O site do Instituto de Matemática da UFRJ agora possui a área ALUMNI, dedicada aos ex-alunos do IM-UFRJ.  

Este é um espaço que visa a reintegração e atuação do ex-aluno na comunidade do IM, de modo a manter vivo o vínculo entre aluno e universidade, mesmo após sua formação. 

Para participar, é só preencher seu perfil Alumni. Leva só alguns minutinhos.  

 PREENCHER PERFIL ALUMNI

A obra Teoria Computacional de Grafos: Os algoritmos, de Jayme Luiz Szwarcfiter foi a ganhadora do Prêmio Elon Lages Lima 2019 promovido pela SBM e SBMAC.

Trata-se de um livro amplamente utilizado, sobre um tema de forte apelo em razão da necessidade premente de formação básica em Ciência de Dados. Pelo seu tratamento, que combina rigor na exposição sem descuidar das aplicações, que mescla temas de pesquisa ativa (em aspectos “ puros” e “aplicados”) a implementações computacionais escritas em linguagens de programação bastante atuais, o livro é um exemplo da prolífica interação entre os aspectos da Matemática representados pelas duas Sociedades.

Jayme Luiz Szwarcfiter é professor Emérito da Universidade Federal do Rio de Janeiro - UFRJ, atuando no Programa de Engenharia de Sistemas e Computação da COPPE, Instituto de Matemática e Núcleo de Computação Eletrônica. Trabalha em Ciência da Computação, com ênfase em algoritmos, estruturas de dados, teoria de grafos e otimização combinatória. É Pesquisador 1-A do CNPq.

O Prêmio Elon Lages Lima, instituído conjuntamente pela Sociedade Brasileira de Matemática (SBM) e Sociedade Brasileira de Matemática Aplicada e Computacional (SBMAC), tem como objetivo promover e estimular a produção bibliográfica nacional em Matemática e Aplicações, devotada à formação e à difusão de conhecimentos na área.

Título: "Alguns Aspectos Teóricos dos Métodos de Monte Carlo".

Candidato: Henrique Andrade de Aquino

Data: 01 de agosto de 2019 (quinta-feira)
Horário: 14hrs
Local: C116, IM/UFRJ, CT, BL. C

Banca Examinadora:

Heudson Tosta Mirandola (Pres./Orientador) - IM-UFRJ
Isaia Nisoli - IM-UFRJ
João Antonio Recio da Paixão - UFRJ
Guilherme Ost (suplente) - IM-UFRJ

Professores: Hugo Carvalho e Dani Gamerman

Data: às sextas-feiras
Horário: 13h às 15h
Local: Auditório do LSE - sala I-044-b

Com o avanço na facilidade de coleta de dados através de mecanismos físicos cada vez mais sofisticados (e.g., máquinas de ressonância magnética, facilidades em sequenciamento genético, grandes telescópios, aceleradores de partículas), nos deparamos com um novo paradigma na Estatística. No cenário clássico onde temos n > p (i.e., mais amostras do que parâmetros a serem estimados), tarefas como estimação de matrizes de covariância, regressão linear e PCA são garantidas de ter um bom desempenho através dos teoremas limite usuais da literatura de Teoria de Probabilidades. Porém, no cenário onde p > n, os mesmos métodos e garantias de convergência no caso clássico não são mais aplicáveis. Em particular, não podemos mais recorrer a resultados assintóticos. O objetivo desse Seminário é dar uma breve introdução ao tópico de Estatística em alta dimensão, precisamente o estudo de técnicas de estimação e garantias de convergência no cenário p > n. A principial referência bibliográfica será o texto recém-lançado de Martin J. Wainwright – High-Dimensional Statistics: A Non-Asymptotic Viewpoint.

Para mais informações, clique AQUI.