Titulo: APRENDIZADO POR TRANSFERÊNCIA EM ALGORITMOS BIOINSPIRADOS: REVISÃO E PROPOSTAS
Comissão Examinadora - Titulares
Prof. Dr. Leandro Nunes de Castro Silva (Presidente) - FT/Unicamp
Prof. Dr. Guilherme Palermo Coelho - FT/Unicamp
Prof. Dr. Rodrigo Pasti - PUC
Suplentes
Prof. Dr. Marco Antonio Garcia de Carvalho - FT/Unicamp
Prof. Dr. Rafael Marin Machado de Souza - USP
Local: Sala de Defesa (Prédio da Pós-graduação da FT) https://stream.meet.google.com/stream/2e135e01-bb58-4815-8fe5-4f69c24eb999
Resumo: Aprendizado de máquina não supervisionado tem como objetivo treinar modelos em dados não
rotulados ou de rotulação escassa. Nesse tipo de aprendizado, o algoritmo deve descobrir pa-
drões e estruturas nos dados de forma independente, usando-as para tarefas diversas em apren-
dizado de máquina. O aprendizado por transferência, uma técnica que utiliza modelos pré-
treinados para fornecer parâmetros de aprendizado para outros modelos, pode ser benéfica em
tarefas como agrupamento, melhorando a eficiência ao transferir conhecimento de um domínio
de origem para um domínio de destino. Os algoritmos bionspirados são inspirados pelos siste-
mas da natureza, e por isso conseguem resolver problemas complexos com mais facilidade do
que algoritmos baseados em computação tradicional. E com essa complexidade também são
trazidos problemas como alto custo computacional e maior tempo de execução. A imple-
mentação do aprendizado por transferência nesse tipo de algoritmo pode não somente trazer
melhorias com os problemas citados, mas também oferecer inovações para a área da com-
putação bionspirada. Este estudo tem como objetivo explorar os benefícios da transferência de
aprendizado em algoritmos bioinspirados para tarefas de agrupamento, propondo novos algo-
ritmos e avaliando seu desempenho, buscando aprimorar a eficiência e capacidade de general-
ização de algoritmos de agrupamento, contribuindo assim para o avanço dos paradigmas de
computação bioinspirada