Abaixo, encontram-se detalhes sobre as palestras da ERAD/RS 2025.
Horário e local: 23/04 (16:30 - 17:25) — Auditório
Resumo: A aplicação de Inteligência Artificial (IA) na Cardiologia tem revolucionado o diagnóstico, prognóstico e monitoramento de doenças cardiovasculares, uma das principais causas de mortalidade global. Essa palestra abordará como técnicas avançadas de aprendizado profundo, modelos generativos e aprendizado auto-supervisionado vêm sendo aplicadas na análise de ECGs digitalizados, imagens médicas multimodais e dados fisiológicos contínuos para detecção de arritmias e predição de desfechos clínicos. Além disso, discutiremos desafios computacionais associados à fusão de dados heterogêneos, incluindo sinais biomédicos, exames de imagem e dados ômicos (genômica, proteômica, metabolômica), e como a computação de alto desempenho (HPC) e arquiteturas especializadas, como GPUs e aceleradores neuromórficos, podem viabilizar modelos preditivos de alta precisão em larga escala.
Marco Antonio Gutierrez Graduado em Engenharia Elétrica (1985), com especialização em Ciências da Computação (1985) e doutorado em Engenharia Elétrica (1995), todos pela Universidade de São Paulo (USP). Foi pesquisador visitante no Image Science Institute, Utrecht University (1996), e no Image Processing and Informatics Lab, University of Southern California, Estados Unidos (2006-2007). É Diretor do Serviço de Informática e do Laboratório de Informática Biomédica do Instituto do Coraçãor HC-FMUSP, Professor Associado (Livre-docente) na Faculdade de Medicina da USP e Membro (2020) da International Academy of Health Sciences Informatics (IAHSI). Possui mais de 30 anos de experiência em Engenharia e Informática Biomédica, com foco em processamento de sinais biológicos e imagens médicas.
Horário e local: 23/04 (17:30 - 18:25) — Auditório
Resumo: A crescente demanda por poder computacional tem levado a avanços significativos na computação de alto desempenho (HPC). No entanto, esse crescimento resulta em um aumento expressivo no consumo energético e na emissão de CO₂, tornando a sustentabilidade um desafio fundamental para o setor. O equilíbrio entre desempenho computacional e eficiência energética é uma questão crítica, especialmente diante da escalabilidade dos sistemas e da necessidade de otimização de recursos. Assim, esta palestra apresenta uma análise do cenário atual da sustentabilidade em HPC, abordando os principais desafios técnicos para a redução do consumo energético em centros de dados, bem como a necessidade de estratégias avançadas para refrigeração e gestão de recursos computacionais. Serão discutidas técnicas emergentes para otimização da eficiência computacional e mitigação do impacto ambiental, incluindo abordagens arquiteturais, algoritmos de gerenciamento dinâmico de energia e práticas de desenvolvimento voltadas para a redução do consumo de recursos.
Arthur Francisco Lorenzon Lorenzon é Doutor em Ciência da Computação pela Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre, desde 2018. Atuou como pesquisador visitante em áreas correlatas em diversas instituições de ensino e pesquisa, incluindo Delft University of Technology, Oak Ridge National Laboratory e Barcelona Supercomputing Center. Sua tese de doutorado foi escolhida como a melhor tese na área de arquitetura de computadores e computação de alto desempenho no WSCAD-CTD, em 2018. Atualmente, integra o corpo docente do Instituto de Informática da UFRGS, orientando alunos de mestrado e doutorado no Programa de Pós-Graduação em Computação (PPGC). Desenvolve atividades de pesquisa na área de computação de alto desempenho, com foco no desenvolvimento de soluções para otimizar o uso dos recursos computacionais.
Horário e local: 23/04 (11:30 - 12:00) — Auditório
Resumo: A plataforma HPCC Systems de código aberto utiliza arquitetura de dados distribuída e uma metodologia de processamento paralelo para trabalhar com grandes conjuntos de dados. O pipeline de dados na plataforma acompanha os dados desde a origem até a sua ingestão no cluster Thor, onde eles são refinados através de limpeza e padronização dos dados e, em seguida, enriquecidos, para depois, serem disponibilizados para aplicações de consulta em tempo real hospedadas no cluster Roxie. Em conjunto com essas duas arquiteturas de clusters e, compondo o chamado Power Trio, se faz presente a linguagem ECL, sendo a única linguagem necessária para expressar algoritmos de dados em toda a plataforma HPCC Systems. No cluster Thor, a linguagem ECL expressa workflows de dados que consistem em carregamento dados, transformação, vinculação, indexação etc. No cluster Roxie, a linguagem ECL define serviços de consultas de dados. A linguagem ECL é implicitamente paralela, portanto, o mesmo código ECL desenvolvido para ser executado em um cluster de nó único pode ser executado com a mesma facilidade em um cluster com centenas de nós. O programador não precisa se preocupar em implementar a paralelização, e a linguagem ECL possui uma função otimizadora que garante o melhor desempenho para uma arquitetura específica. Integrado à linguagem ECL encontram-se disponíveis diversas bibliotecas de Machine Learning aplicáveis às várias categorias de aprendizado de máquina, onde cada algoritmo tem suas próprias peculiaridades, as quais devem ser levadas em consideração para maximizar a precisão preditiva, tendo em conta que todos os bundles operam de maneira muito semelhante, com algumas variações menores. Por esses motivos, é muito importante que não seja utilizada a exploração de Machine Learning para produzir produtos ou reivindicar habilidades sem antes consultar a documentação que acompanha cada bundle, a fim de usá-lo de forma efetiva. Finalmente, objetivando demonstrar o uso de algoritmos de Aprendizado de Máquina na plataforma HPCC Systems, será apresentado um estudo de caso durante a realização do Minicurso dentro da programação do ERAD-RS 2025.
Alysson Oliveira Alysson Oliveira, engenheiro de software da LexisNexis Risk Solutions. Sua principal atuação gira em torno do suporte e desenvolvimento de programas de treinamento para a plataforma HPCC Systems no Brasil, abrangendo o público acadêmico, pesquisadores e profissionais da área da computação e de dados. Também buscar estabelecer parcerias com universidades a fim de oferecer aos alunos de graduação a oportunidade de trabalhar em projetos científicos, assim como oferecer mentoria para alunos de graduação e pós graduação.
Horário e local: 25/04 (11:30 - 12:00) — Auditório
Resumo: Vamos explorar a liderança mundial da HPE em Computação de Alto Desempenho e Inteligência Artificial, reforçando o posicionamento da HPE no Top500 List, apresentar os recentes casos de sucesso com o Supercomputadores HPE CRAY EX, apresentar o portfólio de HPC/AI e as opções de refrigeração para cada tipo de infraestrutura.
Mônica A. Costa Mônica Costa é bacharel em Engenharia Eletrônica, com Pós-graduação em Estratégia e Gestão Empresarial e Pós-graduação em Transformação Digital pela PUC-Rio, possui mais de 30 anos de experiência em Computação de Alto Desempenho, iniciando sua carreira na Control Data Corporation (CDC) como Engenheira de Suporte de mainframes CDC. Na década de 1990 a Silicon Graphics International (SGI) se estabeleceu no Brasil e incorporou as atividades da CDC, que já utilizava workstations SGI como console dos mainframes, e desde então Mônica Costa passou a integrar o time de Engenheiros de Suporte/Vendas da SGI, por onde permaneceu por 25 anos. Com a incorporação da SGI pela Hewlett Packard Enterprise (HPE) em 2017 assumiu a posição de Especialista em Computação de Alto Desempenho e Inteligência Artificial, sendo responsável por HPC/AI para a América Latina.
