| Processo: | 19/17734-3 |
| Modalidade de apoio: | Auxílio à Pesquisa - Programa eScience e Data Science - Regular |
| Data de Início da vigência: | 01 de fevereiro de 2020 |
| Data de Término da vigência: | 31 de janeiro de 2022 |
| Área do conhecimento: | Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística |
| Pesquisador responsável: | Florencia Graciela Leonardi |
| Beneficiário: | Florencia Graciela Leonardi |
| Instituição Sede: | Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Município da Instituição Sede: | São Paulo |
| Assunto(s): | Processos estocásticos |
| Palavra(s)-Chave do Pesquisador: | grafos aleatórios e redes | processos espaço-temporais | processos estocásticos | seleção estátistica de modelos | Inferência para processos estocásticos |
Resumo
Este projeto de pesquisa tem como objetivo principal estudar métodos de seleção de modelos para análise de dados em alta dimensão. Os dados modelados serão de diferentes tipos e estruturas, como por exemplo grafos e redes aleatórias, vetores em alta dimensão ou dados espaço temporais. O foco deste projeto estará relacionado com modelos preditivos e o objetivo será selecionar modelos com dimensão adequada com o objetivo de minimizar o erro de predição. Esta abordagem está relacionada com a teoria de aprendizagem estatística, que dá suporte a várias das técnicas utilizadas na atualidade nos campos de aprendizagem de máquina ou ciência de dados. (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |