WhatsApp
Escola de Verão - Inteligência Artificial aplicada à modelagem em Recursos Hídricos - Fundação Christiano Ottoni
CURSOS
Escola de Verão – Inteligência Artificial aplicada à modelagem em Recursos Hídricos
Escola de Verão – Inteligência Artificial aplicada à modelagem em Recursos Hídricos

Objetivo: O objetivo principal da escola é apresentar ferramentas para modelagem baseada

em dados (data-driven models) para o aprimoramento da gestão de Recursos Hídricos. Em

linhas gerais, conceituar, implementar e avaliar um conjunto de técnicas de modelagem de

dados com origem na Inteligência Artificial e suas aplicações na modelagem de eventos

relacionados aos Recursos Hídricos.

Proposta de trabalho: A escola terá duração de uma semana, com trabalhos realizados no

período da manhã e tarde. No período da manhã serão apresentados tópicos teóricos que

sustentam a modelagem de fenômenos como cheias, secas (outros), além da fundamentação

dos algoritmos e métodos utilizados para modelagem baseada em dados. Durante o período

da tarde, os alunos implementarão os algoritmos necessários para a análise e modelagem de

dados hidrometeorológicos. A proposta de trabalho pode ser compreendida a partir da

programação diária proposta e apresentada abaixo:

● Segunda-feira: Conceitos fundamentais de hidrologia e caracterização de eventos

extremos. Fontes de dados em hidrologia. Introdução geral à programação em python

e base de dados.

● Terça-feira: Conceitos fundamentais de modelos físicos e modelos guiados por dados.

Geoprocessamento em python. Modelos físicos hidrológicos em python.

● Quarta-feira: Aprendizado de máquinas aplicado à previsão de eventos extremos: da

regressão linear às Redes Neurais Artificiais. Implementação de RNA. Divisão de base

de dados, métricas de avaliação de erro

● Quinta-feira: Aprendizado de máquinas aplicado à previsão de eventos extremos:

seleção de variáveis de entrada. Modelos auto-regressivos, otimização de arquitetura.

Árvores de regressão e Florestas Aleatórias. Implementação de modelo auto-

regressivo com arquitetura ótima e Florestas Aleatórias

● Sexta-feira: Deep learning aplicado à previsão de eventos extremos: LSTM, GCN, XAI.

Implementação de uma das técnicas de Deep Learning. Avaliação final do curso. Roda

de conversa.

Custo de Inscrição: R$ 30,00

Carga horária: 40 horas

Local de desenvolvimento: Escola de Engenharia – UFMG