Métodos de Otimização para Análise de Dados e Aprendizagem de Máquina

• Processo: 18/07551-6
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 01 de outubro de 2018
• Data de Término da vigência: 31 de janeiro de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Matemática - Matemática Aplicada
• Pesquisador responsável: Paulo José da Silva e Silva
• Beneficiário: Paulo José da Silva e Silva
• Pesquisador Anfitrião: Jose Claudio Teixeira e Silva Junior
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: New York University, Estados Unidos
• Vinculado ao auxílio: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
• Assunto(s): Otimização contínua Aprendizado computacional Convexidade Reconhecimento de padrões Métodos de otimização
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | Convexidade | Lasso | Máquinas de Suporte Vetorial | Métodos de Otimização | Reconhecimento de Padrões | Otimização Contínua

Resumo

A Ciência de Dados é uma ativa área do conhecimento que tenta encontrarinformações presentes na vasta massada de dados adquiridas todos os dias. Elapode ser vista como uma combinação de técnicas da Estatística, Ciência daComputação e Aprendizado de Máquinas que muitas vezes resultam em modelos quedevem ser otimizados usando algoritmos matemáticos.Nesse projeto nós propomos o uso de técnicas do estado-da-arte de otimizaçãopara obter soluções computacionais para problemas de Ciência de Dados. Emparticular, planejamos investigar modelos com regularização $\ell_1$, como olasso e variações de máquinas de suporte vetorial. Essa empreitada deve serrelizada em colaboração próxima com especialistas da área de Análise de Dadoscom o objetivo de atingir resultados significativos em problemas reais.

Publicações científicas

(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)

DORAISWAMY, HARISH; TIERNY, JULIEN; SILVA, PAULO J. S.; NONATO, LUIS GUSTAVO; SILVA, CLAUDIO. TopoMap: A 0-dimensional Homology Preserving Projection of High-Dimensional Data. IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS, v. 27, n. 2, p. 561-571, FEB 2021. (18/07551-6, 13/07375-0, 16/04190-7, 18/24293-0)