Busca avançada
Ano de início
Entree

Aprendizado de máquina avançado

Processo: 16/18615-0
Linha de fomento:Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Vigência: 01 de setembro de 2017 - 29 de fevereiro de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: IBM Brasil
Pesquisador responsável:André Carlos Ponce de Leon Ferreira de Carvalho
Beneficiário:André Carlos Ponce de Leon Ferreira de Carvalho
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Empresa: IBM Brasil - Indústria, Máquinas e Serviços Ltda
Município: São Carlos
Pesq. associados:Ana Carolina Lorena ; Gustavo Enrique de Almeida Prado Alves Batista ; Moacir Antonelli Ponti ; Paula Costa Castro ; Renato Tinós ; Ricardo Cerri
Assunto(s):Sistemas de informação  Aprendizado computacional  Mineração de dados  Fluxo de dados 

Resumo

Sem percebermos, estamos usando tecnologias baseadas em algoritmos de Aprendizado de Máquina (AM) em um número crescente de nossas atividades diárias. O uso do ML tem feito várias atividades rotineiras e de riscos e mais seguras, mais confiáveis e mais precisas. Apesar dessas contribuições, novas demandas exigem o desenvolvimento de novos algoritmos de AM, ou utilização desses algoritmos de maneiras diferentes e inovadoras. Duas demandas atuais importantes são tratar com eficiência os dados que chegam em fluxos contínuos, onde novidades podem aparecer e conceitos podem mudar, e como melhorar o uso dos algoritmos de ML mais adequados, além de valores mais apropriados para os Hyper-parâmetros dos algoritmos selecionados para uma nova tarefa. Este projeto irá pesquisar novas abordagens para lidar eficientemente com essas demandas. (AU)

Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o auxílio::
Elevada produtividade 

Publicações científicas (4)
(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)
SPADON, GABRIEL; DE CARVALHO, ANDRE C. P. L. F.; RODRIGUES-JR, JOSE F.; ALVES, LUIZ G. A. Reconstructing commuters network using machine learning and urban indicators. SCIENTIFIC REPORTS, v. 9, AUG 13 2019. Citações Web of Science: 0.
TINOS, RENATO; YANG, SHENGXIANG. A framework for inducing artificial changes in optimization problems. INFORMATION SCIENCES, v. 485, p. 486-504, JUN 2019. Citações Web of Science: 0.
PIMENTEL, BRUNO ALMEIDA; DE CARVALHO, ANDRE C. P. L. F. A new data characterization for selecting clustering algorithms using meta-learning. INFORMATION SCIENCES, v. 477, p. 203-219, MAR 2019. Citações Web of Science: 2.
GARCIA, LUIS P. F.; LEHMANN, JENS; DE CARVALHO, ANDRE C. P. L. F.; LORENA, ANA C. New label noise injection methods for the evaluation of noise filters. KNOWLEDGE-BASED SYSTEMS, v. 163, p. 693-704, JAN 1 2019. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.