talks
Academic presentations and invited talks
2025
-  Talk SEST — Thiago Rodrigo Ramos 
 Semana da Estatística (SEST), Departamento de Estatística — UFSCar
 📅 Outubro 13, 2025 — São Carlos, SPApresentação realizada durante a Semana da Estatística da UFSCar, abordando temas atuais em aprendizado de máquina e estatística moderna. 
-  Não é só treinar e testar — Matemática do Aprendizado de Máquinas 
 Instituto de Ciências Matemáticas e de Computação (ICMC/USP)
 📅 Março 28, 2025 — São Carlos, SPDiscussão sobre os fundamentos matemáticos que garantem a confiabilidade e generalização dos modelos de aprendizado de máquina. Slides Vídeo 
2024
-  PersonalizedUS 
 Programa de Pós-Graduação em Ginecologia e Obstetrícia — FMRP/USP
 📅 Novembro 25, 2024 — Ribeirão Preto, SPSeminário sobre aplicações recentes de aprendizado de máquina em medicina, com participação de Rafael Izbicki, Thiago R. Ramos e Luben M. C. Cabezas. Slides Mais informações 
-  Modelos Espectrais em Grafos e Aplicações para Detecção de Comunidades 
 IMPA — COLMEA 2024
 📅 Outubro 30, 2024 — Rio de Janeiro, RJPalestra sobre modelos espectrais em grafos e suas aplicações na detecção de comunidades. 
-  Graph Neural Networks for Time Series 
 University of São Paulo (ICMC)
 📅 Setembro 24 e Outubro 2, 2024 — São Carlos, SPIntrodução às Graph Neural Networks aplicadas à previsão de séries temporais. 
-  Da Matemática à Estatística: minha jornada acadêmica 
 Departamento de Estatística — UFSCar
 📅 Agosto 6, 2024 — São Carlos, SPBreve relato sobre trajetória acadêmica e transição entre áreas. 
-  AmnioML — Amniotic Fluid Segmentation and Volume Prediction with Uncertainty Quantification 
 Lab TDS (Online)
 📅 Julho 10, 2024 — São Carlos, SPApresentação do AmnioML, um modelo de deep learning com conformal prediction para estimar volume de fluido amniótico com incerteza quantificada. Slides Paper (AAAI) 
-  BlockBoost — Similarity Learning via Boosting 
 Departamento de Estatística — UFSCar / PIPGEs
 📅 Julho 5, 2024 — São Carlos, SPMétodo baseado em boosting para criação eficiente de blocos de itens similares em bases de dados extensas.