CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade Federal de São Carlos (UFSCAR). Centro de Ciências Exatas e de Tecnologia (CCET) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Possui graduação em Bacharelado em Ciências da Computação pela Universidade de São Paulo (2004), mestrado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2006) e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2011). Entre 2020 e 2022 esteve em período sabático, como pesquisador / professor visitante, no Departamento de Ciência de Computação da Universidade de Alberta, em Edmonton, AB, Canadá, Participou de diversos projetos de pesquisas financiados por agências de fomento nacionais e estaduais. Atualmente é professor Associado da Universidade Federal de São Carlos e faz parte do corpo de orientadores do Programa de Pós-Graduação em Ciências da Computação do Departamento de Computação. Tem experiência na área de ciência da Computação, com ênfase em Mineração de Dados, atuando principalmente nos seguintes temas: Aprendizado de Máquina, Agrupamento de Dados, Computação Paralela, Distribuída e Evolutiva. (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) |
O crescente aumento da quantidade de dados gerados pelas tecnologias atuais tornam sua análise desafiadora. Primeiro, porque grande parte destes dados muitas vezes não são identificados (rotulados) durante sua criação e, portanto, a organização/relação entre seus objetos não são explícitas. Segundo, porque é preciso que os métodos utilizados na análise que sejam escaláveis a ponto de atin…
Encontrar o grafo dos K vizinhos mais próximos (do inglês k Nearest Neighbors Graph - kNNG) de um conjunto de dados é uma operação importante, usada em diversos algoritmos, como, por exemplo, algoritmos de agrupamento e de detecção de anomalias. Entretanto, essa operação é muito custosa, visto que, quando se calcula todos os k vizinhos de todos os pontos do conjunto, há uma complexidade …
A quantidade de dados geradas em diversas áreas do conhecimento gera a necessidade do desenvolvimento de técnicas de mineração cada vez mais robustas e com bom desempenho. Técnicas de agrupamento têm sido utilizas com sucesso em várias áreas, especialmente áreas onde não há conhecimento prévio da organização dos dados. Entretanto, encontrar um agrupamento, ou um conjunto de agrupamentos, …
Agrupamento é uma tarefa de aprendizado de máquina não supervisionada essencial para várias aplicações. Dessa forma, alguns algoritmos precisam do Grafo dos k Vizinhos Mais Próximos (k NNG) como parte do agrupamento. No entanto, encontrar o k NNG pode ser uma operação computacionalmente custosa, pois calcular todos os k vizinhos de todos os pontos do conjunto são necessários, resultando e…