Search

RESUMO A captação e processamento de imagens em movimento a partir de negativos coloridos no Brasil se desenvolve de forma expressiva no final dos anos 1960. Na ocasião, o cinema brasileiro moderno assiste a um embate entre cinemanovistas e diretores associados ao experimental. O confronto ganha um contorno peculiar no que diz respeito ao emprego da cor. Este trabalho pretende discutir algumas dimensões deste debate, tomando como base um corpo de filmes e cineastas aptos a externalizar uma proposta alinhada à arte tropicalista. Conclui-se que a cor poderá representar uma pauta complexa atrelada à ideia de industrialização. ABSTRACT The capture and processing of moving images from color negatives in Brazil is significantly developed in the late 1960s. At the time, modern Brazilian cinema witnessed a clash between cinemanovistas and experimental filmmakers. The confrontation takes on a peculiar contour regarding the use of color. This work intends to discuss some dimensions of this debate, based on a body of films and directors able to externalize a proposal aligned with tropicalist art. It is concluded that color may represent a complex agenda linked to the idea of industrialization. RESUMEN La captura y el procesamiento de imágenes en movimiento a partir de negativos en color en Brasil se desarrollaron significativamente a fines de la década de 1960. En ese momento, el cine brasileño moderno fue testigo de un choque entre cinenovistas y directores vinculados a la experimentación. El enfrentamiento adquiere un carácter peculiar con el uso del color. Este trabajo pretende discutir las dimensiones de este debate a partir de un cuerpo de películas y directores capaces de exteriorizar una propuesta alineada con el arte tropicalista. Se concluye que el color puede representar una agenda compleja ligada a la idea de industrialización.

Motivado por la amplia politización que insurge con folego en los últimos años de la década de 1960, el cine intenta un giro institucional proclamando una nueva vanguardia. En Francia se hablará en desconstruirlo, adecuándolo a un debate en sintonía con el estructuralismo. Este artículo pretende explorar el cine producido a partir de 68 en sus conversaciones teórico-prácticas con la deconstrucción estructuralista y sus variantes, tomando como referencia el trabajo de Jean-Luc Godard. La propuesta tiene como objetivo la expansión del análisis intentando señalar una diversificación conceptual en Brasil en el llamado cine marginal. Motivado pela ampla politização que insurge com fôlego nos últimos anos da década de 1960, o cinema ensaia uma virada institucional, proclamando uma nova vanguarda. Na França se falará em desconstruí-lo, adequando-o a um debate sintonizado ao estruturalismo. Este artigo pretende explorar o cinema produzido a partir de 68 em suas conversas prático-teóricas com a desconstrução estruturalista e algumas variações, tomando o trabalho de Jean-Luc Godard como referência. A proposta visa a expandir a análise e pretende apontar uma diversificação conceitual no Brasil no chamado cinema marginal. Driven by the widespread politicization that took over the late 60’s, cinema rehearses an institutional turn, proclaiming a new avant-garde. In France, this turn revolves around the deconstruction of the media, adapted to a debate in tune with structuralism ideas. This article intends to explore the cinema produced around 68 in its practical-theoretical conversations with structuralist deconstruction and some of its variations, focusing on Jean-Luc Godard’s work as a reference. The proposal aims to expand the analysis by pointing to a conceptual diversification on Brazilian so-called marginal cinema.

This paper presents the challenges towards the musealization of cultural expressions registered as intangible heritage in Brazil, based on the experience of frevo, in Recife -PE. Particularly, the work points out the discomfort generated howthe flags -considered sacred objects by some carnival groups -were displayed in a museum dedicated to frevo, generating permanent questions, tensions, disputes, and demanding new perspectives and negotiations. With this, the text highlights the difficulties inherent in the construction of museological narratives on cultural expressions very meaningfulfor the “other”., Neste artigo discuto sobre os desafios em torno da musealização de bens registrados como patrimônio imaterial no Brasil, a partir da experiência do frevo, no Recife - PE. De modo particular, discuto sobre o mal-estar gerado pela forma que os estandartes - considerados objetos sagrados para algumas agremiações carnavalescas – foram exibidos em um museu dedicado ao frevo, gerando permanentes questionamentos, tensionamentos, disputas, e exigindo novos olhares e negociações. Com isso, chamo atenção para as dificuldades inerentes à construção de narrativas museológicas em torno de bens culturais repletos de sentidos para o “outro”.

Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia Os dados gerados por anualmente rondam os 40 trilhões de gigabytes. Este aumento significativo de dados todos os anos trás a necessidade de assegurar a proteção de informação sensível. A Inteligência Artificial tem vindo a melhorar cada vez mais os seus resultados, apresentando modelos capazes de responder rigorosamente em áreas de atuação críticas, por exemplo, medicina, veículos autónomos, robótica, etc. Estes algoritmos precisam de enormes quantidades de dados disponíveis para otimizarem ao máximo a sua resposta perante todos a sua área de operação.Surgiu a necessidade de continuar a melhorar estes algoritmos mantendo a privacidade e confidencialidade dos dados utilizados.Desta forma, foi criado o conceito de Federated Learning. O Federated Learning permite continuar a treinar algoritmos de Machine Learning sem partilhar os dados utilizados para a convergência do modelo. O Federated Learning apresenta apresenta algumas similaridades com o Distributed Learning. Em ambos os conceitos o treino é distribuido, no entanto o Federated Learning descentraliza também os dados de forma a manter a informação privada.O objetivo desta dissertação passa por explorar o conceito de Federated Learning, assim como comparar diretamente este conceito com o Machine Learning centralizado. Para tal, é mostrada a arquitetura necessária para a construção de uma solução federada. Este documento apresenta ainda resultados obtidos com soluções federadas tanto em ambiente de simulação como numa implementação em ambiente real. Finalmente, é também apresentado um ponto de vista dos resultados obtidos e opções de otimização de uma solução com Federated Learning são discutidas. The data generated annually is around 40 trillion gigabytes. This significant increase in data every year brings with it the need to ensure the protection of sensitive information. Artificial Intelligence has been improving its results more and more, presenting models capable of responding rigorously in critical areas, for example medicine, autonomous vehicles, robotics, etc. These algorithms need huge amounts of available data to optimize their response to all their area of operation.The urge to continue to improve these algorithms while maintaining the privacy and confidentiality of the data used emerged.Thus, the concept of Federated Learning was created. Federated Learning allows to continue training Machine Learning algorithms without sharing the data used for model convergence. Federated Learning has some similarities with Distributed Learning. In both concepts the training is distributed, however, Federated Learning also decentralizes the data in order to keep the information private.The objective of this dissertation is to explore the concept of Federated Learning, as well as to directly compare this concept with centralized Machine Learning. To this end, the architecture required to build a federated solution is analyzed in depth. This dissertation also presents results obtained with federated solutions in both simulation and real-world deployment. Finally, a viewpoint of the obtained results is also presented, and options for optimizing a solution with Federated Learning are discussed.