Programa

Implicit Modeling in the Mining Industry, Seequent path to cloud solutions for Geosciences

Ignacio Torresi (Seequent Solutions Director, Geostatistics)
e Julia Oliveira (Seequent Solutions – Senior Technical Leader Latin America)

Machine Learning para geração de mapas litológicos preditivos – Módulo 1 – Introdução ao Machine Learning e estudos de caso sobre mapas litológicos preditivos

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

Modeling of Cu-Au Prospectivity in the Carajás mineral province (Brazil) through Machine Learning: dealing with imbalanced training data

Elias Martins (Serviço Geológico do Brasil – CPRM – Diretoria de Geologia e Recursos Minerais, Coordenador Executivo Centro de Desenvolvimento Tecnológico – CEDES)

Mapeamento de prospectividade mineral utilizando técnicas de Machine Learning

Elias Martins (Serviço Geológico do Brasil – CPRM – Diretoria de Geologia e Recursos Minerais, Coordenador Executivo Centro de Desenvolvimento Tecnológico – CEDES)

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

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

Carajás – Archean crust and metallogenic zones in the Amazonian craton sensed by satellite gravity data

João Gabriel Motta (IG-UNICAMP)

Machine Learning Não Supervisionado Para a Definição de Domínios Geológicos e Geometalúrgicos

Gustavo Usero (Geovariances)

Ciência de dados na elaboração de mapas geológicos: desenvolvimentos supervisionado e não supervisionado

Cleyton de Carvalho Carneiro (Departamento de Engenharia de Minas e de Petróleo da Escola de Politécnica da USP)

Proxies for Basement Structure and Its Implications for Mesoproterozoic Metallogenic Provinces in the Gawler Craton

João Gabriel Motta (IG-UNICAMP)

Técnicas de Machine Learning aplicadas a exploração da Província Aurífera de Alta Floresta

Vinícius Louro (Departamento de Geologia Sedimentar e Ambiental – IGc-USP)
e Victor Silva dos Santos (IGc-USP e Institut National de la Recherche Scientifique – INRS – Canadá)

Inteligência Artificial – automatizando a análise de dados em Geociências

Marcelo Monteiro da Rocha Departamento de Geologia Sedimentar e Ambiental – IGc-USP)
e Débora Amato Lourenço Rossi (Programa de Pós-Graduação em Recursos Minerais e Hidrogeologia – IGc-USP)

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)

Petrografia Digital: mineralogia e porosidade por modelos de Machine Learning

Rafael Rubo (PETROBRAS)

Artificial Intelligence: a knowledfe-enhanced Machine Learning Approach Applied to Natural Resource Industries

Ulisses Thibe Mello (Director, Global Technology Outlook | IBM Distinguished Engineer IBM T.J. Watson Research Center)