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). 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, Membro Titular da Academia Brasileira de Ciências (ABC), Bolsista de Produtividade em Pesquisa 1A do CNPq e Vice-Diretor do Centro de Inteligência Artificial e Aprendizado de Máquina (CIAAM) da USP. É atualmente Membro do Comitê Diretivo para América Latina e Caribe da International Network for Government Science Advice (INGSA), 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 Universitário da Universidade de São Paulo, 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, Associado da Artificial Intelligence Institute - Te Ipu o te Mahara da University of Waikato, Nova Zelândia, da Comissão de Orçamento e Patrimônio da USP de 2024-2026, do Conselho Tecnológico da Associação Gestora de Fundo Patrimonial Chronos (CHRONOS) e do Comitê de Governança do Indicações Geográficas (IG) São Carlos e da Rede Ciência para Educação (CpE). 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). 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). 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 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) |
Este projeto define a aplicação da Reserva Técnica para a manutenção e o fortalecimentoda infraestrutura Institucional e Computacional do ICMC. O projeto contempla recursospara a manutenção da infraestrutura em nuvem e seu datacenter, nomeada Cloud-ICMC,substituição do isolamento acústico do Auditório Fernão Stella de Rodrigues Germano ea atualização do sistema de climatização de ambiente…
Este projeto criará um ecossistema de inovação aberta baseado em inteligência artificial para cidades inteligentes capazes de resolver desafios sociais. O ecossistema também deve ser uma área para startups e PMEs desenvolverem e terem acesso a soluções de cidades inteligentes com base no mesmo código aberto e padrões abertos e estrutura de interoperabilidade recomendada pela UE e OASC, to…
Este projeto explorará caminhos para planejamento e modelagem de saúde personalizados. Combinaremos inteligência artificial e modelagem matemática para produzir previsão de diagnóstico personalizada e suporte à decisão para o projeto de tratamento personalizado e vias de diagnóstico. A solução proposta garantirá a privacidade dos dados, justiça e interpretabilidade do modelo, para permiti…
Este projeto define a aplicação da parcela da Reserva Técnica para manutenção da infraestrutura computacional do ICMC. O projeto contempla recursos para a manutenção da infraestrutura em nuvem e seu datacenter, conhecida por Cloud-ICMC. A Cloud-ICMC, desde 2013, atende de forma compartilhada as demandas computacionais gerais de todos os 33 grupos de pesquisa do ICMC e este projeto contrib…
Este projeto destina-se à aplicação da parcela da Reserva Técnica para Infraestrutura Institucional de Pesquisa do ICMC. O projeto abrange recursos para a manutenção de infraestrutura em nuvem própria do Instituto, denominada Cloud-ICMC, e para a melhoria da cobertura da rede de acesso sem fio, principalmente para atender avançadas tecnologias de comunicação. Desde 2013, a Cloud-ICMC aten…
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 uso de Inteligência Artificial (IA), como Redes Neurais Convolucionais (CNNs), tem demonstrado eficiência e alta assertividade para aplicações médicas. Apesar desse sucesso, existem desafios significativos a serem superados, relacionados à disponibilidade de "real-world data" e às arquiteturas de CNN, que enfrentam desafios quanto à confiabilidade e explicabilidade, visto que o uso da I…
A compreensão da linguagem da vida, composta pelo DNA e sua tradução em aminoácidos, representa um desafio formidável para as metodologias tradicionais devido à sua complexidade inerente. Consequentemente, houve uma mudança notável no sentido de aproveitar os recursos das técnicas livres de alinhamento, especialmente as abordagens de aprendizado de máquina (AM). Entre elas, o aprendizado …
O diagnóstico de autismo é feito apenas a partir da análise clínica, que é frequentemente inacessível. O uso da IA poderia ajudar médicos a aprimorar o diagnóstico com dados biológicos, como a Imagem por Ressônancia Magnética Funcional (fMRI). Contudo, dados com essa complexidade dependem do uso de modelos igualmente complexos, que não são interpretáveis e, portanto, são menos confiáveis.…
Projeções da ONU indicam o crescimento populacional concomitante com o aumento da concentração urbana, fatores que estressam a infraestrutura das cidades. Especificamente sobre saneamento, no Brasil se observam perdas de 37% na distribuição urbana de água, fato que explicita a necessidade de modernizar esse sistema para integrá-lo no contexto de cidades inteligentes. Além disso, deve-se t…
Este trabalho tem como objetivo investigar duas classes de algoritmos de aprendizado por reforço para o desenvolvimento de estratégias de Investimento em Alta Frequência: Algoritmos de Aprendizado Profundo por Reforço e Algoritmos de Aprendizado por Reforço através de Otimizadores Evolutivos. Propomos inicialmente o desenvolvimento de um simulador realista da bolsa de valores brasileira, …
A medida que surgiram as tecnologias de sequenciamento de alto rendimento nessas últimas décadas, foi amplificada a taxa de coleta de dados biológicos, ao mesmo tempo que isso serviu como gargalo para o posterior processamento e análise, dado o grande volume desses dados. Considerando os dados volumosos provenientes dessas tecnologias, foi permitida a criação de campos de estudos engloban…
Uma visão holística é vital na busca de soluções robustas de Inteligência Artificial (IA). Se tratando de Cidades Inteligentes, as implementações de IA devem ser adaptáveis às variações no cenário urbano. São obtidos dados reais de consumo da cidade de São Paulo, fruto de parceria com a Sabesp, e nota-se a falta de correspondência entre o modelo de estimativa de consumo na normativa da em…
A ciência tem buscado ativamente ferramentas para auxiliar no diagnóstico precoce de doenças, incluindo transtornos psiquiátricos. A ressonância magnética funcional (fMRI) surgiu como uma ferramenta valiosa para estudar e diagnosticar esses transtornos, permitindo a observação da ativação cerebral por meio do sinal BOLD. No entanto, os dados de fMRI são inerentemente complexos, e o aprove…
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…
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