Mineração Visual de Dados

A Parallel and Efficient Sensitivity Analysis of Microscopy Image Segmentation Workflows in Hybrid Systems

 

Local: Sala Multiuso CIC

Palestrante: Prof. Dr. Vinicius Ruela Pereira Borges

Título: Mineração Visual de Dados

Resumo: A tecnologia dos computadores atuais possibilita a criação e armazenamento de conjunto de dados de diversos campos do conhecimento. A tendência é que cada vez mais dados estejam disponíveis, o que torna as tarefas de análise manual desses dados inviável por seres humanos. Tal fato incentivou o processamento automático em grandes conjuntos de dados (muitas vezes compostos por vários atributos) para extração de informações relevantes, comumente realizado por técnicas de mineração de dados. Na última década, pesquisadores verificaram que o uso de representações gráficas de conjuntos de dados podem contribuir em tarefas de mineração de dados. Este seminário abordará algumas das principais técnicas de visualização da informação que são relevantes em tarefas de mineração de dados. Serão apresentadas algumas técnicas de representação gráfica de dados multidimensionais e técnicas que interação que possibilitem a participação do usuário nesses processos.

 

Horário: 15h15

Palestrante: Willian de Oliveira Barreiros Junior (mestrando)

Título: A Parallel and Efficient Sensitivity Analysis of Microscopy Image Segmentation Workflows in Hybrid Systems

Resumo: We investigate efficient sensitivity analysis (SA) of algorithms that segment and classify image features in a large dataset of high-resolution images. Algorithm SA is the process of evaluating variations of methods and parameter values to quantify differences in the output. A SA can be very compute demanding because it requires re-processing the input dataset several times with different parameters to assess variations in output. In this work, we introduce strategies to efficiently speed up SA via the reuse of computations from runs with different parameters. We evaluate our approach using a cancer image analysis work on a cluster with 256 nodes. The use of multi-level computation reuse lead to a speedup of up to 2.46X. The level of performance attained with the proposed optimizations will allow the use of SA in large-scale studies.

 

Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)

Coordenadora dos Seminários de Pós-Graduação em Informática 2017-1