16 de setembro – 16h00 (2 horas)

Machine Learning para geração de mapas litológicos preditivos – Módulo 3 (2h) – Aula prática para geração de mapas litológicos preditivos

Iago Costa (Serviço Geológico do Brasil – CPRM – Diretoria de Geologia e Recursos Minerais)

O pesquisador Iago Costa se formou em Geofísica pela Universidade de Brasília (UnB), em 2013, com trabalho final voltado para caracterização tomográfica da subducção da Placa de Nazca. Assim que concluiu a graduação, ingressou no Serviço Geológico do Brasil (SGB/CPRM) para atuar como pesquisador em geociências na área de Geofísica. Sua carreira se iniciou na fiscalização de aquisição de dados aerogeofísicos na região amazônica. Posteriormente, atuou na área de caracterização geofísica de depósitos minerais, principalmente na Província Mineral de Carajás, e no entendimento da evolução geodinâmica do Atlântico Sul. Como contribuição acerca desses temas, publicou diversos artigos em revistas nacionais e internacionais, bem como congressos e simpósios. Em 2016, participou do grupo gestor da Rede Sismográfica Brasileira (RSBR). Em 2018, retornou a área da sismologia através da conclusão do mestrado no programa de Pós-graduação em Geociências Aplicadas e Geodinâmica da UnB. Neste projeto, desenvolveu um modelo de tomografia sísmica de múltiplas frequências sobre a região do Cráton Amazônico que trouxe um entendimento do manto continental sublitosférico e suas correlações com domínios tectônicos e gênese de depósitos minerais. Após o mestrado, se iniciou na vertente de Data Science e técnicas de Machine Learning (ML) em problemas geocientíficos. Publicou seu primeiro trabalho utilizando ML no auxílio ao mapeamento geológico no Lineamento Cinzento, Província Mineral de Carajás. Esta vertente se mostrou extremamente útil em regiões de difícil acesso, como o Cráton Amazônico, e atualmente, é amplamente utilizada como ferramenta aos programas de mapeamento geológico na CPRM. Ainda em Data Science, publicou artigos sobre comportamento estatístico e estimativa de depósitos não descobertos, e no desenvolvimento de novas técnicas de detecção de anomalias de urânio.

Requisitos: Para acompanhamento da aula são necessários os softwares ArcMap e Orange Canvas. Este último pode ser obtido em https://orange.biolab.si/.