Antonio R. S. Parmezan detém o título de doutor em Ciências de Computação e Matemática Computacional pelo Instituto de Ciências Matemáticas e de Computação - ICMC - da Universidade de São Paulo - USP/São Carlos (2022). No período de dezembro de 2018 a maio de 2019, foi aluno de doutorado-sanduíche no Departamento de Ciências de Computação da University of Helsinki - UH/Finlândia. Possui mestrado em Ciências de Computação e Matemática Computacional pelo ICMC-USP/São Carlos (2016) e graduação em Ciência da Computação pela Universidade Estadual do Oeste do Paraná - UNIOESTE/Foz do Iguaçu (2012). Atualmente realiza pesquisa de pós-doutorado no ICMC-USP/São Carlos e é colaborador científico em dois centros de pesquisa: Laboratório de Inteligência Computacional - LABIC - do ICMC-USP/São Carlos e Laboratório de Bioinformática - LABI - da UNIOESTE/Foz do Iguaçu. Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: Mineração de Dados, Aprendizado de Máquina, Ciência de Dados, Análise de Séries Temporais, Processamento de Fluxos de Dados, Seleção de Atributos, Meta-Aprendizado e Visão de Máquina. Contribui ainda como parecerista em eventos científicos nacionais e internacionais e em periódicos de alto prestígio, como Machine Learning e Data Mining and Knowledge Discovery. (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) |
Muitos dos desafios encontrados na mineração de dados e na descoberta de conhecimento estão relacionados à classificação de dados. Essa tarefa vem sendo explorada em diversas aplicações, como na identificação de micro-organismos baseada na análise de imagens de culturas crescidas em placas de Petri. Estudos nesse tópico têm demonstrado consideráveis desempenhos preditivos, com taxas de er…
Avanços tecnológicos têm impulsionado o desenvolvimento de bancos de dados de imagens cada vez maiores e mais complexos, aumentando assim a demanda por métodos eficazes de recuperação de imagens que atendam às necessidades dos usuários. Nas últimas duas décadas, houve extensa pesquisa em recuperação de imagens baseada em conteúdo para diversas aplicações, salvo para imagens de culturas mi…
Neste projeto, métodos estado-da-arte serão pesquisados para acelerar os tempos de treinamento e teste de modelos de aprendizado profundo. Também é de interesse desenvolver novas técnicas para treinar tais modelos com uma quantidade limitada de dados. Para acelerar, serão explorados hardware personalizado, como Unidades de Processamento Gráfico (GPUs), para treinamento e hardware incorpor…
O aprendizado profundo é uma técnica de aprendizado de máquina baseada em redes neurais artificiais que vem sendo utilizada com sucesso em muitas aplicações, incluindo análise de imagens, reconhecimento de fala e compreensão de texto. Ela consiste em camadas de vários níveis, muitas capazes de executar simultaneamente processos com atributos de alto nível definidos e extraídos automaticam…
Na última década houve um grande aumento no interesse por séries temporais em Mineração de Dados e Descoberta de Conhecimento. Esse interesse culminou na proposta de literalmente centenas de métodos para tarefas como a classificação, agrupamento, detecção de anomalias, detecção de motifs, entre outras. Pesquisas empíricas têm demostrado que métodos de mineração de séries temporais baseado…
| 3 | Bolsas no país contratadas |
| 2 | Bolsas no país concluídas |
| 5 | Todas as Bolsas |
| Processos vinculados | |
CV Lattes
ORCID