Redes neurais artificiais e sensoriamento remoto para modelagem e mapeamentos de desastres hidrológicos
Tipo:
Minicurso
Categoria:
MINICURSO
Local:
CAMPECHE
Data e hora:
11:00 até 21:00 em 02/04/2023
As redes neurais artificiais e o sensoriamento remoto estão sendo usados frequentemente para modelagem, previsão e mapeamento de desastres hidrológicos, tais como inundações e deslizamentos. Os mapas de suscetibilidade a inundações ou deslizamentos estão dentre as principais aplicações. A previsão de áreas atingidas por desastres a partir de precipitações observadas ou futuras também tem sido desenvolvida usando métodos de aprendizagem de máquinas como as redes neurais artificiais. Neste contexto, o objetivo deste curso de curta duração é apresentar e demonstrar algumas abordagens para a modelagem, previsão e mapeamento de inundações e deslizamentos, fazendo uso do método de redes neurais artificiais e dados de sensoriamento remoto. A proposta é de um curso teórico e prático, com aprendizagem de aspectos conceituais e a edição de códigos computacionais e algoritmos para a leitura e processamento dos dados.
Público alvo: Docentes, pesquisadores e/ou discentes com interesse em Machine Learning para processos de modelagem envolvendo desastres
Limite de Vagas: 20
Ementa do Minicurso:
Inteligência artificial e técnicas de aprendizagem de máquinas. A definição e estrutura de uma rede neural artificial (RNA). Aspectos gerais da programação de modelos baseados em RNA. A modelagem e preparação dos dados amostrais para entrada nos modelos, tendo como base dados de sensoriamento remoto e processamento em Sistemas de Informações Geográficas (SIG). Desenvolvimento e aplicação de RNA na modelagem, mapeamento e previsão de inundações e movimentos de massa, dentre outros desastres hidrológicos.
Idioma: Português
Requisitos (quantidade de computadores, acesso à rede, etc.): O aluno deverá utilizar o seu próprio Notebook. Se possível, usaria o software MATLAB, mas poderia ser adaptado para outra linguagem de programação. Como SIG para preparação de dados, poderia ser utilizado ArcGIS ou QGIS.
Tipo: Minicurso Teórico e Prático