Professor Titular do Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo (ICMC-USP), campus São Carlos, Bolsista de Produtividade em Pesquisa 1A do CNPq e Vice-Presidente da Sociedade Brasileira de Computação (SBC). É coordenador da rede IARA, Inteligência Artificial Recriando Ambientes. Foi membro do Comitê de Assessoramento de Ciência da Computação do CNPq (CA-CC), de 2018 a 2021 (coordenador de 2019 a 2020). De 2013 a 2017 foi membro do conselho da International Association for Statistical Computing (IASC), do International Institute of Statistics. Possui Bacharelado (1987) e Mestrado em Ciência da Computação (1990) pela Universidade Federal de Pernambuco, e doutorado em Electronic Engineering pela University of Kent (1994). Seus principais interesses de pesquisa são Aprendizado de Máquina, Mineração de Dados e Ciência de Dados, com aplicações em várias áreas. Publicou vários artigos nessas áreas, alguns deles premiados em conferências organizadas por ACM, IEEE and SBC. Escreveu vários livros, entre eles Inteligência Artificial: Uma abordagem de Aprendizado de Máquina, publicado pelo GrupoGen em 2011 e prêmio Jabuti 2012, e A General Introduction to Data Analytics, publicado pela Wiley, em 2018. Foi Professor Associado na University of Guelph, Canada. Foi ainda Professor Visitante na University of Kent e Pesquisador Visitante na University of Kent e no Alan Turing Institute, UK. Avalia projetos para agências de fomento a pesquisa nacionais, CAPES, CNPq, FAPESP, FACEPE, FAPEMIG e Fundação Serrapilheira, e internacionais, NSERC (Canada), The Leverhulme Trust (Reino Unido), EPSRC Reino Unido), GACR (República Checa), CONICYT (Chile), Croatian Science Foundation (Croácia) e MIUR (Itália). É vice-diretor do ICMC-USP e do Centro de Ciências Matemáticas Aplicadas à Indústria da USP. É ainda Vice-Coordenador do MBA em Ciência de Dados do ICMC-USP. , do Conselho Consultivo da Rede MCTI-EMBRAPII de Inovação em Inteligência Artificial (IA), da Rede Ciência para Educação (CpE), do Comitê Diretivo para América Latina e Caribe da International Network for Government Science Advice (INGSA), do Conselho Universitário da Universidade de São Paulo e do Comitê Científico do Advanced Institute for Artificial Intelligence (AI2), do Strategy and Partnerships Board of the UKRI Centre for Doctoral Training in Accountable, Responsible and Transparent AI (ART-AI), at University of Bath, UK. Membro associado da Artificial Intelligence Institute - Te Ipu o te Mahara da University of Waikato, Nova Zelândia e do Grupo de Governança da Estratégia Brasileira de Inteligência Artificial (EBIA) do Ministério de Ciência, Tecnologia e Inovações e do Conselho Tecnológico da Associação Gestora de Fundo Patrimonial Chronos (?CHRONOS?).. Foi membro do Conselho Técnico Científico da Escola de Matemática Aplicada da Fundação Getúlio Vargas (EMAp-FGV) de 2018 a 2020. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o(a) pesquisador(a): |
| Alta productividad |
| Alta productividad |
| Elevada produtividade |
| Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o(a) pesquisador(a): |
| Plataforma avalia quanto os municípios brasileiros estão perto de se tornar cidades inteligentes |
| FAPESP, MCTI e CGI.br anunciam a constituição de seis Centros de Pesquisa em Inteligência Artificial |
| Análise de Redes Sociais |
| Big data pode gerar benefícios políticos, sociais e econômicos |
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias (0 total): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
A mobilidade tem um papel central nas diversas atividades relacionadas que fazemos, principalmente no trabalho, comércio, indústria e lazer. O estudo da mobilidade para diferentes finalidades (e.g., econômicas, serviços públicos, estudo acadêmico) deve ser feito de forma sistemática já que do ponto de vista científico é a questão mais fundamental que deve ser estudada para, a partir daí, …
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…
Sem percebermos, estamos usando tecnologias baseadas em algoritmos de Aprendizado de Máquina (AM) em um número crescente de nossas atividades diárias. O uso do ML tem feito várias atividades rotineiras e de riscos e mais seguras, mais confiáveis e mais precisas. Apesar dessas contribuições, novas demandas exigem o desenvolvimento de novos algoritmos de AM, ou utilização desses algoritmos…
O programa será finalizado após a seleção dos trabalhos. Estão previstas duas palestras internacionais convidadas e apresentação dos trabalhos selecionados por revisores. O KDMiLe 2013 aceitará full papers (8 páginas) e short papers (4 páginas). Todos serão apresentados oralmente, porém os full em 25 minutos e os short em 10 minutos. Artigos full aceitos e apresentados poderão submeterum…
Este projeto de cooperação internacional descreve as atividades a serem realizadas pelo Prof. Dr. Carlos M. M. O. P. Soares, da Faculdade de Engenharia da Universidade do Porto e INESC TEC, durante sua visita ao ICMC-USP. Nesta visita realizado trabalho no âmbito de uma cooperação científica na área de Mineração de Dados, especificamente em Meta-aprendizado. Para além disso, o Prof. Carl…
A geração de ambientes urbanos realísticos e cidades artificiais é uma área de grande importância tanto para a indústria do entretenimento quanto por seu papel na elaboração de cenários para simulações verossímeis em situações onde há carência de dados. Por se basearem em características observadas em cidades reais, tais métodos muitas vezes também se mostram capazes de replicar proprieda…
Ao ser descoberto que pelo menos 80% do genoma humano é biologicamente ativo, o conteúdo do genoma humano que não codifica proteína passou a não ser visto mais apenas como DNA "lixo". Sequências não-codificantes acabaram por conseguir um espaço cada vez maior em pesquisas recentes por papéis importantes envolvendo processos fisiológicos em organismos. Os pequenos RNAs não-codificantes ent…
A comunidade de microrganismos que vive em diversas regiões do corpo humano, seja sob a pele, no intestino, esôfago, boca, vagina e entre outros, é chamada de microbioma humano. Essas comunidades participam de processos essenciais para a saúde humana - como digestão, produção de nutrientes, desintoxicação, proteção contra patógenos e regulação do sistema imunológico. Desse modo, alteraçõe…
A análise de sentimentos é uma tarefa que se tornou fundamental para entendimento da opinião das pessoas relativa a assuntos, pessoas ou produtos, permitindo aprimorar processos em diversos segmentos sociais e comerciais. Com o uso de Machine Learning, se tornou possível tratar uma massiva quantidade de dados e atingir resultados promissores. Contudo, os modelos utilizados, em sua maioria…
O trabalho a ser realizado visa em atuar como auxilio na realização de atividades de transferência tecnológica entre empresas do polo de São José dos Campos e os grupos de pesquisa do Instituto de Ciências matemáticas e Computação da USP de São Carlos, no qual, serão realizadas Workshops, análises de problemas e oportunidades, criação de planos de ação em conjunto com a empresa. (AU)
O trabalho a ser realizado visa em atuar como auxilio na realização de atividades de transferência tecnológica entre empresasdo Polo de São José dos Campos e os grupos de pesquisa do Instituto de Ciências matemáticas e Computação da USP deSão Carlos, no qual, serão realizadas Workshops, análises de problemas e oportunidades, criação de planos de ação emconjunto com a empresa.
Diferentes comunidades microbianas habitam as diferentes regiões do corpo humano, seja boca, intestino, vagina ou outras. Eles são chamados coletivamente de Microbioma Humano (HM). Essas comunidades participam de processos essenciais na saúde humana. Assim, uma melhor compreensão do microbioma central humano pode ajudar no diagnóstico precoce de distúrbios e contribuir para tratamentos po…
A previsão é uma das principais tarefas da análise de séries temporais. A seleção de modelos de previsão é uma etapa de tomada de decisão crucial em muitas aplicações do mundo real. Para obter previsões que melhor explicam as variáveis de interesse no futuro, é necessário selecionar o modelo que melhor se ajusta a uma determinada série temporal. No entanto, a tarefa de seleção pode ser ba…
A busca por vizinhos mais próximos (NNS) é uma das principais áreas de pesquisa em ciência da computação.O aprendizado de máquina utiliza algoritmos de NNS eficientes para acelerar algoritmos baseados em distância.No entanto, a maioria dos algoritmos de aprendizado incremental baseados em vizinhança ainda dependem de estratégias de busca por força bruta.Este projeto de pesquisa está focad…
O Deep Learning (DL), uma classe de algoritmos de aprendizado de máquina, demonstrou uma alta capacidade de induzir modelos em diferentes domínios do conhecimento. Atualmente, os modelos DL são considerados estado da arte em muitas aplicações, como reconhecimento de imagem e voz, simulação de jogadores, entre outras. Embora os modelos de DL tenham alta precisão preditiva em muitas tarefas…
A influência de dados desbalanceados no desempenho preditivo de modelos é amplamente estudada. Tarefas de classificação com dados desbalanceados não são desafiadoras por si só. Quando as classes são linearmente separáveis, um algoritmo de classificação tradicional normalmente induz modelos preditivos capazes de distinguir as classes apropriadamente. O desbalanceamento impõe dificuldade qu…
Em muitos problemas práticos de classificação, o conjunto de dados a ser utilizado para a indução de um classificador é significativamente desbalanceado. Isso ocorre quando a quantidade de exemplos de determinada classe é muito inferior à(s) da(s) outra(s) classe(s). Conjuntos de dados desbalanceados podem comprometer o desempenho da maioria dos algoritmos clássicos de classificação, uma …
Publicado em 29 de abril de 2019 - Agência FAPESP. Os dados têm valor e, se bem explorados, podem gerar benefícios políticos, sociais e econômicos. Mas, se por um lado há uma infinidade de dados disponíveis para serem coletados e trabalhados, por outro há uma imensa demanda reprimida no Brasil por profissionais da área de computação. A avaliação foi feita no dia 22 de abril, na Assembleia Legislativa de São Paulo (Alesp), por pesquisadores participantes do segundo evento do Ciclo de Palestras ILP-FAPESP 2019, que teve como tema Big data e Machine learning. O ciclo é uma parceria entre o Instituto do Legislativo Paulista (ILP) e a FAPESP.
CV Lattes
ORCID