16/10/2026 –, Paralela 1
Nesta apresentação, introduzimos o novo pacote em Python, thetaflow para a integração de componentes de redes neurais em distribuições estatísticas, com exemplos de aplicação interessantes.
O pacote thetaflow é parte da minha tese de doutorado, na qual tenho o objetivo de integrar modelos de sobrevivência (estudos de tempo de vida) a redes neurais. Percebi ao longo da tese que as ideias aplicadas eram muito mais gerais e podiam ser usadas para virtualmente qualquer distribuição estatística, o que me motivou a implementar um pacote flexível e voltado para um framework de modelagem geral. Este novo framework supera o estado da arte em regressão distribucional, se comparando a pacotes existentes em R, como o gamlss.
A pessoa deve entender conceitos básicos de análise de dados (como train-validation-test splitting, modelos de aprendizado de máquina simples conceitos de classificação, regressão). De preferência, se a pessoa tiver experiência prévia com a biblioteca TensorFlow ou Pytorch, a palestra pode ser mais proveitosa.
O que as pessoas que participarem podem esperar aprender na sua atividade?:Espero que os participantes possam entender a proposta da nova biblioteca e, possivelmente identificar aplicações que têm interesse e que podem ser solucionadas por meio deste pacote. Idealmente, tenho o interesse em divulgar essa nova biblioteca como uma forma de ampliar seu uso. Embora a carga teórica do projeto seja principalmente voltada à área acadêmica, o impacto das aplicações e a simplicidade de uso das funções da biblioteca podem levar a resultados muito interessantes para análise de dados no mercado de trabalho (ciência de dados, programação orientada a dados, desenvolvimento de dashboards, etc).
Escolha uma ou mais áreas em que essa proposta se encaixa: Ciência e Análise de Dados, Machine Learning e Inteligência Artificial, Computação Científica
Sou aluno de doutorado direto no programa interistitucional UFSCar/USP, em São Carlos. Minha pesquisa é voltada para a integração de algoritmos de aprendizado de máquina à estatística.