Possui graduação em Engenharia de Computação (modalidade AB Sistemas e Processos Industriais) pela Universidade Estadual de Campinas (2016), Mestrado em Engenharia Elétrica (2019) e Doutorado em Engenharia Elétrica (2024), ambos pela mesma instituição. De agosto de 2022 a agosto de 2023, realizou um Estágio de Pesquisa no Exterior, em Toulouse, França, sob a supervisão do professor Jean-Michel Loubes. O estágio foi realizando no "Artificial and Natural Intelligence Toulouse Institute (ANITI)" e na Université Paul Sabatier, no tema de Aprendizado de Máquina Equânime e aplicações em Econometria. Atualmente, é Pesquisador Especialista em Inteligência Artificial no Samsung RD Center Brazil (SRBR), Campinas. Tem experiência na área de Engenharia Elétrica e Computação, atuando, principalmente, nos seguintes temas: Processamento Não-Supervisionado de Sinais, Desconvolução Preditiva, Separação Cega de Fontes, Filtragem Adaptativa, Problemas Inversos e Aprendizado de Máquina Equânime (Fair Machine Learning). (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) |
Definimos de modo bastante genérico um sinal como toda entidade que carrega informação. A fim de melhor analisar a informação de interesse contida em um sinal, diversas técnicas foram desenvolvidas, dentre as quais têm especial relevância os diferentes métodos de decomposição de sinais. Tais métodos são empregados segundo as características que queremos extrair ou mesmo em função de certa…
Um dos problemas mais tradicionais em processamento de sinais é o de desconvolução, cujo objetivo é recuperar um sinal distorcido por um dado sistema. Tal problema é ainda bastante desafiador em sua vertente não-supervisionada, onde a recuperação é conduzida sem o conhecimento a priori do sistema e com acesso a apenas algumas informações sobre a estrutura do sinal original. Dentre as poss…
Neste trabalho serão estudadas diversas técnicas para a separação não supervisionada de misturas convolutivas. O trabalho será composto por um estudo teórico sobre o problema, pela realização de simulações comparativas entre as técnicas de separação, tanto na ausência quanto na presença de ruídos, pela análise dos resultados obtidos e pela elaboração dos relatórios parcial e final.
Modelos de Aprendizado de Máquina têm recebido muita atenção em uma variedade de problemas devido aos seus resultados surpreendentes e à sua capacidade de aprender a partir de dados. Contudo, a aplicação de tais modelos em problemas socioeconômicos-tais como concessão de crédito, predição de reincidência criminal, seleção de estudantes, entre outros- levantou preocupações éticas. Dados te…
| 3 | Bolsas no país concluídas |
| 1 | Bolsas no exterior concluídas |
| 4 | Todas as Bolsas |
| Processos vinculados | |
CV Lattes
ORCID