| Processo: | 13/18698-4 |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Data de Início da vigência: | 01 de fevereiro de 2014 |
| Data de Término da vigência: | 31 de janeiro de 2016 |
| Área do conhecimento: | Ciências Exatas e da Terra - Ciência da Computação |
| Pesquisador responsável: | Ricardo José Gabrielli Barreto Campello |
| Beneficiário: | Ricardo José Gabrielli Barreto Campello |
| Instituição Sede: | Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil |
| Município da Instituição Sede: | São Carlos |
| Assunto(s): | Aprendizado computacional Mineração de dados |
| Palavra(s)-Chave do Pesquisador: | Agrupamento de Dados | Aprendizado de Máquina Não Supervisionado | Aprendizado de Máquina Semi-Supervisionado | Detecção de Outliers | Mineração de Dados | Aprendizado de Máquina e Mineração de Dados |
Resumo
Este documento apresenta um projeto de pesquisa dentro da linha de auxílios regulares da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp). O objetivo fundamental é apoiar de maneira integrada as pesquisas realizadas pelo grupo de pesquisa do proponente, pelo período de 2 anos. O grupo é essencialmente constituído pelo pesquisador responsável e seus alunos no ICMC/USP, mas o projeto envolverá também colaborações internacionais com a Universidade de Alberta no Canadá e com a Ludwig-Maximilians-Universität na Alemanha.No tocante aos temas de pesquisa, trata-se de um projeto do tipo "guarda-chuva", que compreende subprojetos a serem desenvolvidos principalmente como parte de orientações de mestrado e doutorado, diretamente sob supervisão do pesquisador no Brasil ou através das colaborações no exterior. Em linhas gerais, a proposta visa investigar métodos de aprendizado de máquina voltados a problemas de mineração de dados. As vertentes de investigação se concentram majoritariamente nos paradigmas de aprendizado não supervisionado e semi-supervisionado, com particular enfoque para as áreas de análise de agrupamento de dados e detecção de anomalias (ou outliers). No contexto de agrupamento de dados, tópicos de pesquisa de interesse incluem, dentre outros, agrupamentos dos tipos hierárquico, semi-supervisionado, paralelo e distribuído, com sobreposição, baseado em densidade, em subespaços de atributos, bi-agrupamentos e validação de agrupamento. No contexto de detecção de outliers, os tópicos de interesse incluem combinações de detectores (ensembles), validação de resultados de detecção não supervisionada e métodos computacionalmente escaláveis, dentre outros. No que se refere a domínios de aplicação, o projeto possui enfoque em ferramentas matemáticas e computacionais de propósito geral, mas parte das pesquisas poderão envolver domínios específicos, como, por exemplo, análise de dados de expressão gênica em bioinformática. (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) |