Francisco Louzada é Professor Titular da Universidade de São Paulo, junto ao Instituto de Ciências Matemáticas e Computação, Diretor do Centro de Matemática e Estatística Aplicadas à Indústria (CeMEAI), Diretor de Transferência Tecnológica do CEPID-CeMEAI, Coordenador do Laboratório de Estudos do Risco (CER-USP), Editor do periódico Sankhya A e da Série de livros SpringerBriefs in Statistics - BSA (Springer), Membro do Conselho Consultivo dos periódicos Journal of Applied Statistics e Revista Brasileira de Biometria, e Editor Associado dos periódicos Brazilian Journal of Probability and Statistics, Communication in Statistics, Quality Tech. & Quantitative Management (QTQM), Journal of Statistical and Econometric Methods e Revista Brasileira de Estatística. Louzada foi Presidente da Associação Brasileira de Estatística (ABE) em dois mandatos, Editor da Série de Livros Fisher Project of Statistical Books (Blucher), e membro do comitê de escolha do Prêmio Mahalanobis 2021 e 2023 (Mahalanobis Award Committee) do ISI (International Statistical Institute), do qual é membro eleito. Francisco Louzada é PhD em Estatística pela Universidade de Oxford (1998), Mestre em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (1991), Bacharel em Estatistica pela Universidade Federal de São Carlos (1988). Atua principalmente nas seguintes áreas da Ciência de Dados e Estatística: Análise de Sobrevivência e Confiabilidade, Aprendizado de Máquina, Inferência, Modelos de Risco. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o(a) pesquisador(a): |
| 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…
Neste projeto, tem-se como objetivo desenvolver diferentes métodos de estimação. Primeiramente, sob a abordagem frequentista, iremos propor um novo método de estimação baseado em uma modificação nos estimadores de máxima verossimilhança (EMV), que possibilite a obtenção de estimadores em forma fechada. Condições suficientes e necessárias serão descritas para obtenção desses estimadores as…
O foco desta proposta é a transferência de conhecimento matemático para outras áreas da ciência, tecnologia e indústria, por meio de um centro de pesquisa estruturado para esse fim. Todo o conhecimento matemático é, em última análise, aplicável se não diretamente, por meio de outros conhecimentos. Em algumas áreas da matemática a aplicação é quase imediata (entretanto, a colocação em prát…
O tema principal da reunião está centrado na necessidade de se promover e exercitar a interdisciplinaridade entre a Ciência Estatística e outras áreas do conhecimento, incluindo o desenvolvimento metodológico e as aplicações. A programação será elaborada abordando-se temas que atrairão pesquisadores, não somente da área de Estatística, mas também profissionais de áreas correlatas, que uti…
Este projeto busca desenvolver novos modelos probabilísticos em análise de sobrevivência que exploram, analítica e numericamente, propriedades de uma inexplorada função: a função de risco acumulada. Estas propriedades analíticas são potencialmente importantes e bem entendidas do ponto de vista de análise convexa, mas, surpreendentemente, não exploradas para modelagem estatística. Sendo as…
O tema principal da reunião está centrado na necessidade de se promover e exercitar a interdisciplinaridadeentre a Ciência Estatística e outras áreas do conhecimento, incluindo o desenvolvimento metodológico e asaplicações. A programação será elaborada abordando-se temas que atrairão pesquisadores, não somente da áreade Estatística, mas também profissionais de áreas correlatas, que utiliz…
Esta proposta de pesquisa de mestrado tem como foco o pioneirismo no uso de Redes Neurais Bayesianas (BNNs) para estimativa do Efeito de Tratamento Médio Condicional (CATE) e no aprimoramento do uso do modelo Bayesian Additive Regression Tree (BART) para estimativa de CATE, aproveitando a estrutura proposta por Hahn e outros. (2020). Esse projeto de pesquisa aborda a notável lacuna na lit…
Neste projeto, tem-se como objetivo desenvolver diferentes métodos de estimação. Primeiramente, sob a abordagem frequentista, iremos propor um novo método de estimação baseado em uma modificação nos estimadores de máxima verossimilhança (EMV), que possibilite a obtenção de estimadores em forma fechada. Condições suficientes e necessárias serão descritas para obtenção desses estimadores as…
Em uma sociedade conectada a produção de dados é massiva e desenfreada. Sistemas de captação de dados surgem a todo momento, buscando atender as necessidades de ações personalizadas, utilizando os dados disponíveis. De marketing a ações de engajamento ambiental, de finanças a divulgação de esporte, os sistemas de captação de dados estão lá, transformando dados em conhecimento. Neste conte…
Esta posição é focada no estudo das propriedades a posteriori em modelos de regressão Bayesianos, com possíveis aplicações em grandes e complexos bancos de dados industriais e médicos. O bolsista trabalhará sob a direção do professor Francisco Louzada no Instituto de Ciências Matemáticas e Informática da Universidade de São Paulo, São Carlos, Brasil. (AU)
O uso de sistemas de captação de dados online aumenta progressivamente e de forma acelerada, devido ao avanço da tecnologia e à necessidade desses dados para atividades de marketing e tomadas de decisões nas mais diversas áreas, tais como finanças, comércio, esporte, governo, meio ambiente, entre outras. Cada vez mais se faz necessário obter a coleta otimizada desses dados de tal forma qu…
Publicado em 11 de novembro de 2015 - Agência FAPESP. Um grupo de pesquisadores do Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP), campus de São Carlos, desenvolveu um método estatístico capaz de identificar atletas com desempenho acima da média em suas respectivas modalidades esportivas. Batizado de iSports, o projeto está sendo coordenado por pesquisadores do Centro de Ciências Matemáticas Aplicadas à Industria (CeMEAI) – um dos Centros de Pesquisa, Inovação e Difusão (CEPIDs) financiados pela FAPESP. O CeMEAI desenvolve sistema em nuvem capaz de detectar e comparar grupos de atletas com mais chances de se tornarem esportistas. O iSports é o modelo estatístico usado para essa finalidade. O vídeo é apresentado pelo Prof. Francisco Louzada Neto, do ICMC, com a colaboração de Alexandre Cristóvão Maiorano.
CV Lattes
ORCID