguns (pré)conceitos e mostrar como já contribuiu para a ciência em finanças, telecom, navegação marítima, direito, entretenimento, administração e, atualmente, em saúde e educação em Stanford. Ao final, você sairá com uma visão bem mais clara sobre como a Inteligência Artificial pode ajudar no seu trabalho.

Paulo tem 36 anos de experiência profissional combinando indústria, academia e empreendedorismo.

É professor do Centro de Informática–UFPE há 20 anos engajado em Decision Support Systems. Depois de 3 meses como visiting scholar do CERAS-Stanford em 2017, Paulo retornou como visiting professor da Stanford School of Medicine em 2018.

Paulo é bacharel em Electrônica (1982), especialista em Engenharia de Produção (1989) e mestre em Informática (1991) pela UFPE e PhD in Mathematics (1997) pelo King´s College London, atuando em Inteligência Artificial há 30 anos.

Pioneiro no Brasil, Paulo criou o primeiro curso de Data Mining do país, orientou 9 doutorados e 19 mestrados. Também, desenvolveu mais de 400 soluções de data mining tendo umas 100 implantadas em empresas. Voltado para inovação, Paulo participou de mais de 10 projetos científicos fomentados, sendo dois recentes de cooperação com o Canadá e Europa.

Paulo é fundador e sócio da NeuroTech tendo coordenado a sua inovação e estratégia (1998-2013) até o investimento de um fundo private-equity adquirir o controle da empresa. Paulo é co-fundador e associado do CESAR (1996) e criou a AI-Leader (hoje, da Stefanini) em 2002, tendo se tornado “serial entrepreneur”.

Ele é membro do Comitê Estratégico de TI da AmCham-PE, de Comitês do Programa TECNOVA de fomento à Inovação e foi membro do IEEE Industry Liaison Committee (2015-17) e Industry Liaison Chair do WCCI 2018. Também, foi convidado para palestrar sobre inovação em universidades brasileiras, na fundação da Singularity University-Chapter Curitiba (2018) e no IEEE no Silicon Valley (2015).

Daniel Haanwinckel | PUBTechSF@Berkeley 2018

O Daniel Haanwinckel será um dos palestrantes no PUBTechSF@Berkeley 2018, que acontecerá no próximo dia 19 de setembro no BIDS, UC Berkeley.
O Daniel é doutorando no Departamento de Economia da UC Berkeley e o título de sua palestra é: Por que a desigualdade tem caído no Brasil e aumentado nos EUA?
Para participar, inscreva-se aqui: https://pubtechsf-berkeley-2018.eventbrite.com
O que determina diferenças de salários entre trabalhadores, e por que estas diferenças mudam ao longo do tempo? As principais causas estudadas por economistas são níveis educacionais, mudanças tecnológicas e políticas como o salário mínimo. Pesquisas mais recentes revelam que diferenças salariais entre empresas também são importantes e estão associadas a aumentos na desigualdade em países como os EUA e Alemanha. Esta palestra mostra o que tem ocorrido no Brasil e apresenta uma nova abordagem teórica que inclui o papel das empresas no modelo tradicional de determinação de salários.
Daniel Haanwinckel é doutorando em Economia no Departamento de Economia da UC Berkeley, mestre em economia pela PUC-Rio de Janeiro e engenheiro de controle e automação pela Unicamp. Sua pesquisa busca entender os fatores que determinam desigualdade salarial, desemprego e informalidade. Antes de entrar na academia, Daniel foi trader de derivativos no Espirito Santo Investment Bank, em São Paulo e Nova Iorque.