CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade Estadual Paulista (UNESP). Campus de São José do Rio Preto. Instituto de Biociências, Letras e Ciências Exatas (IBILCE) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Atualmente é professor associado na Universidade Estadual Paulista (UNESP-IBILCE), bolsista de produtividade do CNPq, diretor científico da FAPERP, e pesquisador principal do CPA-FAPESP CDII - Ciência de Dados para a Indústria Inteligente (USP, UNICAMP, UNESP e SENAC). É orientador acadêmico em programas de Pós-Graduação da UNESP e coordena o projeto SP Covid-19 Info Tracker (www.spcovid.net.br), cujo propósito é disponibilizar à sociedade, governos, e veículos da imprensa uma plataforma nacional de monitoramento da COVID-19. Tem conduzido estudos e assessorias técnicas sobre a pandemia para autoridades do poder público e do judiciário, colaborando desde 2020 como cientista convidado nas coberturas jornalísticas da Rede Globo, Grupo Bandeirantes, SBT, CNN, UOL, Folha de S.Paulo, Estadão e O Globo. Tem contribuído na condição de pesquisador visitante e orientador em instituições de pesquisa de Portugal, Itália e EUA. Em 2019-2020 atuou como professor convidado na UNIVESP, ministrando cursos EaD nas áreas de tecnologia e matemática. De 2015 à 2016 realizou pós-doutorado no ICMC/USP, na linha de Visão de Máquina e Matemática Computacional. Em 2014 obteve o título de doutor na área de Ciências da Computação pelo ICMC/USP, atuando nas mesmas frentes de seu pós-doutorado. Em 2013 foi pesquisador visitante (doutorado sanduíche) na Brown University e MIT, sob a supervisão do Prof. Gabriel Taubin. Em 2008-2010 e 2004-2007, concluiu o Mestrado em Matemática e o Bacharelado em Matemática Aplicada e Computacional na UNESP-IBILCE. Tem atuado em comitês científicos de assessoramento como parecerista, editor científico, membro técnico, e revisor de periódicos nas áreas de Visão Computacional, Inteligência Computacional, Matemática Computacional, e Sensoriamento Remoto. Teve seus avanços de pesquisa reconhecidos por sociedades científicas do exterior, como o CLEI (Comitê Latino-americano de Informática - melhor tese de doutorado da AL), e nacionais, como a SBMAC (Sociedade Brasileira de Matemática Aplicada e Computacional - prêmio Odelar Leite Linhares - melhor tese de doutorado), CAPES (menção honrosa - prêmio CAPES de Tese), e USP (prêmio USP Tese Destaque na grande área de Ciências Exatas e da Terra). Tem experiência nas áreas de Visão Computacional (Segmentação, Inpainting, Colorization, Registration), Matemática Aplicada e Computacional (Modelagem Numérica, EDPs, Otimização, Epidemiologia Matemática), Inteligência Computacional (Machine Learning, Unsupervised Learning, Data Science, Deep Learning), Programação de Computadores e Aplicações Tecnológicas de Computação na Indústria e Gestão Pública (Algoritmos Inteligentes no Setor de Energias, Meio Ambiente, Agricultura, e Autarquias Publicas). (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 Ciência de Dados para a Indústria Inteligente atua como um hub de análise de dados avançados para a indústria, visando melhorar a eficiência operacional, a qualidade dos produtos, a inovação e a sustentabilidade, através da aplicação de técnicas de ciência de dados e análise de dados em processos industriais. O contacto com as indústrias será mediado pelo SENAI e operacionaliz…
Este projeto contempla duas linhas distintas de pesquisa: Segmentação de Imagens Digitais e Modelagem Epidemiológica da COVID-19 Dirigida por Dados. Trata-se de um projeto de natureza multidisciplinar que procura aliar desenvolvimentos teóricos e computacionais como solução de diferentes aplicações no âmbito da Inteligência Computacional, com resultados anteriores já publicados em conferê…
A previsão da geração de eletricidade é uma das tarefas mais importantes no gerenciamento de sistemas energéticos modernos. Melhorar a assertividade dessa previsão pode auxiliar agências governamentais, companhias elétricas e fornecedores de energia a minimizar o custo da eletricidade para o consumidor final. Neste trabalho, o problema de previsão de demanda de energia elétrica no Sistema…
Este projeto de Iniciação Científica visa investigar a relação entre incêndios florestais e a qualidade do ar no estado de São Paulo, utilizando técnicas de Análise Exploratória de Dados e Aprendizado de Máquina. O objetivo central é identificar as variáveis que mais impactam a variação do Índice de Qualidade do Ar (IQAr), bem como realizar a análise preditiva dos níveis de poluentes e va…
Técnicas de Aprendizado Computacional tem contribuído de forma efetiva e transdiciplinar em aplicações de Visão Computacional e Reconhecimento de Padrões, como o mapeamento do desmatamento do bioma Amazônico. Neste contexto, algoritmos do tipo data-driven tem viabilizado o desenvolvimento de ferramentas inovadoras e precisas na identificação de áreas desmatadas a partir da análise de séri…
Em um ambiente especulativo e competitivo como o mercado de energia, predizer a geração da eletricidade e seu preço de liquidez são tarefas desafiadoras que, na prática, podem auxiliar tomadas de decisões dos agentes do mercado. Além da geração eólica e hidráulica, ambas de ampla participação no balcão de negócios, a energia fotovoltaica também tem angariado parte dos contratos mais recen…
Aprendizado de Máquina (AM) tem sido uma ferramenta efetiva na elaboração de planos de eficiência energética e em tomadas de decisões de empresas, investidores e autarquias públicas do setor elétrico. Nesse contexto, um tema de interesse da indústria mundial de energia tem sido o consumo (indireto) da eletricidade resultado da mineração de moedas virtuais, isto é, as chamadas criptomoedas…
Embora imagens de Sensoriamento Remoto (SR) tenham sido utilizadas com grande sucesso em aplicações diversas, a qualidade dessas imagens pode cair drasticamente devido à problemas ocorridos na fase de aquisição dos dados, como alterações na captura dos sinais ou falhas no sensor que podem resultar em uma imagem contendo danificações e/ou oclusões. Essas oclusões dificultam a realização de…
O referido estágio de pesquisa no exterior visa desenvolver parte substancial do aporte computacional e teórico acerca do tópico segmentação de dados a partir de grafos de grande porte. Aliado ao projeto de doutorado ora em execução, o qual tem como foco central segmentar malhas de hexaedros e imagens utilizando a teoria espectral de grafos, este estágio visa explorar novas metodologias p…