Aprendizado semissupervisionado baseado em redes complexas e aplicações: análise de dados climáticos

• Processo: 19/24951-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de dezembro de 2019
• Data de Término da vigência: 30 de setembro de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Lilian Berton
• Beneficiário: Pedro Leyria de Oliveira
• Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
• Vinculado ao auxílio: 18/01722-3 - Aprendizado semissupervisionado via redes complexas: construção de redes, seleção e propagação de rótulos e aplicações, AP.R
• Assunto(s): Inteligência computacional Aprendizado computacional Reconhecimento de padrões Redes complexas
• Palavra(s)-Chave do Pesquisador: Análise de dados climáticos | Aprendizado de Máquina | Reconhecimento de Padrões | Redes Complexas | Inteligência Computacional

Resumo

A caracterização sistemática da dependência em múltiplas escalas é fundamental para entender a dinâmica do sistema climático e melhorar a capacidade preditiva de modelos e dados. No entanto, as estruturas de dependência no clima são complexas devido a processos geradores dinâmicos não-lineares, relacionamentos temporais espaciais, bem como variabilidade de dados. As redes complexas têm sido utilizadas para explorar dependências em dados climáticos e detectar padrões. O objetivo dessa bolsa TT-1 é incluir um aluno para auxiliar a investigar e implementar novos métodos para análise de dados climáticos.