Busca avançada
Ano de início
Entree

André Carlos Ponce de Leon Ferreira de Carvalho

CV Lattes ORCID


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 Titular, desde 2006, e atual Diretor, desde 2022, do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), em São Carlos, e Vice-Diretor do Centro de Inteligência Artificial e Aprendizado de Máquina (CIAAM) da USP. Membro da Comissão de Orçamento e Patrimônio da USP de 2024-2026. Bolsista de Produtividade em Pesquisa 1A do CNPq. Coordena a rede IARA, Inteligência Artificial Recriando Ambientes. Membro do Comitê de Assessoramento de Ciência da Computação do CNPq (CA-CC), 2018-2021 (coordenador de 2019 a 2020) e 2024-2027. Coordena o WG12.2 Working Group on Machine Learning and Data Mining da International Federation for Information Processing (IFIP). Membro do Steering Committee of the Artificial Intelligence for Global Health (AI4GH) Project, IDRC, Canada. Foi Vice-Presidente da Sociedade Brasileira de Computação (SBC), de 2019 a 2023. De 2013 a 2017 foi membro do conselho da International Association for Statistical Computing (IASC), do International Institute of Statistics (ISI). 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, FAPERJ, FAPESP, FACEPE, FAPEMIG, FINEP e Fundação Serrapilheira, e internacionais: Comisión Nacional de Investigación Científica y Tecnológica, CONICYT (Chile), Croatian Science Foundation, HRZZ (Croácia), Czech Science Foundation, GACR (República Tcheca), Engineering and Physical Sciences Research Council, EPSRC (Reino Unido), Israel Science Foundation, ISF (Israel), Natural Sciences and Engineering Research Council of Canada, NSERC (Canada), Leverhulme Trust (Reino Unido), Ministero dell'Istruzione, dell'Università e della Ricerca, MIUR (Itália) e Swiss National Science Foundation, SNSF (Suíça). Diretor do Centro de Ciências Matemáticas Aplicadas à Indústria da USP. É ainda Vice-Coordenador do MBA em Ciência de Dados do ICMC-USP , 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, do UK Expert Advisory Panel of State of Science Report for the risks associated with frontier AI, da Community of Practices da HealthAI, do Conselho Tecnológico da Associação Gestora de Fundo Patrimonial Chronos (CHRONOS) e do Comitê de Governança do Indicações Geográficas (IG) São Carlos. Foi membro do Grupo de Governança da Estratégia Brasileira de Inteligência Artificial (EBIA) do MCTI, do Conselho Técnico Científico da Escola de Matemática Aplicada da Fundação Getúlio Vargas (EMAp-FGV) de 2018 a 2020 e do Membro do Conselho Consultivo da Rede MCTI-EMBRAPII de Inovação em Inteligência Artificial. (Fonte: Currículo Lattes)

Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o(a) pesquisador(a):
Alta productividad 
Alta productividad 
Elevada produtividade 
Mais itens
Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o(a) pesquisador(a):
2º Workshop Datificação da atividade de Comunicação e Trabalho de arranjos de comunicadores 
Ciclo ILP-FAPESP: Transformação Digital nos Municípios 
Modelo matemático pode auxiliar empresas em leilões da Aneel 
Pesquisadores do CeMEAI criam ferramentas computacionais para o Tribunal de Contas de São Paulo 
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 
Mais itens
Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a)
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)
Auxílios à pesquisa
Bolsas no país
Bolsas no Exterior
Apoio FAPESP em números * Dados atualizados em 07/12/2024
Colaboradores mais frequentes em auxílios e bolsas FAPESP
Palavras-chave utilizadas pelo pesquisador
Agrupamento de dados Algoritmos evolutivos Algoritmos genéticos hıbridos Algoritmos genéticos Algoritmos Ambientes urbanos Análise de dados Análise de sequência com séries de oligonucleotídeos Análise de séries temporais Análises multiômicas Anotação Aprendizado computacional Aprendizado federado Aprendizagem profunda Aprendizagem Ataques a computadores Big data Biociências Biologia computacional Biologia molecular Biometria Cadeias de Markov Cidades inteligentes Ciência da Computação Ciência da computação Ciência de dados Ciência Ciências Exatas e da Terra Ciências da Saúde Classificação de dados Classificação hierárquica multirrótulo Classificação hierárquica Classificação multirrótulo Classificação Coleta de dados Computação bioinspirada Computação evolutiva Computação natural Controle de ruídos Descoberta de conhecimento em bases de dados Descoberta de conhecimento Desenvolvimento urbano Diagnóstico por imagem Diagnóstico Eletrônica Industrial, Sistemas e Controles Eletrônicos Emoções Engenharia Elétrica Engenharia de software Engenharias Espaço urbano Eventos científicos e de divulgação Expressão gênica Fluxo de dados Frameworks Fuzzy (inteligência artificial) Genomas Grafos Imagem por ressonância magnética funcional Indústria agrícola Indústrias Inovações tecnológicas Inteligência artificial explicável Inteligência artificial Inteligência computacional Intercâmbio de pesquisadores Interdisciplinar Interface usuário-computador Internet das coisas Máquinas de vetores de suporte Matemática Aplicada Matemática da Computação Matemática Medicina Meta-aprendizado computacional Meta-heurística Metodologia e Técnicas da Computação Microbiota Mineração de dados Mineração de texto Modelagem computacional Modelos estatísticos Modelos matemáticos Modelos preditivos Neoplasias de cabeça e pescoço Neoplasias Oftalmologia Otimização de sistemas Otimização Perceptron multicamadas Planejamento da operação de sistemas Pré-processamento de dados Previsão (análise de séries temporais) Processamento de linguagem natural Qualidade da água RNAs não codificadores Raciocínio baseado em casos Reconhecimento de padrões Redes bayesianas Redes complexas Redes de distribuição de água Redes neurais (computação) Redes neurais Regulação da expressão gênica Reserva técnica Reuniões científicas Robôs móveis Robôs Robótica Ruído Segurança de redes Seleção de modelos Sistemas CRISPR-Cas Sistemas Elétricos de Potência Sistemas de Computação Sistemas de detecção de intrusão Sistemas de distribuição de energia elétrica Sistemas de informação Sistemas híbridos inteligentes Sistemas híbridos Sistemas hidrotérmicos Sistemas imunológicos artificiais Sistemas multiagentes Tecnologia Tecnologias da saúde Telemonitoramento Teoria da computação Tomada de decisão Trajetória Transfer learning Transferência Transtorno autístico Tratamento de esgotos sanitários Tratamento do câncer Tratamento Uso do solo Visão computacional Visualização de dados Workshops
Videos relacionados aos auxílios à pesquisa e bolsas

Big data e machine learning


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.

Por favor, reporte erros na informação da página do pesquisador utilizando este formulário.