PROGRAMAÇÃO

PALESTRAS

Aprendizagem de máquina para seres humanos: introdução ao Machine Learning

Apresentador: Igor Morgado (IME-UERJ)

Igor Morgado irá mostrar de forma breve (e humana) como classificar problemas de aprendizagem de máquina e quais as soluções que deles advém. Para fazer esta exposição apresentará uma introdução à aprendizagem automática estatística e redes neuronais artificiais, mostrará como os problemas são classificados baseados no tipo de aprendizagem, quais são as técnicas mais comuns utilizadas atualmente e que tipo de problemas elas solucionam. Ele apresentará alguns usos dentro da geologia/geofísica. Por fim, mostrará onde o aprendizado de máquina pode (e não pode) ser aplicado.

Igor é matemático formado pela Universidade do Estado do Rio de Janeiro, Mestre em Ciências Computacionais e Doutorando em Ciências Computacionais pela Universidade do Estado do Rio de Janeiro. Geofísico profissional, trabalhou na CGG onde atuou com imageamento sísmico, filtragem de sinais, inversão da forma da onda completa (FWI) e migração reversa no tempo (RTM).

Machine Learning e Deep Learning aplicados ao processamento sísmico

Apresentador: Israel Junior (UFRJ)

Israel vai mostrar os resultados do seu projeto de doutorado, em que utiliza Machine Learning e Deep Learning com o objetivo de utilizar de otimizar e acelerar a etapa no processamento sísmico.

Israel Junior trabalha com Data Science aplicado a indústria do Petróleo na Fu2re. Atualmente é doutorando em Inteligência Artificial pelo programa Engenharia Civil na Universidade Federal do Rio de Janeiro (UFRJ). É mestre em Geofísica pela UFRJ, tem Extensão em Geofísica do Petróleo pela Pontifícia Universidade Católica do Rio de Janeiro (PUC-RJ) e Bacharelado em Física (ênfase em Física aplicada - Geofísica) pela Universidade Federal Fluminense (UFF). Atuou como Geofísico Pleno na empresa Petroleum Geo-Service (PGS) por mais de 5 anos e 4 meses, em sua maior parte no processamento e imageamento de dados sísmicos 3D, 2D e Geostreamer, com especialização em denoise, demultipla, regularização, análise de velocidade, fusão e merge de dados, deghosting, Kirchhoff PSTM e pós-processamento (PSTM e PSDM).

Usando Inteligência Artificial em física de rochas e interpretação petrofísica

Apresentadora: Vanessa Simoes (Schlumberger)

Vanessa mostra como agrupamento não supervisionado permitiu a estimativa de propriedades estruturais de carbonatos complexos usando a teoria do meio eficaz e também indicou zonas com boa qualidade de reservatório.

Vanessa Simoes graduou em Computação e Matemática Aplicada pela Universidade de São Paulo (USP) em 2006, fez mestrado e doutorado em Matemática pelo Instituto de Matemática Pura e Aplicada (IMPA) em 2009 e 2013, respectivamente, e concluiu o Data Analytics - Mestrado em BI na PUC, Rio de Janeiro em 2018. Vanessa ingressou na Schlumberger em 2013 e já trabalhou no centro de pesquisa em Boston e no Rio de Janeiro. Atualmente é gerente técnica do projeto de inversão multi-sensor e participante do projeto de avaliação de cimentação. Seus interesses técnicos incluem acústica, análise de dados, estatística e física de rochas (Rock Physics).

Utilização de aprendizado de máquina para soluções de problemas geológicos - aplicações na área de Libra (pré sal na Bacia de Santos)

Apresentador: Ricardo Rosa (PETROBRAS/SBGf)

PALESTRAS

Uso de técnicas de aprendizado de máquina para enriquecer os dados disponíveis para intérpretes sísmicos

Apresentadora: Raisa Carvalho (Emerson)

A real integração de dados sísmicos e de poço sempre foi um desafio devido às suas diferentes respostas e resoluções. Para resolver essas ambiguidades, métodos de aprendizado de máquina estão sendo introduzidos para alterar a aplicabilidade dos dados sísmicos de um contexto de exploração para uma valiosa ferramenta de desenvolvimento de perspectiva. Esta apresentação apresenta um novo método baseado em uma associação de redes neurais para resolver a distribuição de heterogeneidade das fácies de reservatórios e discute sua aplicabilidade.

Raisa Carvalho é geóloga formada pela Universidade Federal do Espírito Santo (UFES), com pós-graduação em Engenharia de Petróleo e Gás (UCL). Atualmente é aluna de mestrado em Geologia y Geofísica na UFF. Possui 8 anos de experiencia na indústria de Petróleo com a Emerson – Paradigm. Desde de que se uniu a Emerson trabalhou como Support Onsite na Petrobras (Vitória-ES) e como Technical Consultant SAM na YPFB (Bolívia) com ênfase em interpretação e caracterização sísmica estrutural, dando apoio aos mais variados projetos na América Latina (Brasil, Bolívia y Argentina).

Ai4Seismic: Uma plataforma para aplicar inteligência artificial a dados sísmicos

Apresentador: Emilio Vital (IBM)

Neste trabalho, Emilio discutirá a importância de uma plataforma integrada que fornece ferramentas baseadas em IA para analisar dados sísmicos, a qual deve ter em conta (1) aquisição de dados, armazenamento e acesso; (2) pré e pós-processamento de dados; (3) suporte para tarefas básicas de aprendizado de máquina; (4) engenharia de dados e conhecimento; (5) rastreabilidade para reprodutibilidade; e (6) validação dos métodos de aprendizado de máquinas desenvolvidas.

Emilio é mestre e doutor em Matemática com especialização em Computação Gráfica pelo IMPA. Foi pesquisador de Pós-Doutorado na Universidade de Calgary onde trabalhou em colaboração com profissionais da indústria de petróleo e gás na pesquisa e desenvolvimento de novas tecnologias para uma variedade de problemas em geociências e engenharia de reservatórios. Agora, com a IBM Research Brazil, ele desenvolve pesquisa em computação cognitiva e compreensão visual aplicada à indústria de petróleo e gás, liderando a iniciativa AI4Seismic.

Aprendizado de máquina na indústria do óleo e gás

Apresentador: Manuel Vargas (UFRJ)

Nesta palestra serão exploradas algumas das arquiteturas de aprendizado de máquina mais utilizadas como redes multilayer perceptron, redes convolucionais, entre outras. Também serão apresentados diversos exemplos de aplicação no setor de óleo e gás, principalmente nas áreas de petrofísica de rocha digital e geofísica.

Manuel possui graduação em Engenharia Electronica - Universidad Pontificia Bolivariana (2013) e mestrado em Engenharia Elétrica pela Universidade Federal do Rio de Janeiro (2015). Atualmente é candidato a doutor na Universidade Federal do Rio de Janeiro. Tem experiência na área de inteligência Computacional, atuando principalmente nos seguintes temas: Inteligencia Artificial, Técnicas de aprendizado de máquina e Deep Learning. Desenvolvendo aplicações em diferentes áreas tais como óleo e gás, mercado financeiro, defensa, entre outras.

Aplicações em Reservatórios do Pré-sal Brasileiro de Classificação não supervisionada de Sismofácies por Redes Neurais

Apresentador: Danilo Ferreira (Schlumberger)

PALESTRAS

Aplicação e uso de diferentes modelos de classificadores na ótica dos problemas de poços em Bacias Sedimentares

Apresentador: Victor Carreira (Observatório Nacional)

Victor irá apresentar duas estratégias diferentes para resolver problemas de exploração de poços: usando aprendizado de máquina supervisionado com perceptron de camada única (single-layer perceptron - SLP), em que o comportamento de um único neurônio serve como o modelo de protótipo mais simples para o estudo das características de modelos não lineares mais gerais, como perceptrons de múltiplas camadas; e aprendizado de máquina não-supervisionado, com o uso de mapas auto-organizados (Self Organizing Maps - SOMs).

Victor possui mestrado em Geofísica pelo Observatório Nacional na área de Métodos Potencias e Eletromagnéticos (2015), e graduação em Geologia pela Universidade Federal do Rio de Janeiro (2012). Atualmente, é estudante de doutorado no Observatório Nacional na área de Inteligência Artificial aplicada à Geofísica de Exploração. Seu tema de tese tem por enfoque o desenvolvimento de novas metodologias aplicadas à área de Inteligência Artificial para reconhecimento de padrões litológicos.

Reduzindo o risco de exploração em Yukon

Apresentadora: Telma Aisengart (Seequent/Geosoft)

Telma irá apresentar um trabalho desenvolvido por pesquisadores do Brasil, Canadá e Inglaterra em conjunto com a empresa IGS em que foram aplicadas três técnicas de Machine Learning (Principais Componentes, SOM e Análise Semântica) em dados geofísicos e geoquímicos obtidos no Território de Yukon, província mineral do Canadá.

Telma é uma geocientista sênior com um histórico comprovado de trabalho na indústria de software e gerenciamento de equipes técnicas. Especialista em Oasis montaj, Target, ArcGIS, com habilidades analíticas, em bancos de dados, gerenciamento e Geofísica. Forte profissional de geofísica com 40 anos de experiência, pós-graduação e mestrado em Física com foco em Física Matemática pelo CBPF / CNPq.