O Departamento de Ciência da Computação (DCC) da UFMG receberá, na quarta-feira, 7, às 10h30, na sala 2077 do Instituto de Ciências Exatas (ICEx), o professor Tom Hanika, do Institute of Computer Science da University of Hildesheim, na Alemanha. A visita marca o início de uma parceria acadêmica com o DCC, articulada pelo professor Gabriel Coutinho, e inclui uma palestra científica na área de aprendizado de máquina em altas dimensões e a apresentação de oportunidades de intercâmbio acadêmico para estudantes brasileiros.
A programação começa com a apresentação da Hi-Intelligent Minds: Summer School on Machine Learning and AI Engineering e de oportunidades oferecidas pelo programa Academic Horizons, do Serviço Alemão de Intercâmbio Acadêmico (DAAD).
A escola de verão será realizada pela University of Hildesheim, com apoio do programa Academic Horizons, e está prevista para ocorrer de 19 a 30 de julho de 2027, na Alemanha. A iniciativa pretende selecionar de 10 a 15 estudantes avançados de graduação da América do Sul para uma imersão de duas semanas, com custos financiados pelo programa. A UFMG está entre as universidades que poderão indicar estudantes para participar da seleção.
O público-alvo inclui graduandos de Ciência da Computação, Estatística, Matemática, Física e áreas relacionadas. A programação da escola abordará temas como sistemas de recomendação, análise de séries temporais, modelos de linguagem, fundamentos matemáticos de aprendizado de máquina e inteligência artificial, além de engenharia de software para sistemas de IA, com conteúdos sobre MLOps, confiabilidade, testes, reprodutibilidade e monitoramento. Os participantes também desenvolverão um projeto prático de um sistema de recomendação com foco em privacidade e justiça. As inscrições estão previstas até 31 de janeiro de 2027.
Às 11h15, Hanika fará a palestra “Towards a Theory of Concentration-Based Intrinsic Dimension for Deep Learning”, onde irá apresentar os resultados de um trabalho desenvolvido em conjunto com Friedrich Martin Schneider e Vladimir Pestov. A pesquisa trata da dimensão intrínseca, conceito usado para medir a complexidade efetiva de um conjunto de dados, independentemente da dimensão do espaço em que ele está inserido.
O trabalho explora uma abordagem baseada no fenômeno da concentração da medida e no conceito de diâmetro observável de Gromov, buscando entender como a geometria dos dados se modifica ao longo das diferentes camadas de uma rede neural e durante seu treinamento. A pesquisa também discute como a dimensão intrínseca pode ser associada a uma rede neural, como ela varia entre as camadas e o que essas mudanças podem indicar sobre o modelo.
