CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Instituto de Geociências e Ciências Exatas (IGCE) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Atualmente é Professor Titular (MS-6) do Departamento de Estatística, Matemática Aplicada e Computação (DEMAC) da Universidade Estadual Paulista ''Júlio de Mesquita Filho'' (UNESP). Possui Graduação em Ciência da Computação (UNESP, 2005), Mestrado e Doutorado em Ciência da Computação (UNICAMP, 2008 e 2012). Em 2019, obteve o título de Livre-Docente em Processamento de Imagens Digitais. É Editor Associado do periódico Pattern Recognition (Elsevier) e foi Vice-Coordenador do Programa de Pós-Graduação em Ciência da Computação da UNESP. Tem participado de vários projetos de pesquisa nacionais e internacionais. Foi professor visitante na Bangor University (Reino Unido), em projeto financiado pela Royal Academy of Engineering, e na Temple University (Estados Unidos), em programa financiado pela Fulbright Commission, além de Pesquisador Colaborador do Instituto de Computação da UNICAMP. Tem atuado na coordenação de projetos de pesquisa financiados pelo CNPq (Universal) e pela FAPESP (Jovem Pesquisador I e II, PITE em parceria com a Microsoft e projeto em colaboração com a Fundação Nacional de Ciência da Suíça - SNSF). Coordena e participa de projetos de Pesquisa e Desenvolvimento no domínio de óleo e gás, em cooperação com a Petrobras. Atua como Pesquisador do Laboratório de Inteligência Artificial e Vice-Líder do UNESPetro - Centro de Ciências Naturais Aplicadas. Tem experiência e realiza pesquisa em diversas áreas da Ciência da Computação: recuperação de informação, processamento e análise de imagens, aprendizado de máquina, computação de alto desempenho e processamento de linguagem natural. A pesquisa desenvolvida resultou na publicação de mais de 140 artigos científicos em periódicos e conferências de política editorial seletiva, tendo sido reconhecida por meio de prêmios e indicações em concursos e eventos nacionais e internacionais. (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) |
A proposta apresenta o CePEX - Centro Paulista de integração de dados para monitoramento de Eventos eXtremos, o qual visa desenvolver pesquisas integradas sobre monitoramento, previsão e suporte à decisão perante a eventos de desastre no contexto do estado de São Paulo. A proposta busca utilizar modelos analíticos consolidados na literatura, técnicas avançadas de Inteligência Artificial e…
Grandes Modelos de Linguagem (LLMs) surgiram como modelos universais para compreensão e inferência de linguagem. Para operarem de forma factual, esses modelos precisam ser fornecidos com um contexto factual relevante associado. A Geração com Recuperação Aumentada (RAG) tornou-se o mecanismo arquitetônico complementar que permite aos LLMs operarem de maneira factual, no qual uma etapa de r…
O Processamento de Linguagem Natural (PLN) refere-se a um ramo da inteligência artificial (IA) cujo objetivo consiste em dar aos computadores a capacidade de interpretar e raciocinar sobre as linguagens humanas. Intrinsecamente multidisciplinar, envolve a integração de diversas áreas de pesquisa, como linguística, lógica, informática e inteligência artificial. Em um mundo guiado principal…
Métodos de Aprendizado Não Supervisionado têm se estabelecido como uma solução para aumentar a eficácia de buscas baseadas em conteúdo sem requerer intervenção dos usuários. Tais métodos exploram relações contextuais entre as imagens, geralmente codificadas nas informações de distância e similaridade das coleções.Esse projeto de pesquisa pretende investigar a aplicação de tais métodos em …
Várias técnicas de aprendizagem de máquina baseiam-se em grandes conjuntos de dados rotulados para construir modelos preditivos em tarefas de aprendizado supervisionado. O uso de técnicas de aprendizado profundo pode ser destacado, já que tem sido amplamente utilizado com sucesso em vários domínios. Por outro lado, em muitas circunstâncias, os conjuntos rotulados não estão disponíveis ou …
Este projeto de pesquisa tem como objetivo central fornecer uma compreensão comparativa e explorar combinações de arquiteturas de aprendizado profundo e manifold learning com o intuito de aprimorar a eficácia dos sistemas de recomendação. Nesse contexto, pode-se destacar algumas arquiteturas como: Redes Neurais em Grafo (GNNs), Transformers, Modelos de Difusão (DMs) e Modelos de Espaço de…
Uma abordagem promissora de suporte factual aos modelos de geração de texto e inferência em linguagem natural consiste no uso de técnicas de recuperação da informação. Técnicas de pós-processamento para recuperação da informação apresentam grande potencial neste escopo. Este trabalho pretende avaliar abordagens contextuais de ranqueamento neste cenário. Embora abordagens de ranqueamento c…
Considerando os enormes desafios impostos pela complexidade dos aspectos linguísticos ao desenvolvimento de algoritmos baseados em inteligência artificial capazes de compreender e interpretar uma linguagem, o surgimento dos Modelos de Linguagem de Grande Escala (LLMs) representa um avanço significativo. No entanto, apesar dos avanços substanciais e do amplo espectro de aplicações, os LLMs…
As mudanças climáticas estão tornando os desastres naturais mais frequentes. Inundações, furacões e terremotos estão se tornando mais intensos e frequentes em vários países. Nesse cenário, é essencial ter equipes de resgate prontas para salvar possíveis vítimas de acidentes, desabamentos de edifícios e deslizamentos de terra. Para essas equipes, é vital estar preparado para o que pode ser…
Com a ampla aplicabilidade das séries temporais em diversos domínios, como medicina, agricultura, economia e ciência, a necessidade de analisar e processar esses dados tem aumentado significativamente. A recuperação de informações aplicada às séries temporais desempenha um papel crucial na identificação de padrões e na classificação de dados com base em similaridade, tornando-se um aspect…