Estratégias de visualização e de aprendizado de representações em ecoacústica em cenários semi e não-supervisionados

• Processo: 22/10391-6
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de setembro de 2022
• Data de Término da vigência: 12 de dezembro de 2022
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Maria Cristina Ferreira de Oliveira
• Beneficiário: Fábio Felix Dias
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 21/08322-3 - Analítica visual de dados ambientais obtidos por monitoramento acústico passivo, AP.R
• Assunto(s): Análise de dados Aprendizado computacional Visualização de dados
• Palavra(s)-Chave do Pesquisador: Análise de Dados | Aprendizado de Máquina | visualização de dados | Aprendizado de máquina, visualização de dados

Resumo

Na avaliação da biodiversidade por meio de sensores acústicos, um dos maiores desafios está em obter representações capazes de permitir a contagem de espécies em cenários com grande quantidade de dados disponíveis, porém com baixa taxa de anotação. Nesse contexto, métodos de visualização e de aprendizado de máquina podem ser explorados para melhorar os modelos computacionais e representações, por meio da identificação de instâncias importantes, características, propagação de rótulos e outros. Nesse projeto serão investigadas características acústicas e métodos de aprendizado de representação semi-supervisionados apoiados por técnicas de visualização com o objetivo de melhorar as representações e apoiar a avaliação da biodiversidade pelos especialistas.