site da FAPESP
URL curto
Foto do(a) André Carlos Ponce de Leon Ferreira de Carvalho
Fonte: Currículo Lattes

André Carlos Ponce de Leon Ferreira de Carvalho

Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC)  (Instituição-sede da última proposta de pesquisa)
País de origem: Brasil
Apoio FAPESP em números
1Auxílio à pesquisa em andamento 
24Auxílios à pesquisa concluídos 
4Bolsas no país em andamento 
43Bolsas no país concluídas 
8Bolsas no exterior concluídas 
80 Todos os Auxílios e Bolsas
*Quantidades atualizadas em 25/03/2017

Contate o Pesquisador

Possui graduação em Ciência da Computação pela Universidade Federal de Pernambuco (1987), mestrado em Ciências da Computação pela Universidade Federal de Pernambuco (1990) doutorado em Electronic Engineering - University of Kent at Canterbury (1994) e pós-doutorado pela Universidade do Porto (2006). Atualmente é Professor Titular da Universidade de São Paulo, USP. É revisor ad hoc de várias fundações nacionais e internacionais de apoio à pesquisa. Tem experiência na área de Ciência da Computação, com ênfase em Aprendizado de Máquina (Machine Learning), Mineração de Dados (Data Mining) e Ciência de Dados (Data Science), atuando principalmente nos seguintes temas:detecção de novidades, meta-aprendizado, pré-processamento de dados e metaheurísticas, com aplicações em Bioinformática, Engenharia, Finanças, Medicina e Meio Ambiente. É diretor do Centro de Aprendizado de Máquina em Análise de Dados da USP. (Fonte: Currículo Lattes)

Índices de citações (Fonte: Google Scholar 8 de Setembro de 2016 às 08:45)

TodosDesde 2011
Citações60713627
Índice h3327
Índice i1011876
200820092010201120122013201420152016
X
Lista de publicações
Fonte: Google Scholar
* Para visualizar os dados atualizados: Clique Aqui

Auxílio à pesquisa em andamento (mais recentes)

  • CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID

    Resumo

    O foco desta proposta é a transferência de conhecimento matemático para outras áreas da ciência, tecnologia e indústria, por meio de um centro de pesquisa estruturado para esse fim. Todo o conhecimento matemático é, em última análise, aplicável se não diretamente, por meio de outros conhecimentos. Em algumas áreas da matemática a aplicação é quase imediata (entretanto, a colocação em p...

Auxílios à pesquisa concluídos (mais recentes)

  • Symposium on knowledge discovery, mining and learning, AO.R
  • Meta-aprendizado para recomendação de algoritmos, AV.EXT

    Meta-aprendizado para recomendação de algoritmos

    Este projeto de cooperação internacional descreve as atividades a serem realizadas pelo Prof. Dr. Carlos M. M. O. P. Soares, da Faculdade de Engenharia da Universidade do Porto e INESC TEC, durante sua visita ao ICMC-USP. Nesta visita realizado trabalho no âmbito de uma cooperação científica na área de Mineração de Dados, especificamente em Meta-aprendizado. Para além disso, o Prof. C...

  • Aprendendo a partir de fluxos de dados, AV.EXT

    Aprendendo a partir de fluxos de dados

    Aprendizado a partir de fluxos contínuos de dados é uma área de pesquisa de crescente importância. Atualmente, vários algoritmos para mineração de fluxos de dados têm sido desenvolvidos. Todos eles aprendem modelos de decisão continuamente evoluídos, são executados em ambientes de recursos limitados e reagem a mudanças no ambiente gerador de dados. Este projeto irá focar em pesquisas r...

Ver todos os Auxílios à pesquisa concluídos

Bolsas no país em andamento (mais recentes)

  • Influência do tratamento de dados em algoritmos de classificação, BP.DR

    Influência do tratamento de dados em algoritmo...

    O pré-processamento dos dados é uma das etapas mais importantes no processo de mineração de dados, e uma das mais negligenciadas. A coleta dos dados, mesmo que de forma controlada, pode sofrer de erros manuais e problemas em equipamentos, gerando dados inconsistentes, ruidosos ou ausentes. Além disso, dependendo da origem dos dados, alguns aspectos podem prejudicar sua análise, como de...

  • Detecção de novidades por aprendizado de máquina, BP.PD

    Detecção de novidades por aprendizado de máquina

    Técnicas tradicionais de classificação de dados baseiam-seessencialmente na premissa de que a distribuição futura dos dadospermanecerá consistente à distribuição disposta no conjunto detreinamento, i.e., a distribuição dos dados é estacionária ao longo dotempo. No entanto, ao longo dos últimos anos, cada vez mais novasaplicações precisam processar um volume crescente de dados. Nestecen...

  • Ensemble de classificadores com atualização dinâmica para análise de risco de crédito, BP.DR

    Ensemble de classificadores com atualização di...

    Em aplicações de análise de crédito, as bases de dados em geral são fortemente desbalanceadas, apresentando quantidade essencialmente maior de exemplos de cliente adimplentes do que da classe de inadimplentes. Bases desbalanceadas comprometem o desempenho da maioria dos algoritmos clássicos de classificação, porque assumem uma distribuição de exemplos equilibrada entre os grupos e que ...

Ver todas as Bolsas no país em andamento

Bolsas no país concluídas (mais recentes)

  • Técnicas para dados desbalanceados em classificação hierárquica, BP.MS

    Técnicas para dados desbalanceados em classifi...

    Muitos dos principais algoritmos de Aprendizado de Máquina não conseguem bom desempenho de classificação em cenários nos quais há desproporção entre as quantidades de exemplos de classes diferentes. Tal problema é conhecido como desbalanceamento de dados (ou classes desbalanceadas), o qual é o objeto de estudo deste projeto. Entre os desafios de trabalhar com bases de dados dessa natur...

  • Ensemble de algoritmos de indução de árvores de decisão automaticamente projetados, BP.PD

    Ensemble de algoritmos de indução de árvores d...

    Indução de árvores de decisão é uma das estratégias mais utilizadas para extração de conhecimento de bases de dados, uma vez que as árvores representam o conhecimento de forma intuitiva e facilmente compreendida por seres humanos. Existem várias diferentes abordagens para induzir árvores de decisão, cada qual com suas vantagens e desvantagens de acordo com seu respectivo bias indutivo....

  • Biometria em um contexto de fluxo de dados com algoritmos imunológicos, BP.DR

    Biometria em um contexto de fluxo de dados com...

    A crescente presença da Internet nas tarefas do dia-a-dia, juntamente com a evolução dos sistemas computacionais, levou a uma maior exposição dos dados. Este cenário evidencia a necessidade de sistemas de autenticação de usuários mais seguros. Uma abordagem promissora para a autenticação de usuários é o uso de tecnologias biométricas, que analisam características fisiológicas e comport...

Ver todas as Bolsas no país concluídas

Bolsas no exterior concluídas (mais recentes)

  • Uso de Meta-aprendizado para melhoria de algoritmos de deep learning em problemas de classificação, BE.EP.DR

    Uso de Meta-aprendizado para melhoria de algor...

    Métodos de Aprendizado de Máquina tem sido amplamente eficaz em resolver muitos problemas simples e bem definidos na literatura. Entretanto, a maioria destes métodos apresentam dificuldades ao lidas com problemas mais complicados do mundo real, muitas vezes devido à alta dimensionalidade dos dados. Uma das primeiras aplicações de Deep Learning foi justamente para reduzir a dimensionali...

  • Metaheurísticas para a identificação de ruído de classe em problemas de classificação, BE.EP.DD

    Metaheurísticas para a identificação de ruído ...

    O sucesso da aplicação de técnicas de aprendizado de máquina em conjuntos de dados de diversas áreas requer esforços consideráveis para a identificação e tratamento de dados ruidosos. Informações ruidosas são um problema frequente e remete principalmente a coleta, transmissão e armazenamento. A presença desse tipo de informação nos conjuntos de dados podem afetar a complexidade da tare...

  • Comitê de Classicadores para conjunto de dados desbalanceados, BE.EP.DR

    Comitê de Classicadores para conjunto de dados...

    Em muitos problemas práticos de classificação, o conjunto de dados a ser utilizado para a indução de um classificador é significativamente desbalanceado. Isso ocorre quando a quantidade de exemplos de determinada classe é muito inferior à(s) da(s) outra(s) classe(s). Conjuntos de dados desbalanceados podem comprometer o desempenho da maioria dos algoritmos clássicos de classificação, u...

Ver todas as Bolsas no exterior concluídas

Publicações resultantes de Auxílios e Bolsas sob responsabilidade do(a) pesquisador(a) (7)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

Publicações6
Citações9
Cit./Artigo1,5
Dados do Web of Science

VALLIM, ROSANE M. M.; ANDRADE FILHO, JOSE A.; DE MELLO, RODRIGO F.; DE CARVALHO, ANDRE C. P. L. F.; GAMA, JOAO. Unsupervised density-based behavior change detection in data streams. Intelligent Data Analysis, v. 18, n. 2, p. 181-201, . Citações Web of Science: 2. (10/11250-0)

BARROS, RODRIGO C.; BASGALUPP, MARCIO P.; FREITAS, ALEX A.; DE CARVALHO, ANDRE C. P. L. F.. Evolutionary Design of Decision-Tree Algorithms Tailored to Microarray Gene Expression Data Sets. IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, v. 18, n. 6, p. 873-892, . Citações Web of Science: 3. (09/14325-3)

ESPEZUA, SOLEDAD; VILLANUEVA, EDWIN; MACIEL, CARLOS D.; CARVALHO, ANDRE. A Projection Pursuit framework for supervised dimension reduction of high dimensional small sample datasets. Neurocomputing, v. 149, n. B, p. 767-776, . Citações Web of Science: 3. (12/22295-0)

FRIAS-BLANCO, ISVANI; DEL CAMPO-AVILA, JOSE; RAMOS-JIMENEZ, GONZALO; CARVALHO, ANDRE C. P. L. F.; ORTIZ-DIAZ, AGUSTIN; MORALES-BUENO, RAFAEL. Online adaptive decision trees based on concentration inequalities. KNOWLEDGE-BASED SYSTEMS, v. 104, p. 179-194, . Citações Web of Science: 1. (15/03355-0)

BARBON, ANA PAULA A. C.; BARBON, JR., SYLVIO; MANTOVANI, RAFAEL GOMES; FUZYI, ESTEFANIA MAYUMI; PERES, LOUISE MANHA; BRIDI, ANA MARIA. Storage time prediction of pork by Computational Intelligence. COMPUTERS AND ELECTRONICS IN AGRICULTURE, v. 127, p. 368-375, . Citações Web of Science: 0. (12/23114-9)

BARROS, RODRIGO C.; BASGALUPP, MARCIO P.; DE CARVALHO, ANDRE C. P. L. F.. Investigating fitness functions for a hyper-heuristic evolutionary algorithm in the context of balanced and imbalanced data classification. Genetic Programming and Evolvable Machines, v. 16, n. 3, p. 241-281, . Citações Web of Science: 0. (09/14325-3)

GIAMPAOLO LUIZ LIBRALÃO; ANTONIO VALERIO NETTO; ANDRÉ PONCE DE LEON F. DE CARVALHO; MARIA CRISTINA FERREIRA DE OLIVEIRA. Determinação de vícios refrativos oculares utilizando Support Vector Machines. Sba : Controle & Automação, v. 16, n. 2, p. 146-158, . (01/09540-0, 02/08038-2, 00/04779-2)

Por favor, reporte erros na informação da página do pesquisador escrevendo para: cdi@fapesp.br.
X

Reporte um problema na página


Detalhes do problema: