CV Lattes
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 Associado no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), possui graduação em Ciências de Computação e mestrado e doutorado em Ciências de Computação e Matemática Computacional, todos pelo ICMC-USP, com estágios de pesquisa na Columbia University, NY, e University of California, Riverside, CA. Sua principal linha de atuação é o Aprnedizado de Máquina e suas aplicações, com maior foco em tarefas baseadas em grandes volumes de dados sequenciais contínuos (como séries temporais e sinais digitais). Além disso, possui experiência em diferentes tipos de dados, como textos e imagens, incluindo o aprendizado multimodal. (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) |
As séries temporais tornaram-se um tipo de dado fundamental em muitas aplicações, dada a crescente ubiquidade de dispositivos capazes de coletar e armazenar dados temporais. Os avanços mais notáveis em aprendizado de máquina para séries temporais estão na proposta de arquiteturas de aprendizado profundo. No entanto, essas redes neurais geralmente dependem de um enorme número de parâmetros…
O monitoramento de sinais fisiológicos, sinais vitais e outros parâmetros que podem ser coletados ao longo do tempo são essenciais em diversas tarefas da área da Saúde, como a estimação de frequência cardíaca e a identificação de batimentos cardíacos anômalos. Essas séries temporais, no entanto, são obtidas por equipamentos muito custos e usualmente não portáteis. Por outro lado, com a me…
Com o aprimoramento e a miniaturização de sensores capazes de obter e transmitir diversos tipos de dados, a Internet das Coisas vem ganhando cada vez mais espaço na pesquisa científica e no mercado. Dentre uma infinidade de aplicações de tal tecnologia está a análise esportiva. Especificamente, sensores têm auxiliado a análise estatística do desempenho de atletas. Dispositivos desse tipo …
Esta pesquisa propõe o desenvolvimento e a avaliação de redes neurais profundas para a análise de séries temporais em aplicações de saúde, com ênfase em dados provenientes de repositórios de dados reais, como o PhysioBank. Inicialmente, serão conduzidos estudos experimentais para comparar algoritmos de classificação e regressão extrínseca, identificando diretrizes de padronização dos dado…
Redes neurais profundas demandam alto custo computacional, especialmente em aplicações de mHealth com hardware limitado. O projeto propõe explorar a destilação do conhecimento em tarefas de classificação de séries temporais. Essa técnica envolve transferir o aprendizado de uma rede maior (professor) para uma menor (estudante), que é treinada para reproduzir saídas semelhantes, mas de form…
O monitoramento de sinais fisiológicos, sinais vitais e outros parâmetros que podem ser coletados ao longo do tempo são essenciais em diversas tarefas da área da Saúde, como a estimação de frequência cardíaca e a identificação de batimentos cardíacos anômalos. Essas séries temporais, no entanto, são obtidas por equipamentos muito custos e usualmente não portáteis. Por outro lado, com a me…
A música exerce um papel fundamental no cotidiano do ser humano. Com a evolução de tecnologias de produção e divulgação, especialmente, plataformas de streaming, o mercado musical tem crescido significativamente. Para melhorar a experiência dos usuários nessas plataformas, é essencial criar ferramentas que se apoiam tanto nas características das músicas quanto dos consumidores. Os sistema…
O monitoramento de sinais fisiológicos, sinais vitais e outros parâmetros que podem ser coletados ao longo do tempo são essenciais em diversas tarefas da área da Saúde, como a estimação de frequência cardíaca e a identificação de batimentos cardíacos anômalos. Essas séries temporais, no entanto, são obtidas por equipamentos muito custosos e usualmente não portáteis. Por outro lado, com a …
Com o crescente interesse em séries temporais nas últimas décadas, que vem se intensificando nos últimos anos, pesquisadores propuseram dezenas de algoritmos específicos para a classificação e forecasting de séries temporais. No entanto, há ainda uma grande demanda de técnicas associadas à regressão extrínseca de séries temporais. Por "extrínseca", entende-se que o alvo da predição é um v…
A música exerce um papel fundamental no cotidiano do ser humano. Com a evolução de tecnologias de produção e divulgação, especialmente, plataformas de streaming, o mercado musical tem crescido significativamente. Para melhorar a experiência dos usuários nessas plataformas, é essencial criar ferramentas que se apoiam tanto nas características das músicas quanto dos consumidores. Os sistema…
Com a crescente onipresença de smartphones, smartwatches e outros dispositivos capazes de coletar dados ao longo do tempo, os aplicativos que usam séries temporais como entrada, como monitoramento cardíaco e reconhecimento de atividade, tornaram-se cada vez mais populares. Vários desses cenários podem ser mapeados naturalmente como tarefas que envolvem séries temporais multivariadas. Assi…
Com a crescente onipresença de smartphones, smartwatches e outros dispositivos capazes de coletar dados ao longo do tempo, os aplicativos que usam séries temporais como entrada, como monitoramento cardíaco e reconhecimento de atividade, tornaram-se cada vez mais populares. Vários desses cenários podem ser mapeados naturalmente como tarefas que envolvem séries temporais multivariadas. Assi…
Com a crescente ubiquidade de celulares, relógios inteligentes e outros dispositivos capazes de coletar dados ao longo do tempo, popularizaram-se aplicações que utilizam séries temporais como entrada, como monitoramento cardíaco e reconhecimento de atividades físicas. Dessa maneira, diversas técnicas foram desenvolvidas para o Aprendizado de Máquina no contexto de séries temporais. Porém,…