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) |
Modelos de fundação têm se tornado centrais no avanço de aplicações de aprendizado de máquina em diversos domínios, incluindo a área da saúde. No entanto, apesar de seu amplo estudo em tarefas de visão computacional nesse domínio de conhecimento, sua aplicação a sinais fisiológicos ainda é incipiente. Com exceção do eletrocardiograma (ECG), poucos esforços foram dedicados ao desenvolvimen…
A fragmentação dos sistemas de informação na administração pública é um dos principais desafios enfrentados pelas prefeituras. Diferentes secretarias operam sistemas isolados, dificultando a troca de informações, tornando processos burocráticos ineficientes e reduzindo a capacidade de resposta às demandas da população. A integração e a interoperabilidade de dados surgem como soluções esse…
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 …
O avanço de tecnologias como Internet das Coisas, cidades inteligentes e manufatura 4.0tem impulsionado a geração de grandes volumes de séries temporais por meio de senso-res aplicados em domínios diversos, como saúde e indústria. Nesse contexto, tarefas declassificação e regressão extrínseca tornam-se cada vez mais relevantes para a extraçãode conhecimento a partir desses dados. Este pro…
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. No entanto, a obtenção de dados anotados, especialmente no domínio de Saúde, pode ser uma tarefa muito custosa. Porém, em alguns c…
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…
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 regressão extrínseca de séries temporais (TSER), embora essencial para a previsão de valores contínuos a partir de dados temporais, tem recebido menos atenção em comparação com suas contrapartes, previsão (forecasting) e classificação. Modelos de aprendizado profundo "prontos para uso", como a Fully Convolutional Network (FCN), são frequentemente aplicados sem ajustes arquiteturais, ape…
A proliferação de dados gerados por sensores de smartphones, dispositivos vestíveis e Internet das Coisas (IoT) tem posicionado a classificação de séries temporais (TSC) como um componente crítico em aplicações como monitoramento cardíaco e reconhecimento de atividades. Embora, redes neurais profundas alcancem o estado da arte, elas frequentemente são comitês de modelos, aumentando signif…
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…