Inscrições aceitas para o Deep Learning Brasil Summer School 2018

{fastsocialshare}

A idealização do Deep Learning Brasil Summer School é um desejo de uma parcela significativa dos profissionais, estudantes e entusiastas de inteligência artificial. Recebemos 504 pedidos de inscrição de 15 estados diferentes. Infelizmente não é possível atender a todos os pedidos que superou substancialmente nossa expectativa inicial. Inicialmente divulgamos a disponibilidade de 40 vagas. Em um esforço conjunto divulgamos a lista abaixo com as 90 inscrições aceitas, número que está em nosso limite máximo de absorção.

Inteligência artificial poderá criar 2 milhões de novos postos de trabalho

 

{fastsocialshare}

Um relatório [1] publicado neste mês de dezembro pela Gartner, Inc., uma das maiores empresas de consultoria do mundo, prevê que 2020 será um ano crucial na dinâmica de emprego, uma vez que a Inteligência Artificial (AI) se tornará um positivo motivador.

Até 2019, setores da saúde, do governo e da educação terão uma crescente demanda de empregos, enquanto a manufatura será atingida fortemente. A partir de 2020, a criação de empregos relacionados à Inteligência Artificial (AI) passará por uma transformação positiva, chegando a 2 milhões de novos postos de trabalho em 2025. Para Svetlana Sicular, vice-precidente de pesquisas do Gartner muitas inovações significativas no passado foram associadas a um período de transição de perda de emprego temporário, seguido de recuperação, e essa provavelmente será a rota seguida pela transformação de negócios e a AI.

Desempenho do grupo Deep Learning Brasil no desafio RSNA 2017

{fastsocialshare}

 

O grupo de pesquisa Deep Learning Brasil, comunidade interinstitucional fundada na Universidade Federal de Goiás participou do RSNA Pediatric Bone Age Challenge 2017 promovido pela sociedade americana de radiologia ( Radiological Society of North America - RSNA). O desafio envolve um clássico tipo de exame em que o médico radiologista determina a idade óssea do paciente a partir de um exame de raio-X da mão esquerda. Em associação com a equipe de radiologistas da Universidade Federal de São Paulo, liderados pelo médico radiologista Felipe Kitamura, o grupo de pesquisa Deep Learning Brasil aderiu ao desafio com o propósito de medir o conhecimento frente a outros grupos de pesquisas espalhados pelo mundo. Um dos desafios foi compreender os aspectos do problema em um curto período. Após 60 dias de competição o resultado preliminar foi:

Desempenho de rede neural profunda (Deep Learning) supera médicos em detecção de câncer

{fastsocialshare}

O relatório de um patologista após a revisão das amostras de tecido biológico de um paciente é frequentemente o padrão-ouro no diagnóstico de muitas doenças. Para o câncer em particular, o diagnóstico de um patologista tem um impacto profundo na terapia de um paciente. A revisão de patologia é uma tarefa muito complexa que exige anos de formação e treinamento.

Esquerda: Imagens de duas biópsias de linfonodos. Meio: resultados anteriores. Direito: resultados atuais. Observe o ruído visivelmente reduzido (potenciais falsos positivos) entre as duas versões.

Esquerda: Imagens de duas biópsias de linfonodos. Médio: resultados anteriores. Direito: Resultados atuais com Deep Learning. Observe o ruído visivelmente reduzido (potenciais falsos positivos) entre as duas versões.