Programa

  1. Machine Learning
    1. Aproximadores de simuladores de reservatório (proxy)
    2. Otimização de Planos de Drenagem

i.    Alocação de Poço

ii.    Cronograma de Abertura de Poços;

iii.    Controle de Válvulas

iv.    Alocação de Plataformas

v.    Data-Driven Optimization para múltiplos Cenários Geológicos

    1. Otimização de Refino de Petróleo
    2. Algoritmos: SVM, Árvores de Decisão e Regressão, Random Forest, Regressão Logística, KNN

i.    Modelo preditivo para determinação da qualidade da água em reservatórios.

ii.    Previsão Inteligente do Preço do Petróleo Bruto.

iii.    Detecção de vazamento em oleodutos.

  1. HPC, Cluster, Grid e Cloud para Ciência dos Dados
    1. High Availability Resource Managers (Hadoop)
    2. Instalação com Hadoop (Yarn, HDFS), Cloudera e Ambari.
    3. Configuração e manipulação de principais frameworks para Big Data.
    4. Spark.
    5. Pig, hive, hbase, map-reduce.
  2. Data Warehouse e Data Marts
  3. Big Data: Hadoop (MapReduce)
    1. Bancos de Dados em Larga Escala – estruturados (Hive)
    2. Bancos de Dados em Larga Escala – não estruturados (HBase)
    3. Frameworks para Análise de Dados (PySpark, PIG, Hue)
  4. Computação cognitiva
    1. Plataformas de conhecimento por linguagem natural
    2. Mapas de conhecimento
  5. IoT
    1. Detecção de Falhas
    2. Controle de Operação
  6. Deep Learning: redes neurais convolutivas, auto encoder, deep belief network, redes recorrentes, aplicações com tensorflow
    1. Ajuste de Histórico e Previsão de Produção
    2. Caracterização de reservatórios e predição de parâmetros geológicos (porosidade/permeabilidade, pressão, etc.);
    3. Detecção e classificação de objetos em imagens/vídeos