umpanoramadapesquisaem# computação#naescolade#...
TRANSCRIPT
Eduardo Ogasawara [email protected]
agosto/2015
Um Panorama da Pesquisa em Computação na Escola de Informá:ca & Computação
Seminários
CEFET/RJ
Agenda
• Tríade Ensino-‐Pesquisa-‐Extensão • Publicar: A missão! • Pós-‐Graduação em Ciência de Dados • Pesquisa em InformáEca na Educação • Pesquisa em Ciência de Dados • Pesquisa em Computação Aplicada • Inovação • Qual é o papel do aluno neste jogo?
2
Tríade Ensino-‐Pesquisa-‐Extensão
3
Ensino
Extensão
Pesquisa
Ensino Médio-‐Técnico
Graduação
Pós-‐Graduação EIC
Inovação
Feiras
Ser professor não é “apenas” dar aula...
ObjeEvos
• Elo entre os diferentes níveis de ensino o InsEgando a pesquisa no curso técnico em InformáEca o Fomentando os cursos de graduação em Computação o Consolidando as pós-‐graduações existentes
• Computação em destaque na insEtuição • CEFET/RJ em um contexto de relevância nacional o Produção de arEgos e artefatos computacionais • QuanEdade & Qualidade
o Inovação na forma de conduzir as pesquisas o Criação de Mestrado em Computação
4
CaracterísEcas da pesquisa
• MoEvada na resolução de problemas reais • Combina pesquisa aplicada com pesquisa básica • Organizada em grupos de pesquisa
5
Grupos de pesquisa
• Ciência de Dados & Mineração de Dados o Essência: Gerência de Dados (Pré-‐process. & Big Data) o Essência: Métodos Baseado em Dados
• InformáEca na Educação o Essência: Ciência de Dados na Educação
6
Membros
7
Ações com ensino médio-‐técnico
• ParEcipações em feiras • ParEcipações em provas (OBI, RobóEca) • Jogos educacionais • RobóEca • Iniciação ciendfica • ParEcipação em disciplinas e trabalhos conjuntos com alunos do mestrado • Projetos finais com caráter de pesquisa • Estágio em práEca de pesquisa*
8
Ações com a graduação
• Seminários da EIC • Metodologia ciendfica • PráEca de pesquisa • Iniciação ciendfica • Trabalho de conclusão de curso • ParEcipação em disciplinas e trabalhos conjuntos com alunos do mestrado • Direcionamento para mestrado • Cadernos em computação aplicada 9
Ações com a pós-‐graduação (mestrado)
• Seminários da EIC • Colaboração com alunos da graduação • Aprimoramento de escrita de arEgos
10
Pressão por resultados!
• A pressão é cada vez maior... • Projetos o Verba o Internacionalização
• Status o Reconhecimento dos cursos o Reconhecimento da insEtuição o Reconhecimento dos pesquisadores
11
Publish or Perish!
Medição de desempenho em pesquisa
• Produção de arEgos ciendficos • ArEgos de periódicos • ArEgos de conferências (anais) • Indicadores de relevância o Fator de impacto (JCR) (periódicos) o Qualis
12
Produção de arEgos
13
0"
5"
10"
15"
20"
25"
30"
2005" 2006" 2007" 2008" 2009" 2010" 2011" 2012" 2013" 2014" 2015"
Conferência" Periódicos"
Fase 1 Fase 2 Fase 3
Produção por Qualis
14
Pesquisa(Própria(
0.00(
0.50(
1.00(
1.50(
2.00(
2.50(
3.00(
3.50(
4.00(
4.50(
2005( 2006( 2007( 2008( 2009( 2010( 2011( 2012( 2013( 2014( 2015(
Qualis'
Ações básicas versus ações de inovação
o Básico • ParEcipação em projetos de pesquisa • Esdmulo a Iniciação ciendfica
o Inovação • Estágio em práEca de pesquisa
– Fixação de alunos do ensino médio-‐técnico
• Disciplina de metodologia e práEca de pesquisa – Discentes da graduação aprendem fazendo
• Seminários semanais de pesquisa – Elo entre todos os níveis: ensino médio, graduação e pós
• Periódico Cadernos em Computação Aplicada – Focada na graduação -‐ Hedge de publicação / Mentoring
15
Inovação na concepção de uma pós-‐graduação
• CaracterísEca da insEtuição o Cenário de transformação em Universidade de Ciências Aplicadas
• CaracterísEca do grupo o Enxuto o PragmáEco o Movido a Desafios
• ObjeEvo o Estabelecer um foco o Domínio em constante evolução e mulEdisciplinar
16
Ciência de Dados
• Ciência de dados é o estudo da extração de conhecimento a parEr de dados (Big Data) • Envolve pesquisa em
o Métodos estadsEcos, aprendizagem de máquina, técnicas de visualização de dados
o Gerência e armazenamento de grande coleções de dados o Computação de alto desempenho
• CaracterísEca mulEdisciplinar • Aplicações na ciência/indústria/governo
o BioinformáEca, petróleo, energia, finanças, astronomia, Internet, mobilidade urbana, defesa cibernéEca, educação, etc
17
Linhas de pesquisa
1. Gerência de Dados e Aplicações o Ações aplicadas a uma coleção de dados que conduzem à descoberta de conhecimento
o Há um potencial de pesquisa aplicada com impacto em diferentes áreas do conhecimento e em setores de atuação
2. Métodos Baseados em Dados o Métodos estadsEcos, matemáEcos e de mineração de dados que apoiam o processo de CD
o CaracterísEca intrínseca de pesquisa básica 18
Processo de Ciência de Dados Fu
nd
amen
tos
da
Pro
gra
maç
ão W
EB
1.#Métodos#de#Seleção#e#Integração#
Dados#Brutos#
2.#Métodos#de#Pré9processamento#
3.#Métodos###de#Extração#de#Conhecimento#
4.#Métodos#de##Avaliação#
Conhecimento#
Amostras#
Amostras#Preparadas#
Resultados#
19
Proposta de criação de mestrado em Ciência de Dados ÚlEmos três anos
20
Comparação dos programas de pós-‐graduação em Computação
21
CEFET/RJ(
0.00( 0.50( 1.00( 1.50( 2.00( 2.50( 3.00( 3.50(
UFRJ(((((((
UNICAMP((((
USP((((((((
UFRPE((((((
UFRGS((((((
PUC/RS(((((
UFC((((((((
UFOP(((((((
UFPE(((((((
UFCG(((((((
UFMS(((((((
UNIFEI(((((
UFU((((((((
UFBA(((((((
UNESP/SJRP(
UFPA(((((((
UNIFESP((((
UNIFOR(((((
UTFPR((((((
UFMS(((((((
UFPEL((((((
UNISINOS(((
USP((((((((
UFAL(((((((
UFSM(((((((
IME((((((((
UFMA(((((((
UFV((((((((
UFBA(((((((
UFLA(((((((
FURG(((((((
UNIFACS((((
UECE(((((((
FACCAMP((((
UNB((((((((
Irrestrito( Restrito(
ÚlEmos três anos
Pesquisa feitas na EIC
• InformáEca na Educação • Ciência de Dados • Computação Aplicada
22
InformáEca na Educação
• Prodígio • ControlHarvest • JOE • Hanafuda • LabVetor • Webservice • RobóEca
23
Prodígio
24
ControlHarvest
25
JOE
!
26
Hanafuda
Pontuação do Agente
Pontuação do usuário
Mão do agente
Cartas na mão do usuário
Cartas na tabela
Cartas no monte
27
LabVetor
Lab$Vetor$ Lab$Vetor$
servidor$
Sala$de$Aula$
Qua.$Int.$ Casa$
(a)$
(b)$
28
Web Service Camada%Cliente% Servidor%w
eb%Banco%de%dados%
Interação%Coleta%
%%Serviço%web%
JOE%com%%coleta%de%dados%
Lab%Vetor%com%coleta%de%dados%
Control%Harvest%com%%coleta%%de%dados%
Pacotes%%interação%Hanafuda%
Pacotes%%interação%Hanafuda%
Pacotes%%interação%Amê%
Amê%%com%integração%
29
RobóEca
30
Turing
Erdos
Ciência de Dados & Mineração de Dados
• Previsão de Séries Temporais • Compra e venda de ações • Previsão da Temperatura de Supertcie do Mar • Imputação de Séries Temporais • IdenEficação de MoEfs em Séries Espaço-‐Temporais • Classificação de Estrelas e Galáxias • IdenEficação de atrasos aéreos • IdenEficação de padrões em malhas municipais • Modelo de adoção de redes sociais • Agrupamentos múlEplos em grafos com atributos • Detecção de eventos em redes sociais • Visualização de dados
31
Sagitarii
32
Previsão de Séries Espaço Temporais
33
Compra e venda de ações
34
Previsão da temperatura da supertcie do mar
35
Imputação de Séries Temporais
36
IdenEficação de MoEfs em Séries Espaço Temporais
37
Classificação de Estrelas e Galáxias
38
IdenEficação de atrasos aéreos
39
IdenEficação de atrasos em malha municipal
40
Modelo de Adoção de Redes Sociais B"
A E
D"
C
1"2"
6"(a)"
B"
A E
D"
C
3"1" 3"
2"
(b)"
B"
A E
D"
C
0.7"0.5"
1"0.3"
0.5"
(e)"
B"
A E
D"
C
0.2"0.3"
1"
(c)"
B"
A E
D"
C
0.5"
0.2" 0.5"
0.3"
(d)"
41
Agrupamentos MúlEplos em Grafos com Atributos
42
Detecção de eventos em redes sociais
43
Visualização de Dados
44
Computação Aplicada
• Passe-‐me • RFIDBook • Reconhecimento facial • Timetable
45
Passe-‐me
46
(a)$(b)$
(c)$
(d)$
RFIDBook
47
Reconhecimento facial
48
TimeTable
49
LPLB 6 7 6 6 6LEST 0 0 0 0 0Matemática 7 8 7 7 7Física 5 4 5 4 5Química 6 6 5 6 5Física/Química 2 3 3 3 3Biologia 4 4 4 4 4Geografia 4 4 4 4 4História 4 4 3 4 4Sociologia 1 2 1 2 2Filosofia 1 2 2 2 1Sociologia/Filosofia 4 4 0 4 4
Seg Ter Qua Qui Sex
Inovação
• Inovação significa novidade ou renovação • Usada no contexto de ideias e invenções que chegam no mercado • Processo que inclui as aEvidades o técnicas, concepção, desenvolvimento, gestão
• Resulta na comercialização de o novos (ou melhorados) produtos o primeira uElização de novos (ou melhorados) processos
CaracterísEcas da Inovação
• Fazer mais com menos recursos • Ganhos de eficiência em processos o ProduEvos o AdministraEvos o Financeiros o Prestação de serviços
• Potencializa a compeEEvidade o Fundamental no crescimento econômico de uma sociedade
Exemplos
Por que inovação é importante para o negócio?
• “A Apple, empresa que criou o mercado de tablets está cedendo terreno para concorrentes como Samsung e Google, em meio a uma desaceleração no crescimento do lucro que tem aEngido o preço de suas ações”
• As empresas e centro de pesquisa urgem por pessoas com ideias o hwp://www.portalinovacao.mct.gov.br
Por que inovação é importante para o inventor?
• Várias pessoas pesquisam com a ambição de se tornarem ricos • A expectaEva de ter uma ideia brilhante que possa mudar o mundo
Qual ambiente é apropriado para inovação?
• Ideias nascem nas mulEdões • Caminhadas • Intuição • Tenha hobbies • Frequente cafés ou outras redes líquidas • Deixe os outros construírem em cima das suas ideias • Explore as ideias atuais, recicle, reinvente
Começando a ter ideias...
• A inspiração pode vir de quesEonamentos que fazemos aos funcionamentos das coisas o Por que os mecanismo de correções de textos não são tão bons? o Por que é a rede é tão lenta? o Por que as consultas demoram tanto para serem executadas?
• Pesquisas podem vir das barreiras impostas o Imagine que você tenha uma ideia mas as pessoas dizem que ela não é facdvel • Explore os moEvos • A solução pode ser pesquisada
o Temas já atendidos pelo mercado ainda podem ser explorados. • Podem não ser óEmos
Como conceber ideias novas?
• Pense nos problemas o Veja problemas críEcos o Ataque-‐os tecnicamente
• Regionalize ou adapte conceitos inovadores • Misture conceitos o Surfe nos conceitos da moda o Adapte-‐os a resolução dos seus problemas
• Procure observar se os conceitos da moda não são uma roupagem nova a um problema velho o Isso ajuda a prever os próximos movimentos
Inovar é preciso
• Inovações de Conceitos/Produtos o 2009: Linha de Experimentos o 2010: Normalização AdaptaEva o 2011: Álgebra de Workflows
• Inovações de Processo o 2012: BCC e Integrado o 2013: Norma de TCC e Workshop da EIC o 2014: Disciplinas de Metodologia/PráEca de Pesquisa e Revista Cadernos em Computação Aplicada
o 2015: PPGCD, Seminários e Estrutura em Pirâmide o 2016: Projetos de Inovação e Patentes
Fique antenado
Ago/2002 Out/2003 Set/2005 jun/2006
jul/2007 dez/2008 nov/2009 dez/2013
Conheça o inimigo...
"Se você conhece o inimigo e conhece a si mesmo, não precisa temer o resultado de cem batalhas. Se você se conhece mas não conhece o inimigo, para cada vitória ganha sofrerá também uma derrota. Se você não conhece nem o inimigo nem a si mesmo, perderá todas as batalhas..."
Sun Tzu
Qual é o papel do aluno?
61
Muito importante!
Ações importantes dos alunos...
• Ter interesse o ParEcipar de projetos de pesquisa (tema de professor) o Inovar produtos ou processos (tema de aluno)
• Separar protóEpo de produto o PraEcar a escrita de arEgos e realizar experimentos
• Escutar os professores o Produto tem que ser concebido com alma o Alinhar a estratégia: maximizar resultado e minimizar esforço o Avaliação experimental e fórum de publicação tem que ser concebido no planejamento
o Escrever um arEgo depois de produto fechado é MUITO ditcil e limita o fórum de submissão
Eduardo Ogasawara [email protected]
agosto/2015
Um Panorama da Pesquisa em Computação na Escola de Informá:ca & Computação
Seminários
CEFET/RJ