Sessões Paralelas

Processamento Estatístico da Informação em Big Data (PEI-BD)

Motivação e Objetivos

A extraordinária disseminação de computadores e dados online está a mudar a forma como em muitas áreas as decisões são tomadas. O crescimento dramático na escala e complexidade dos dados que podem ser recolhidos e analisados, está a afetar todos os aspetos do trabalho e da sociedade. O big data está a gerar uma revolução na sociedade em muitas áreas. Conjuntos de dados em grande escala vêm de conteúdo analógico digitalizado criado ao longo dos séculos, bem como novos dados de um grande número de fontes, como sensores remotos, dispositivos móveis, estudos genómicos, imagens cerebrais, enormes bases de dados administrativas, simulações, transações, entre outras fontes. Esses novos conjuntos de dados, juntamente com técnicas algorítmicas e estatísticas para análises avançadas, tornam possível melhorar o bem-estar humano, acelerar descobertas científicas, desenvolver estudos e criar valor social e comercial. O processamento estatístico refere-se a um vasto conjunto de competências para a compreensão de dados.

A estatística é base fundamental para vários algoritmos modernos de processamento de informação, que tiveram sucesso em muitas aplicações importantes. A fim de abordar a análise de dados de tal tamanho e complexidade, os métodos estatísticos tradicionais foram reconsiderados e novos métodos foram desenvolvidos para extrair informações, conhecimentos ou aprendizagens, desses dados. Extrair significado e valor de dados cada vez mais complexos e volumosos requer um conjunto distinto de habilidades, métodos e ferramentas que foram combinados para formar uma área de conhecimento emergente chamada "Ciência de Dados".

Esta nova área de conhecimento integra elementos fundamentais da ciência da computação, matemática e estatística, e os combina de forma significativa com um conhecimento profundo da área de domínio. Compreender maneiras eficazes e éticas de usar grandes quantidades de dados é um desafio significativo para a ciência e para a sociedade como um todo, e o desenvolvimento de técnicas escaláveis para processamento de informação, análise de dados e tomada de decisão, requer pesquisa interdisciplinar em muitas áreas, incluindo aprendizagem automática, algoritmos, estatísticas, operações de pesquisa, base de dados, análise de complexidade, visualização, privacidade e segurança.

Edições Anteriores

Novidade

Tópicos de Interesse

A sessão INForum PEI-BD procura submissões de artigos no contexto do processamento estatístico da informação em grande volume de dados (big data), no seu sentido abrangente, descrita, de forma não exaustiva, pela seguinte lista de tópicos:

  • Aprendizagem automática
  • Aprendizagem estatística
  • Aprendizagem profunda
  • Ciência de Dados
  • Extração da Informação
  • Fundamentos matemáticos e modelos estatísticos para descoberta do conhecimento
  • Mineração de dados
  • Mineração Web
  • Processamento estatístico da linguagem natural
  • Processos de otimização em grande volume de dados (procura, análise, indexação, mapeamento, ...)
  • Recuperação da Informação
  • Redes Sociais
  • Segurança da Informação
  • Visualização de grande volume de dados
Topics of Interest

The INFORum PEI-BD session welcome papers containing original contributions in the context of statistical processing of information in big data, particularly in (but not limited to) the following topics:

  • Machine learning
  • Statistical learning
  • Deep learning
  • Data Science
  • Data search optimization
  • Information extraction
  • Mathematical foundations and statistical models for knowledge discovery
  • Data mining
  • Web Mining
  • Statistical processing of natural language
  • Optimization processes in big data (search, analysis, indexing, mapping, ...)
  • Information retrieval
  • Social networks
  • Information security
  • Visualization of a large volume of data
Organizador

Sebastião Pais    sebastiao@di.ubi.pt    Universidade da Beira Interior

Comissão de Programa

Bruno Silva, Universidade da Beira Interior
Catia Pesquita, LaSIGE Faculdade de Ciências — Universidade de Lisboa
Célia Nunes, Universidade da Beira Interior
João Cordeiro, Universidade da Beira Interior
Nuno Pombo, Universidade da Beira Interior
Pedro Inácio, Universidade da Beira Interior
Ricardo Ribeiro, INESC-ID ISCTE — Instituto Universitário de Lisboa
Susana Nascimento, Faculdade de Ciências e Tecnologia — Universidade NOVA Lisboa