Você está aqui: Página Inicial > Notícias OBT INPE > Servidores da OBT participam do Worcap 2018

Notícias

Servidores da OBT participam do Worcap 2018

Servidores da OBT participam com palestras e minicursos do evento Worcap 2018 que ocorre de 21 a 23 de agosto no INPE. O Worcap 2018 é um workshop de computação aplicada do programa de Pós-Graduação em Computação Aplicada (CAP) - INPE. O evento visa promover a ...
publicado: 23/08/2018 16h10 última modificação: 06/02/2020 09h32

Servidores da OBT participam com palestras e minicursos do evento Worcap 2018 que ocorre de 21 a 23 de agosto no INPE. O Worcap 2018 é um workshop de computação aplicada do programa de Pós-Graduação em Computação Aplicada (CAP) - INPE. O evento visa promover a interação e discussão entre os discentes e docentes das pesquisas de C&T em desenvolvimento no INPE, além de divulgá-las à comunidade externa. O WORCAP 2018 abrange as áreas de pesquisa e aplicações em metodologias, técnicas e ferramentas computacionais aplicadas à tecnologia da informação, extração de informações e, modelagem computacional. Este ano o evento conta com sessões orais e de pôsteres, nas quais são apresentados trabalhos relacionados às pesquisas dos alunos regularmente matriculados no curso. Na abertura e encerramento serão apresentadas palestras magistrais.  Veja mais informações aqui.

Os servidores da OBT apresentam as seguintes palestras:

1. Lubia Vinhas - "Atividades em Observação da Terra: oportunidades e desafios para a PG-CAP"

2. Thales Körting - "Métodos de reconhecimento de padrões para imagens de Sensoriamento Remoto"

3. Karine Ferreira e Gilberto Queiroz - "Pesquisa e Desenvolvimento em Geoinformática"

4. Luiz Eduardo Oliveira e Cruz de Aragão - "O papel da Computação Aplicada para resolução de questões científicas emergentes em Sensoriamento Remoto de Ecossistemas Terrestres"

E os seguintes mini-cursos:

1. Gilberto R. Queiroz e Doutorando Rolf Simões: "Séries temporais de imagens de satélite em R"

2. Karine Ferreira e Doutoranda Lorena Santos: "Satellite Image Time Series Clustering using SOM".