InfoBlender Webinar
Type Your Matrices for Great Good | Armando Santos
Abstract:
Exploramos um tipo de dados indutivo que representa matrizes corretas por construção. Apesar da sua simplicidade, este tipo de dados pode ser utilizado para implementar algoritmos de manipulação de matrizes, de forma eficiente e segura - em alguns casos, com um desempenho mais rápido do que as alternativas existentes, mesmo sendo escritos através de uma abordagem direta e puramente funcional. Um vasto conjunto de leis torna possível derivar e otimizar estes algoritmos, recorrendo ao raciocínio equacional, evitando, assim, os denominados erros de indexação off-by-one, comuns ao explorar as dimensões da matriz. Demonstramos também a utilidade deste tipo de dados em vários contextos, destacando a sua relação com tópicos associados à teoria das categorias.
Biografia:
Estou a concluir o Mestrado na Universidade do Minho e trabalho como Assistente de Investigação no INESC TEC. As minhas especializações incidem sobre Métodos Formais em Engenharia de Software e Sistemas Distribuídos, mas as minhas atividades de investigação abordam áreas como a álgebra da programação, a programação funcional, a matemática abstrata e, mais recentemente, a aplicação de métodos semânticos elegantes e rigorosos no design de bibliotecas de programação. A minha tese de mestrado é sobre "Selective Functors & Probabilistic Programming", onde utilizo Haskell, Selective Functors e análise estática, de forma a explorar o que pode ser obtido através desta nova abstração funcional em cenários probabilísticos.
Notas:
Efetue a sua inscrição até ao dia 14 de dezembro aqui, para que possa ter acesso ao link para a sessão Zoom. O webinar será gravado.