Perfil

Rômulo Drumond @romulo.drumond


Sobre mim

-

Propostas

Geração automática de relatórios e apresentações em python

Você já teve o trabalho entediante de fazer, frequentemente, relatórios a apresentações que nada mais são que copy and paste? No seu trabalho ou grupo de pesquisa é exigido a apresentação diária/semanal/mensal dos seus resultados? Aprenda a tirar esse trabalho das suas costas e automatizá-lo utilizando python! A palestra consiste em apresentar as possibilidades fornecidas pela combinação Scribus + Matplotlib/Plotly para geração automática de reports e apresentações.

Medição inteligente do consumo de água com web framework Flask (python)

Já pensou em construir uma solução de Internet of Things (IoT)? A proposta da palestra é apresentar um Trabalho de Conclusão de Curso (TCC) que consistiu de um sistema completo de IoT: sensor de vazão + Arduino + módulo wifi + servidor com database (Flask + SQLAlchemy) + frontend (Plotly para geração de gráficos em Javascript) .

Uma implementação do algoritmo Self-Organizing Maps sequencial em python (NumPy + PyTorch)



Os Self-Organizing Maps (SOM) nada mais são que um algoritmo de quantização vetorial, visualização de dados e clusterização (e.g. K-médias) desenvolvido por Kohonen (1982).


A proposta da palestra é apresentar um pouco da teoria por detrás do algoritmo e questões práticas da implementação da sua variante sequencial, com uma variação para CPU (desenvolvida utilizando NumPy) e uma em GPU (utilizando PyTorch). Também será acompanhada um avaliação de performance CPU vs GPU e um exemplo de animação do treinamento da SOM usando Plotly!




 

Uma implementação do LSSVM em python (NumPy + PyTorch)

O Least Squares Support Vector Machine (LSSVM) nada mais é que uma variação do modelo Support Vector Machine (SVM), um dos mais conhecidos por ter desempenhos equiparáveis as Redes Neurais Artificias na área de Machine Learning (ML). A proposta da palestra é apresentar um pouco da teoria por detrás do modelo e questões práticas da implementação, com uma variação para CPU (desenvolvida utilizando NumPy) e uma em GPU (utilizando PyTorch).