CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade Estadual de Campinas (UNICAMP). Faculdade de Ciências Aplicadas (FCA) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Leonardo Tomazeli Duarte graduou-se em Engenharia Elétrica pela Universidade Estadual de Campinas (Unicamp) (2004). É mestre em Engenharia Elétrica pela Unicamp (2006), doutor pelo Institut Polytechnique de Grenoble (Grenoble INP - Université Grenoble Alpes, França) (2009), na modalidade Signal, Image, Parole, Télécom, e livre-docente pela Unicamp (2020). Realizou estágio pós-doutoral na Université Toulouse III Paul Sabatier (França) (2023). É Professor Associado (MS 5.2) na Faculdade de Ciências Aplicadas (FCA) da Unicamp. Sua pesquisa está inserida nas áreas de inteligência artificial, aprendizado de máquina, processamento de sinais e apoio à decisão multicritério. É Pesquisador Principal no Centro de Pesquisa Aplicada (CPA-FAPESP) em Inteligência Artificial BI0S (Brazilian Institute of Data Science). Foi Coordenador do Programa de Pós-Graduação em Engenharia de Produção e de Manufatura (PPGEPM) da FCA (2015-2017) e Coordenador de Pós-Graduação da FCA (2017-2021). Atuou como assessor na Pró-Reitoria de Pesquisa (PRP) da Unicamp (2021-2023). Desde 2025, atua como assessor da Diretoria Executiva de Tecnologia de Informação e Comunicação (DETIC) da Unicamp, onde coordena o Centro de Referência em Tecnologias de Inteligência Artificial. É Senior Member do Institute of Electrical and Electronics Engineers (IEEE). É membro dos comitês técnicos Signal Processing Theory and Methods (SPTM) e Machine Learning for Signal Processing da IEEE Signal Processing Society (IEEE-SPS). Atuou como professor visitante na École de Génie Industriel (Grenoble INP, França) em 2016, na Université Paris Cité em 2024 e no Toulouse INP (2025). Recebeu da Unicamp, em 2017, o Prêmio de Reconhecimento Acadêmico Zeferino Vaz. Em 2022, foi eleito Membro Afiliado da Academia Brasileira de Ciências (ABC), período 2023-2027, na área de Ciências da Engenharia. (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 Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir…
O problema de separação cega de fontes (BSS) se trata da recuperação de um conjunto de sinais fontes a partir exclusivamente de um conjunto de misturas, ou seja, de maneira não-supervisionada. A BSS, intensamente estudada em processamento de sinais e por outras comunidades relacionadas à análise de dados, apresenta uma gama interessante de aplicações práticas, que vão desde a separação de…
Um dos problemas centrais na análise de decisão multicritério diz respeito ao desenvolvimento de métodos quantitativos capazes de ordenar um conjunto de alternativas levando em conta diferentes critérios de decisão. Tais métodos vêm sendo intensamente aplicados em problemas presentes em diferentes áreas do conhecimento. No entanto, a despeito do expressivo grau de desenvolvimento da análi…
O problema de separação cega de fontes (BSS, do inglês blind source separation) vem sendo estudado nas áreas de processamento de sinais e aprendizado de máquina. Em breves termos, na BSS, o objetivo é recuperar um conjunto de sinais (fontes) a partir exclusivamente da observação de misturas de tais fontes, o que se configura como uma tarefa de aprendizado não supervisionado. Visando contr…
Um tema que vem ganhando destaque na literatura científica é o desenvolvimento de algoritmos de inteligência artificial (IA) - especialmente de aprendizado de máquina - adaptados para execução em computadores quânticos, com vistas a se beneficiar de potenciais ganhos de desempenho computacional proporcionados pela computação quântica. Um dos desafios centrais nessa frente é que os paradi…
Decisões em diversos âmbitos, como pessoal, social ou governamental, geralmente são tomadas considerando múltiplos aspectos relevantes. Esses aspectos podem ser critérios de decisão, objetivos conflitantes ou até mesmo múltiplos modos de informação (multimídia). Decisões envolvendo múltiplos aspectos muitas vezes são um desafio, pois exigem um esforço significativo na análise dos dados e…
Uma questão central no estudo de métodos de aprendizado de máquina diz respeito à busca por mecanismos de interpretabilidade dos modelos obtidos após fase de treinamento. De fato, além de fornecer ao tomador de decisão elementos sobre como o modelo está utilizando a informação disponível numa dada tarefa, a interpretabilidade é requisito fundamental para o avanço na busca de métodos mais …
Técnicas de aprendizado de máquina vêm sendo utilizadas na construção de sistemas automáticos a fim de lidar com diversos problemas práticos. Exemplos são as aplicações em sistemas de liberação de créditos, os quais avaliam se um indivíduo levará a uma possível inadimplência no pagamento do crédito recebido, ou em sistemas judiciais, os quais preveem se o réu sob julgamento pode vir a ser…
Atualmente, a comunidade de pesquisa tem se esforçado no desenvolvimento de mecanismos que melhoram a interpretabilidade e a equidade em problemas de aprendizado de máquina. Trabalhos recentes abordaram a interpretabilidade por meio do método agnóstico denominado SHAP. Este método é baseado no valor de Shapley, um conceito clássico da teoria dos jogos cooperativos que indica a contribuiçã…
O gráfico de controle é uma das principais ferramentas do controle estatístico de processos (CEP) e serve para determinar se a variabilidade observada é inerente ao processo sob análise, ou se decorre de causas ditas especiais, resultantes, por exemplo, de erros de operadores ou falhas de equipamentos. Quando há uma causa especial atuando no processo, é importante classificar o tipo da an…