Graduado em Matemática pela UNESP (2001) e concluiu mestrado e doutorado em Matemática Computacional pelo ICMC-USP em 2004 e 2008, respectivamente, com estágio sanduíche na Universidade do Porto, Portugal. Em seguida, realizou pós-doutorado no ICMC-USP em 2009. Atualmente atua como professor associado do Departamento de Matemática e Computação da FCT-UNESP, Atuou no desenvolvimento do sistema InfoTracker SP COVID-19, que utilizou técnicas de aprendizado de máquina para predição da taxa de contágio em todo o estado de São Paulo. Orientador de alunos de mestrado e doutorado nos programas de pós-graduação em Matemática Computacional (FCT/UNESP) e Ciência da Computação (UNESP). Pesquisador principal de projetos FAPESP envolvendo a Academia e Indústria (Centro de Ciências Matemáticas Aplicadas à Indústria Ciência de Dados para a Indústria Inteligente). Foi coordenador de um Projeto Jovem Pesquisador da FAPESP, tendo recebido menção honrosa do Prêmio Odelar Leite Linhares em 2009 pela melhor tese de doutorado da SBMAC, e orientador duas dissertações de mestrado premiadas pela SBMAC. Editor Associado dos periódicos Journal of Computational Mathematics and Data Science and Computational and Applied Mathematics. Editor-adjunto da Coleção Matemática Aplicada da Sociedade Brasileira de Matemática. Pesquisador visitante no Artificial Intelligence Institute in Dynamic Systems, University of Washington, US entre 2022 e 2024. Graduado em Matemática pela UNESP (2001) e concluiu mestrado e doutorado em Matemática Computacional pelo ICMC-USP em 2004 e 2008, respectivamente, com estágio sanduíche na Universidade do Porto, Portugal. Em seguida, realizou pós-doutorado no ICMC-USP em 2009. Atualmente atua como professor associado do Departamento de Matemática e Computação da FCT-UNESP, Atuou no desenvolvimento do sistema InfoTracker SP COVID-19, que utilizou técnicas de aprendizado de máquina para predição da taxa de contágio em todo o estado de São Paulo. Orientador de alunos de mestrado e doutorado nos programas de pós-graduação em Matemática Computacional (FCT/UNESP) e Ciência da Computação (UNESP). Pesquisador principal de projetos FAPESP envolvendo a Academia e Indústria (Centro de Ciências Matemáticas Aplicadas à Indústria Ciência de Dados para a Indústria Inteligente). Foi coordenador de um Projeto Jovem Pesquisador da FAPESP, tendo recebido menção honrosa do Prêmio Odelar Leite Linhares em 2009 pela melhor tese de doutorado da SBMAC, e orientador duas dissertações de mestrado premiadas pela SBMAC. Editor Associado dos periódicos Journal of Computational Mathematics and Data Science and Computational and Applied Mathematics. Editor-adjunto da Coleção Matemática Aplicada da Sociedade Brasileira de Matemática. Pesquisador visitante no Artificial Intelligence Institute in Dynamic Systems, University of Washington, US entre 2022 e 2024. Suas pesquisas envolvem matemática aplicada e inteligência artificial. Mais informações: https://lsnia-unesp.github.io/ (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) |
Os modelos matemáticos permitem aos cientistas traduzir o comportamento de sistemas complexos num conjunto de equações que descrevem a relação entre as variáveis mais importantes. Entre os diferentes modelos matemáticos, as equações diferenciais constituem uma ferramenta poderosa para modelar a evolução dos sistemas ao longo do tempo, tornando-as adequadas para modelar fenômenos dinâmicos…
O Centro de Ciência de Dados para a Indústria Inteligente atua como um hub de análise de dados avançados para a indústria, visando melhorar a eficiência operacional, a qualidade dos produtos, a inovação e a sustentabilidade, através da aplicação de técnicas de ciência de dados e análise de dados em processos industriais. O contacto com as indústrias será mediado pelo SENAI e operacionaliz…
O foco desta proposta é a transferência de conhecimento matemático para outras áreas da ciência, tecnologia e indústria, por meio de um centro de pesquisa estruturado para esse fim. Todo o conhecimento matemático é, em última análise, aplicável se não diretamente, por meio de outros conhecimentos. Em algumas áreas da matemática a aplicação é quase imediata (entretanto, a colocação em prát…
O estudo de métodos numéricos de alta ordem para escoamentos transientes é proposto neste projeto de pesquisa. Baseado nos recentes avanços alcançados pelo candidato será desenvolvida metodologias eficientes que sejam capazes de resolver problemas tecnológicos e científicos, nos quais admitam diferentes tipos de condições de contorno, distintos números de Reynolds e modelos de fluidos new…
As simulações computacionais de problemas complexos governados por equações diferenciais vêm sendo aperfeiçoadas de forma significativa com os avanços de técnicas de Inteligência Artificial (IA), que podem ser combinadas aos métodos numéricos clássicos. Na proposta atual serão investigadas diferentes técnicas de IA, como por exemplo Machine/Deep Learning (ML/DL), Physics Informed Neural N…
Neste projeto de pesquisa serão investigados modelos matemáticos utilizados em sistemas de liberação contralada de fármacos. Os métodos numéricos serão aplicados para auxiliar o entendimento da eficácia de tratamentos associados as doenças que afetam a retina e a coróide. Baseado em um recente trabalho do supervisor e colaboradores, incluíndo médicos oftalmologistas, o bolsista irá utiliz…
Neste projeto de Iniciação Científica investigaremos o método dos mínimos quadrados para a aproximação de dados discretos. Inicialmente serão analisados alguns tópicos clássicos de Álgebra Linear, como processo de ortogonalização, decomposições matriciais, autovalores e autovetores, etc. Após essa etapa, o aluno implementará as técnicas mais conhecidas na solução computacional do método d…
Neste projeto de iniciação científica (IC) investigaremos o cálculo numérico de curvaturas de interfaces. A interface será descrita via representação implícita, particularizando a construção via volume de frações do método \textit{Volume-of-Fluid} (VoF). Inicialmente o aluno se concentrará nos estudos conceituais do método VoF, como a definição de frações de volume e a reconstrução da int…
Neste projeto nós investigaremos a combinação das técnicas de Identificação Esparsa de Dinâmicas Não-Lineares (SINDy) e Autoencoders (AE) para estudo de escoamentos de fluidos viscoelásticos. SINDy é uma ferramenta valiosa para identificação das equações que governam um sistema baseado em dados observacionais, enquanto AE podem gerar modelos de ordem reduzida que tornam a solução de probl…
Esta proposta apresenta um plano de pesquisa para investigar métodos baseados em dados, técnicas de aprendizado de máquina e esquemas numéricos para solução de escoamentos de fluidos não-Newtonianos, como por exemplo, fluidos viscoelásticos. Embora a aplicação de aprendizado de máquina já seja considerada uma ferramenta importante nas pesquisas de mecânica de fluidos Newtonianos, a constr…
Neste projeto, estudaremos estratégias numéricas para lidar com mudanças topológicas complexas em escoamentos de fluidos viscoelásticos. Baseados na combinação do método Marker-And-Cell (MAC) com o esquema Front-Tracking, incorporaremos as equações constitutivas, que descrevem o escoamento viscoelástico, no código criado a partir de diferenças finitas. Este código foi recentemente desenvo…
CV Lattes
ORCID