Aprendizado de Máquina, Redes Complexas e Séries Temporais Muldimensionais

• Processo: 24/17823-4
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de dezembro de 2024
• Data de Término da vigência: 30 de novembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Alexandre Plastino de Carvalho
• Beneficiário: Ronald Chiesse de Souza
• Instituição Sede: Instituto de Computação. Universidade Federal Fluminense (UFF). Ministério da Educação (Brasil). Niterói , SP, Brasil
• Empresa: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC)
• Vinculado ao auxílio: 20/09835-1 - IARA - Inteligência Artificial Recriando Ambientes, AP.PCPE
• Assunto(s): Aprendizado computacional Cidades inteligentes Redes complexas Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Cidades Inteligentes | Redes Complexas | Séries Temporais | Redes Complexas e Aprendizado de Máquina

Resumo

Este projeto contempla tres objetivos, listados a seguir: (i) Investigar como dados estruturais de redes multiplexadas derivadas de series temporais de dados telefônicos configuram eventos relevantes. A partir da ¿¿, intenta-se (ii) desenvolver metodos de detecção e previsão de eventos relevantes bem como de tendencias associadas a um conjunto de eventos. Em particular, sera analisado o potencial do uso de técnicas de Machine Learning (ML) para gerar metricas classificatórias a partir de series temporais. Finalmente, buscar-se-á a (iii) aplicar tais dados e tecnicas no escopo de Cidades Inteligentes; mais especificamente, na criação de métricas de diagnóstico de maturidade para Cidades Inteligentes e Sustentaveis Brasileiras que avancem no estado da arte a luz do método aqui proposto. Busca-se, consequentemente, formular sugestoes de políticas que levem a melhoria dos índices aferidos por tais metricas.