Sobre mim

• Engenheiro da Computação pela Universidade de Pernambuco (UPE)
• Doutorado na Universidade de Münster (Alemanha)
• Eng. de Software na Stefanini
• Pesquisador Sênior em IA na Samsung Research Brazil
• Professor na PUC-Campinas
• Professor no DCM-USP

Especialidade: Ciência de Dados e IA

Dados multidimensionais

Dados reais raramente vivem em 2D.

Precisamos de uma técnica que ajude a organizar o caos.

• Centenas de variáveis.
• Milhares de amostras (observações).
• Relações não lineares.
• Grupos difíceis de interpretar.

Fonte da Imagem: https://unsplash.com/@sametkurtkus

Motivação

Em várias aplicações, objetos de interesse são raros em dados massivos.

• Podemos anotar alguns dados e treinar um classificador (e.g., CNN) com IA.
• Depois, podemos aplicá-lo ao banco de dados completo para encontrar os objetos de interesse.

Fonte da Imagem: Kim et al. ECAP-YOLO (2021).

Co-Design: Usando Índices

A busca tradicional exige escanear todo o banco de dados.

• Ineficiente
• Ignora o potencial do DBMS.

Co-design de índices multidimensionais e modelos de IA.

Fonte: LÜLF, Christian et al. Fast Search-by-Classification for Large-Scale Databases Using Index-Aware Decision Trees and Random Forests. Proceedings of the VLDB Endowment, v. 16, n. 11, p. 2845-2857, 2023.

Co-Design: Modelos SQL + Índices

Melhor desempenho de classificação em comparação com Random Forest.

Muito mais ~200 vezes mais rápido.

Fonte: LÜLF, Christian et al. Fast Search-by-Classification for Large-Scale Databases Using Index-Aware Decision Trees and Random Forests. Proceedings of the VLDB Endowment , v. 16, n. 11, p. 2845-2857, 2023.

Co-Design: Generalizando Modelos SQL

HyperNN: Deep Learning Hyperboxes SQL

Fonte: Martins, Denis Mayr Lima, Christian Lülf, and Fabian Gieseke. "Training neural networks end-to-end for hyperbox-based classification." Neurocomputing 599 (2024): 127961.

Co-Design: Generalizando Modelos SQL

HyperNN: Deep Learning Hyperboxes SQL
Decisão da Rede Neural pode ser traduzida facilmente em SQL.

Fonte: Martins, Denis Mayr Lima, Christian Lülf, and Fabian Gieseke. "Training neural networks end-to-end for hyperbox-based classification." Neurocomputing 599 (2024): 127961.

Co-Design: Embeddings + Index

Arquitetura CLIP para text-image embeddings.
Busca tradicional + Refinamento via Decision Branches.

LÜLF, Christian et al. Clip-branches: Interactive fine-tuning for text-image retrieval. In: Proceedings of the 47th international ACM SIGIR conference on research and development in information retrieval. 2024. p. 2719-2723.

Self-Organizing Map (SOM)

Um Self-Organizing Map transforma dados complexos em um mapa bidimensional organizado:

• cada neurônio é uma região do mapa;
• cada dado é associado ao neurônio mais parecido;
• regiões próximas representam padrões semelhantes;
• a topologia dos dados é parcialmente preservada.

Fonte da Imagem: Diego Vicente.

Self-Organizing Map (SOM)

Ilustração do treinamento de SOM (grade) para se moldar à distribuição dos dados (em azul). Fonte da Imagem: Wikipedia.

Self-Organizing Map (SOM)

Na imagem: (a) Exemplo de um SOM. (b) Example de um mapa topológico de neurônios no cérebro humano, correspondente ao córtex auditivo. Fonte: Marta Pedró et al.

Aplicações

• Visualização de dados de galáxias (veja ao lado: Polsterer et al. 2015)
• Análise de imagens histopatológicas (veja abaixo: Amato et al. 2024)

Por que SOM?

O SOM combina três ideias poderosas:

1. Redução de dimensionalidade
2. Clusterização
3. Visualização interpretável

Ele cria uma superfície organizada para explorar padrões.

Na imagem: Mapa de exploração para compra de dados. Fonte: Martins and Vossen. "Self-organizing maps for data purchase support in data marketplaces." ICCCI 2023.

Prompts e Dados

O principal desafio reside no fato de que os prompts não são gerenciados de forma centralizada ou padronizada.

• Pouco documentados
• Complexos para manter e adaptar
• Duplicados em diferentes pipelines ou fluxos de trabalho
• Ocultos em frameworks complexos de orquestração externa.
• Desconectados dos dados que eles usam!

Mais informações em: CETINTEMEL, Ugur et al. Making prompts first-class citizens for adaptive llm pipelines. arXiv preprint arXiv:2508.05012, 2025..

Ficou Interessado? Junte-se ao Nosso Time!

• Problemas Abertos: Precisamos de ajuda para resolver questões de escalabilidade e eficiência.
• Pesquisa Aplicada em Gerenciamento de Dados, Agricultura, Saúde, Direito, Pesquisa Operacional, Avaliação de Fornecedores em Cadeias de Suprimento...
• Parcerias nacionais e interncionais.