MANTIKA Solicite um piloto

A Mantika no Dubai AI Festival

Patrocinadora Gold, 26 e 27 de outubro de 2026, Dubai World Trade Centre.

Palestras e eventos

Salah Rifai em conversa com Ziad Nassar

Real-Time AI at Scale: Turning Enterprise Data into Commercial Impact. Innovation Stage, terça-feira, 27 de outubro, das 13:10 às 13:30, horário de Dubai.

Machine Learning from Scratch

Salah Rifai e um colega da Mantika apresentaram no Speed@BDD uma palestra em duas sessões sobre o ciclo de vida completo de um projeto de aprendizado de máquina, da coleta de dados à implantação em produção. Os notebooks são públicos. Título em português: “Aprendizado de máquina do zero”.

Docker Global Hack Day #3

Engenheiros da Mantika criaram a ferramenta de migração de contêineres CMT. Ela venceu o prêmio de Buenos Aires e ficou em primeiro lugar na categoria “plumbing” (infraestrutura básica) da votação global.

Na imprensa

A Zawya publica o comunicado do DIFC

A Zawya republicou o comunicado do DIFC de 20 de outubro de 2026, que inclui a Mantika entre as organizações que participam do Dubai AI Festival.

Reconhecimento

A Mantika possui o Dubai AI Seal

O Centro de Inteligência Artificial de Dubai registra a Mantika AI Consultancy Limited como aprovada no Nível E, para desenvolvimento de IA, com a marca “Verified AI Business User”.

Pesquisa do nosso cofundador

A generative process for sampling contractive auto-encoders

Salah Rifai, Yoshua Bengio, Yann Dauphin e Pascal Vincent, Universidade de Montreal. Conferência Internacional sobre Aprendizado de Máquina (ICML) 2012, Edimburgo. O artigo descreve como gerar amostras a partir de um autocodificador contrativo. Título em português: “Um processo generativo para amostrar autocodificadores contrativos”.

Contractive auto-encoders: Explicit invariance during feature extraction

Salah Rifai, Pascal Vincent, dois coautores e Yoshua Bengio, Universidade de Montreal. Conferência Internacional sobre Aprendizado de Máquina (ICML) 2011, Bellevue. O artigo apresenta uma penalidade que torna as características aprendidas por um autocodificador menos sensíveis a pequenas variações na entrada. Título em português: “Autocodificadores contrativos: invariância explícita durante a extração de características”.