Otimização de Custos Computacionais de Aplicações de Alto Desempenho em Nuvens Públicas
Horário e local: Sexta-feira (04/07/2025), às 8:30h, no Auditório do CT
Resumo: Recentemente, as nuvens computacionais têm sido apresentadas como uma alternativa de baixo custo para execução de aplicações de alto desempenho, oferecendo um conjunto de recursos virtualizados que podem ser provisionados e alocados dinamicamente com rapidez. No entanto, ainda existem vários desafios ao seu uso, como a seleção de máquinas virtuais (VMs) apropriadas e o escalonamento de tarefas da aplicação de alto desempenho nessas VMs, visando a redução de tempo de execução e custos financeiros, objetivos estes frequentemente conflitantes. Além disso, as VMs nos mercados mais baratos de nuvens comerciais estão sujeitas a revogações, e, para atender aos acordos de nível de serviço, a questão da tolerância a falhas deve ser tratada. Neste contexto, nesta palestra, apresentaremos uma visão geral sobre nuvens computacionais, e um estudo de caso de uma simulação real, mostrando os desafios e soluções empregadas para economia de custos em um provedor público comercial.
Drummond graduou-se Bacharel em Matemática – Informática pela Universidade do Estado do Rio de Janeiro em 1987, concluiu o mestrado em Engenharia de Sistemas e Computação pela Universidade Federal do Rio de Janeiro (UFRJ) em 1990, quando participou do desenvolvimento da equipe do primeiro computador paralelo da UFRJ, Brasil. Concluiu o Doutorado em Engenharia de Sistemas e Computação pela Universidade Federal do Rio de Janeiro em 1994, e o artigo principal de sua tese obteve o Prêmio de incentivo à pesquisa do Ministério da Ciência e Tecnologia e da Compaq Company, organizado pela Academia Brasileira das Ciências. Atualmente é Professora Titular da Universidade Federal Fluminense e seus atuais interesses de pesquisa são em computação de alto desempenho em nuvens. É Pesquisadora Nível 1 do CNPq e Cientista do Estado pela FAPERJ, com mais de 150 publicações em congressos e periódicos. Foi coordenadora da Comissão Especial de Arquitetura e Processamento de Alto Desempenho da Sociedade Brasileira de Computação de 2019 até 2023. Foi Coordenadora do Programa das conferências SBAC PAD 2016 e 2020. Faz parte do Editorial Board do Journal Future Generation Computer Systems e tem participado de diversos comitês de programas de conferências internacionais prestigiosas, tais como EuroPar, ISC, Supercomputing, CCGRID, entre outras.
E se a segurança da memória não prejudicasse o desempenho?
Horário e local: Quarta-feira (02/07/2025), às 16:30h, no Auditório do CT
Resumo: Em computação de alto desempenho (HPC), desenvolvedores historicamente enfrentam um dilema: escolher linguagens de baixo nível, como C ou C++, para obter máximo desempenho, ou alternativas mais seguras que implicam em perdas de desempenho. Mas, e se não fosse necessário escolher? Rust é uma alternativa que oferece tanto segurança de memória quanto alto desempenho, sem concessões. Vamos explorar como o modelo de posse única do Rust, as verificações rigorosas em tempo de compilação e as abstrações de custo zero da linguagem permitem escrever códigos que são ao mesmo tempo seguros e eficientes. Por meio de exemplos práticos e comparações de desempenho, mostraremos como o Rust pode eliminar defeitos comuns, como corridas de dados e uso de memória após liberação, ao mesmo tempo em que entrega a velocidade exigida pelo HPC.
Wedson Almeida Filho é veterano da indústria de tecnologia, com mais de 22 anos de experiência, tendo atuado como engenheiro em empresas como Microsoft, Facebook e Google. Atualmente, é Principal Software Engineer na Microsoft, onde lidera iniciativas para integrar Rust ao kernel do Windows. Antes disso, passou quatro anos como mantenedor da iniciativa que integrou Rust ao kernel do Linux. Wedson é bacharel em Engenharia da Computação pela UFRN e mestre em Segurança de Software e Sistemas pela Universidade de Oxford.
Programação Ciente da Plataforma (Platform-aware programming)
Horário e local: Quinta-feira (03/07/2025), às 08:00h, no Auditório do CT
Resumo: Definimos a programação ciente de plataforma (do inglês, platform-aware programming) como uma atividade de engenharia de desempenho na qual o programador escreve códigos em uma linguagem de programação de alto nível fazendo suposições sobre características particulares das plataformas sobre a qual o programa executará. Com o advento e disseminação de arquiteturas heterogêneas de computadores, dotados de processadores com conjuntos de instruções com propósitos específicos, hierarquias de memória profundas e dispositivos aceleradores cuja arquitetura foge ou desafia as limitações da arquitetura Von-Neumann, defendemos um caminho alternativo para o projeto de linguagens de programação para atacar os desafios advindos da complexidade e heterogeneidade arquitetural, buscando abstrações que facilitem ao programador lidar com a heterogeneidade diretamente ao invés de buscar escondê-la.
Professor do Departamento de Computação da Universidade Federal do Ceará e membro do colegiado do MDCC (Pós-Graduação em Ciência da Computação) desde 2006, com supervisões concluídas de 6 dissertações de mestrado e 8 teses de doutorado. Seus interesses de pesquisa estão na intersecção das áreas de Linguagens de Programação e Computação de Alto Desempenho, possuindo 60 artigos publicados em conferências e periódicos dessas áreas.
Do Bit ao Qubit: A Jornada da Computação Quântica
Horário e local: Sexta-feira (04/07/2025), às 14:00h, no Auditório do CT
Resumo: O computador clássico vem da ciência e das tecnologias desenvolvidas durante a primeira revolução quântica. Com eles e a partir deles, uma fase industrial molda a sociedade contemporânea, e os recentes avanços na IA e na CAD mostram que ela terá um novo e importante impacto em nossas vidas. Além disso, o progresso na construção de computadores que executam propriedades quânticas, juntamente com algoritmos quânticos que demonstram superioridade em relação às soluções clássicas mais conhecidas, aumenta a sensação de que estamos prestes a resolver problemas cujas respostas são desconhecidas ou não são computáveis na prática. Diante desse novo paradigma, estamos vivenciando uma corrida global para dominar as tecnologias quânticas. Neste contexto apresenta-se como surgiu e como funciona a Computação Quântica, quais as principais formas de manifestar uma informação quântica atualmente, as aplicações atuais e perspectivas industriais e científicas futuras.
Formado em Engenharia da Computação, com mestrado e doutorado em Ciência da Computação pela UFRN, atua como professor do Instituto Metrópole Digital da UFRN, ministrando cursos e participando de projetos em Inteligência Computacional. Foi um dos responsáveis pela criação e o primeiro diretor executivo da incubadora de empresas Inova Metrópole (2013-2017), e do Parque Tecnológico Metrópole Digital (2017-2020). Atuou como Presidente da Rede Potiguar de Inovação (REPIN) (2017-2020) e fez parte do grupo ampliado de líderes da Anprotec (2017-2020). De 2020 a 2022, coordenou projetos de PDI em TI na saúde e Indústria 4.0, e de 2022 a 2023, esteve em um pós-doutorado na UPNA/ES, onde investigou funções de Agregação aplicadas à IA. Seus principais interesses de pesquisa são a fusão de dados e computação quântica.
Introdução ao Aprendizado de Máquina através de algoritmos com interface Myriad na plataforma HPCC Systems
Horário e local: Quinta-feira (03/07/2025), às 12:00h, no Auditório do CT
Resumo: A plataforma HPCC Systems de código aberto utiliza arquitetura de dados distribuída e uma metodologia de processamento paralelo para trabalhar com grandes conjuntos de dados. O "pipeline" de dados na plataforma acompanha os dados desde a origem até a sua ingestão no cluster Thor, onde eles são refinados através de limpeza e padronização dos dados e, em seguida, enriquecidos, para depois, serem disponibilizados para aplicações de consulta em tempo real hospedadas no cluster Roxie. Em conjunto com essas duas arquiteturas de clusters e, compondo o chamado Power Trio, se faz presente a linguagem ECL, sendo a única linguagem necessária para expressar algoritmos de dados em toda a plataforma HPCC Systems. No cluster Thor, a linguagem ECL expressa “workflows” de dados que consistem em carregamento dados, transformação, vinculação, indexação etc. No cluster Roxie, a linguagem ECL define serviços de consultas de dados. A linguagem ECL é implicitamente paralela, portanto, o mesmo código ECL desenvolvido para ser executado em um cluster de nó único pode ser executado com a mesma facilidade em um cluster com centenas de nós. O programador não precisa se preocupar em implementar a paralelização, e a linguagem ECL possui uma função otimizadora que garante o melhor desempenho para uma arquitetura específica. Integrado à linguagem ECL encontram-se disponíveis diversas bibliotecas de Machine Learning aplicáveis às várias categorias de aprendizado de máquina, onde cada algoritmo tem suas próprias peculiaridades, as quais devem ser levadas em consideração para maximizar a precisão preditiva, tendo em conta que todos os "bundles" operam de maneira muito semelhante, com algumas variações menores. Por esses motivos, é muito importante que não seja utilizada a exploração de Machine Learning para produzir produtos ou reivindicar habilidades sem antes consultar a documentação que acompanha cada "bundle", a fim de usá-lo de forma efetiva. Finalmente, objetivando demonstrar a aplicação de algoritmos de Aprendizado de Máquina com interface Myriad na plataforma HPCC Systems, será apresentado um estudo de caso durante a realização do “Minicurso” dentro da programação do ERAD-NE 2025.
Engenheiro de Software da área de Treinamento da LexisNexis Risk Solutions. Sua principal atuação está relacionada ao desenvolvimento de programas de treinamento no Brasil, contemplando o suporte e mentoria à comunidade acadêmica, no que tange à Projetos de Pesquisa, cursos de extensão extracurriculares, coorientação em disciplinas de Iniciação Científica, mentoria durante a elaboração de TCCs, dissertações de mestrado e teses de doutorado e, também, coautoria em artigos científicos, possibilitando que pesquisadores e estudantes utilizem a plataforma HPCC Systems, com capacidade computacional de alto desempenho, no desenvolvimento das suas atribuições acadêmicas.
