CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Professor Doutor na Universidade de São Paulo em São Carlos, Instituto de Ciências Matemáticas e de Computação (ICMC). Participa do programa interinstituicional de pós-graduação em Estatística (PIPGEs) e programa de Mestrado Profissional em Matemática, Estatística e Computação Aplicados à Indústria (MECAI). Foi coordenador do programa interinstituicional de pós-graduação em Estatística (2019-2021), secretário do ISBRA capítulo Brasileiro do ISBA (2019-2020) e Presidente do ISBRA (2021-2022). Membro eleito do conselho da Latin American Regional Section of the International Association for Statistical Computing IASC-ISI (2021-2024). Informações para análise de mérito e competência em ciência e tecnologia. Mais informações em: https://sites.icmc.usp.br/ehlers (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
O evento conjunto VII Congresso Bayesianoda América Latina (COBAL) e XVII Encontro Brasileiro de Estatística Bayesiana (EBEB) será realizado de 02 a 06 de dezembro de 2024nas dependências do Centro de Atividades Didáticas da Universidade Federal deMinas Gerais, UFMG, em formato presencial. Estatísticos, cientistas de dados,pesquisadores e profissionais compartilharão seus conhecimentos de…
X Workshop on Probabilistic and Statistical Methods contará com conferências sobre temas atuais de pesquisa, mini-conferências de jovens pesquisadores e sessões de comunicações orais e pôsteres de estudantes de iniciação científica e de pós-graduação, e de outros jovens pesquisadores. (AU)
Neste projeto serão estudados e aplicados métodos computacionalmente intensivos propostos recentemente e que exploram ideias de geometria Riemanniana no espaço paramétrico de modelos estatísticos sob o enfoque Bayesiano. Estesmétodos procuram uma adaptação à estrutura local de uma distribuição alvo o que potencialmente pode tornar métodos de Monte Carlo via cadeias de Markov (MCMC) mais e…
| 6 | Auxílios à pesquisa concluídos |
| 1 | Bolsas no exterior concluídas |
| 7 | Todos os Auxílios e Bolsas |
| Processos vinculados | |