O trabalho de doutorado desenvolvido por Gabriel Bertocco no Recod.ai conquistou o prêmio de Melhor Tese de Doutorado em Ciências da Computação do Brasil, concedido pela Sociedade Brasileira de Computação (SBC).
O trabalho, intitulado “Self-supervised learning for fully unsupervised re-identification in real-world applications” foi desenvolvido no Recod.ai, laboratório do Instituto de Computação da Unicamp, e orientado pelos pesquisadores Anderson Rocha e Fernanda Andalo.
Resumo: Um dos problemas mais complexos em Aprendizado de Máquina é lidar com dados não rotulados. A maioria dos modelos com alto desempenho depende de massiva quantidade de dados rotulados para obter os melhores resultados. No entanto, rotulação não é fácil nem confiável por ser uma tarefa altamente demorada, custosa e propensa a erros. Além disso, vieses nos dados rotulados podem ser propagados para o modelo, prejudicando seu desempenho e generalização. Assim, é primordial desenvolver métodos que possam encontrar padrões em cenários totalmente não supervisionados, permitindo uma implementação rápida e menos propensa a vieses. Esses modelos podem ser usados em diversas aplicações, como investigações forenses, biometria e compreensão de eventos. Esta pesquisa propõe algoritmos de aprendizado auto-supervisionado para lidar com dados não rotulados em cenários desafiadores.
Acesse a íntegra do trabalho clicando aqui.