CV Lattes
ResearcherID
ORCID
Google Scholar Citations
País de origem: Brasil
possui graduação em Engenharia Eletrônica pelo Instituto Tecnológico da Aeronáutica (1978), mestrado em Engenharia Elétrica pela Universidade Estadual de Campinas (1981) e doutorado em Engenharia Elétrica - University of Bristol (1990). Atualmente é CTO e co-fundador da NeuralMind Inteligência Artificial e Professor titular colaborador da Faculdade de Engenharia Elétrica e de Computação da Universidade Estadual de Campinas. Foi professor visitante na Universidade da Pensilvânia - EUA (1992), Universidade McGill - Canadá (1994), Universidade do Novo México - EUA (1996) e Escola de Minas de Paris - França (2000) . Tem experiência na área de processamento e análise de imagens e aprendizagem de máquina. Publicou 42 artigos em periódicos especializados e 137 trabalhos em congressos científicos. Possui dois livros publicados e três patentes concedidas. Orientou 33 dissertações de mestrado e 15 de doutorado. Foi diretor executivo da Agência de Inovação Inova Unicamp no período 2003-2013. Foi representante docente do Conselho Universitário da Unicamp de junho de 2013 a junho de 2015. Foi representante dos professores titulares na Congregação da Faculdade de Engenharia de Computação de 2005 a 2015. Foi coordenador adjunto da Área de Engenharias I da FAPESP de agosto de 2013 a setembro de 2014. Participou do Conselho Assessor Externo da Embrapa Transferência de Tecnologia de 2005 a 2009. Participou do Conselho Técnico Científico do Samsung Instituto de Desenvolvimento para a Informática - SIDI de 2005 a 2009. Participou do Conselho Técnico Científico do CTI Renato Archer, de 2009 a 2011. Participou do CONIC/FIESP Conselho Superior de Inovação e Competitividade de 2011 a 2015. Recebeu o Prêmio Personalidade da Tecnologia - Inovação 2008 pelo Sindicado dos Engenheiros do Estado de São Paulo e o Prêmio Zeferino Vaz de reconhecimento acadêmico pela Unicamp em 2011. Foi Pesquisador Principal do Projeto CEPID BRAINN-FAPESP de 2014 a 2017. Representante do Consórcio NeuralMind-Terranova no desenvolvimento "Assistente de IA - Instrução Assistida" para o Tribunal de Contas da União, desde maio de 2023. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o(a) pesquisador(a): |
| Inteligência artificial agilizará fiscalização de contas públicas |
| Empresas apoiadas pelo PIPE-FAPESP integram a lista das 100 Startups to Watch |
| Deep Learning na Prática |
| Mais itensMenos itens |
| 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) |
Esta proposta consiste na validação do sistema de buscas proprietário da NeuralMind, o NeuralSearchX (NSX), junto à empresa Bosch, líder mundial em tecnologia industrial-automotiva, com a finalidade de aumentar a produtividade do departamento jurídico tributário da empresa para solucionar dúvidas dos colaboradores quanto às normas e regras tributárias do Brasil, Estados Unidos e países eu…
A leitura automática de texto em imagens desperta interesse crescente por viabilizar um grande número de aplicações comerciais tais como: automatização de cadastros e matrículas baseados em informações relevantes de documentos cadastrais, consultas instantâneas a serviços de fiscalização; checagem e estruturação semi-supervisionada em prestação de contas, auxílio na vigilância com reconhe…
A extração e a leitura automática de texto em imagens despertam interesse crescente, por serem técnicas que viabilizam um grande número de aplicações comerciais tais como: leitura de textos em imagens e vídeos da web, identificação de textos capturados por vídeos de vigilância, mapas, desenhos de engenharia, reconhecimento de número de série de contêineres, placas de veículos, placas de s…
As atividades do bolsista envolvem a participação na etapa de geração de dados sintéticos apropriados para o treinamento dos modelos de leitura robusta, com ênfase na utilização de ferramentas de modelagem geométrica e renderização de cenas. (AU)
As atividades do bolsista envolvem a participação na etapa de geração de dados sintéticos apropriados para o treinamento dos modelos de leitura robusta, com ênfase na utilização de ferramentas de modelagem geométrica e renderização de cenas.
Este projeto está vinculado ao número 2019/06667-3 - PIPE - Fase 2 Indireta e tem como objetivo principal desenvolver estudos e experimentos na captura e pré-processamento de imagens contendo vários documentos cadastrais incluindo localização, recorte e classificação de cada documento. Para isso, será desenvolvido estudos das principais implementações de detecção de objetos multi orientad…
O uso de aprendizado profundo para segmentação automatizada do pulmão afetado por COVID-19 usando imagens de tomografia computadorizada (TC) na atual pandemia de COVID-19 é um tópico de pesquisa muito ativo na segmentação de imagens médicas. Alguns métodos de segmentação automatizada já foram propostos com aprendizado supervisionado sobre anotações manuais. A falta de disponibilidade de d…
A epilepsia é um distúrbio neurológico que afeta mais de 50 milhões de pessoas em todo o mundo. Dentre estes pacientes, em torno de 20 a 40% com epilepsia focal são refratários aos medicamentos antiepilépticos e são potencialmente curáveis com ressecção cerebral. As cirurgias de epilepsia cerebral geralmente envolvem muitos riscos, como o déficit de campo visual causado ao se danificar o …
A max-tree é uma estrutura de dados que foi utilizada com sucesso em muitas aplicações, muitas delas voltadas ao processamento de imagens médicas.Esse projeto de doutorado possui três linhas de pesquisa principais: teoria, algoritmos e aplicações da max-tree. Esse projeto de pesquisa no exterior procuradesenvolver as aplicações. Especificamente, nós pretendemos desenvolver as aplicações d…