Possui graduação em Engenharia Elétrica (1992) pela Universidade Federal de Goiás (UFG), mestrado em Engenharia Elétrica (1996) e doutorado em Ciências Biológicas (Fisiologia) (2001) pela Universidade Estadual de Campinas (UNICAMP). Ingressou em 2004 na Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP), em Rio Claro-SP, no Departamento de Estatística, Matemática Aplicada e Computação (DEMAC) do Instituto de Geociências e Ciências Exatas (IGCE), tornando-se professora associada em 2010. Desde 2019 é professora titular (MS-6). É docente do Programa de Pós-Graduação em Desenvolvimento Humano e Tecnologias (PPG-DEHUTE), do Instituto de Biociências (IB). Entre 2022 e 2023 esteve em estágio de pós-doutorado na University of New South Wales, em Sydney, Australia. Tem experiência na área de Computação, com ênfase em Inteligência Computacional, atuando principalmente nos seguintes temas: aprendizado de máquina, mineração de dados, computação inspirada na natureza, automação inteligente. (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 algoritmos de agrupamento de dados (data clustering) dividem dados em grupos (clusters) significativos, de modo que os padrões no mesmo grupo são semelhantes de algum modo e os padrões em diferentes grupos são distintos do mesmo modo. A procura de clusters envolve a aprendizagem não supervisionada, na qual não se conhece previamente a que grupo os dados pertencem. O agrupamento partici…
Nos últimos anos, as novas tecnologias propiciaram um enorme aumento da capacidade de armazenamento e de processamento de dados, gerando a necessidade de análise de grandes volumes de dados capturados pelos instrumentos científicos ou gerados por simulações, e resultando em dados com uma elevada dimensionalidade. Todavia, as ferramentas computacionais para a inspeção e extração de conheci…
Geração automática de legendas de imagens é uma tarefa que consiste em decifrar uma imagem e descrevê-la em frases em linguagem natural. Esta tarefa combina Processamento de Linguagem Natural e Visão por Computador para gerar as legendas. Recentemente, os métodos de Deep Learning estão conseguindo resultados muito promissores para o problema de geração de legendas. Esta pesquisa propõe in…
O agrupamento de dados (data clustering) é uma das mais importantes técnicas não supervisionadas de gerenciamento de dados, usada em muitas aplicações científicas e de engenharia, tais como aprendizagem de máquina, mineração de dados, reconhecimento de padrões e processamento de imagem. Consiste em dividir um conjunto de dados em subconjunto menores, chamados de clusters. A partição é ob…
O agrupamento de dados (clustering) é um problema de Mineração de Dados que consiste em, fornecido um conjunto de dados, agrupar seus objetos, de maneira que os objetos mais semelhantes entre si fiquem no mesmo cluster (grupo) e os objetos com menor similaridade sejam alocados em outros clusters. Em geral, o número de clusters é previamente definido para a separação dos objetos. Porém, em…
Fluxos de dados são caracterizados por gerar dados continuamente, em grandes quantidades e com intervalo de tempo entre cada observação altamente variado. São uma sequência ordenada de instâncias e podem ser potencialmente de tamanho ilimitado. Eles vêm ganhando bastante atenção nos últimos anos devido às inúmeras aplicações reais em ambientes dinâmicos que produzem dados não-estacionário…
CV Lattes
ORCID