Sandra Avila é professora no Instituto de Computação (IC) da Universidade Estadual de Campinas (UNICAMP), desde fevereiro de 2017. É doutora em Ciência da Computação, com duplo diploma, pela Universidade Federal de Minas Gerais (UFMG) e pela Sorbonne Université (UPMC Sorbonne, Paris 6, França), em 2013; mestra em Ciência da Computação pela UFMG, em 2008; e bacharela em Ciência da Computação pela Universidade Federal de Sergipe (UFS), em 2006. Foi pesquisadora científica em Pós-Doutorado na UNICAMP, na Faculdade de Engenharia Elétrica e Computação (FEEC), em convênio com a Samsung (novembro de 2013 a janeiro de 2016) e pelo PNPD/CAPES (março de 2016 a janeiro de 2017). Presidente (2015) e Vice-Presidente (2019) do IEEE Women in Engineering (WIE) Seção Sul Brasil. Suas pesquisas estão voltadas para Inteligência Artificial e o Bem Social, mais especificamente para as áreas de Aprendizado de Máquina, Visão Computacional e Processamento de Linguagem Natural, com ênfase na saúde e análise de mídias sensíveis. É bolsista de produtividade em pesquisa do CNPq Nível 2 (desde 2021). É chefe do Departamento de Sistemas de Informação (DSI/IC/UNICAMP), desde outubro de 2021. Ganhou os prêmios Inventores da UNICAMP, na categoria Tecnologia Licenciada (2018), Google Latin America Research Awards (2018, 2019, 2020 e 2021), Google Awards for Inclusion Research (2022) e o prêmio de Reconhecimento Acadêmico em Direitos Humanos UNICAMP-Instituto Vladimir Herzog (2022 e 2023). Sua paixão é incentivar meninas e mulheres a apostarem em carreiras nas áreas de STEM (Ciências, Tecnologia, Engenharias e Matemática). Desde 2020, é coorganizadora do projeto Meninas SuperCientistas. Em 2020, teve a honra de ser selecionada pela Academia Brasileira de Ciências para representar o Brasil no BRICS Young Scientists Forum, na área de Inteligência Artificial. Em 2022 e 2023, foi apontada entre os top 2 por cento cientistas mais influentes do mundo, de acordo com Stanford/PlosOne/Elsevier. Em 2024, fez parte do grupo revisor da Estratégia Brasileira de Inteligência Artificial (EBIA). (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o(a) pesquisador(a): |
| La inteligencia artificial llega a la salud en Brasil |
| A inteligência artificial chega à saúde |
| Diagnósticos digitales |
| Diagnósticos digitais |
| Mais itensMenos itens |
| 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) |
Os materiais de abuso sexual infantil (do inglês, child sexual abuse materials, CSAM) atingiram proporções alarmantes na era digital. De acordo com o Centro Nacional de Crianças Desaparecidas e Exploradas para CyberTipline, mais de 32 milhões de denúncias de suspeita de CSAM foram recebidas em 2022, tornando-o um ano recorde. A disponibilidade e compartilhamento de tais conteúdos nocivos …
Com o crescimento de vídeos gerados a partir de diversos dispositivos, tais como câmeras, smartphones e CCTVs, aliado com a Internet como meio de rápida propagação, a filtragem de conteúdo de forma inteligente e contínua tornou-se primordial. Neste contexto, a classificação do conteúdo sensível (e.g., pornografia, violência) tem atraído uma quantidade considerável de atenção devido as sua…
No cenário em constante evolução de aprendizado profundo, tornou-se um desafio selecionar os melhores modelos pré-treinados para uma determinada tarefa a partir de um número crescente de opções. Para cada modelo de rede neural disponível durante a transferência de conhecimento, é comum executar a etapa de ajuste fino e depois computar uma métrica de desempenho para obter um ranqueamento d…
O campo de Processamento de Linguagem Natural (PNL) vem passando por significativas transformações, marcadas principalmente por Grandes Modelos de Linguagem (LLMs). Contudo, uma limitação inerente a estes modelos é a incapacidade de processar modalidades de dados além do texto. Para resolver isto, nos últimos anos, diferentes Modelos Multimodais de Grandes Linguagens (MLLMs) foram propos…
Os materiais de abuso sexual infantil (CSAM) atingiram proporções alarmantes na era digital. De acordo com o Centro Nacional para CyberTipline de Crianças Desaparecidas e Exploradas, mais de 36 milhões de denúncias de suspeita de CSAM foram recebidas em 2023, tornando-o um ano recorde. A disponibilidade e o compartilhamento de tais conteúdos nocivos online não só agrava o trauma infligido…
Os materiais de abuso sexual infantil (CSAM) atingiram proporções alarmantes na era digital. De acordo com o Centro Nacional para CyberTipline de Crianças Desaparecidas e Exploradas, mais de 36 milhões de denúncias de suspeita de CSAM foram recebidas em 2023, tornando-o um ano recorde. A disponibilidade e compartilhamento de tais conteúdos nocivos online não só agrava o trauma infligido à…
Com o rápido crescimento da quantidade de imagens e vídeos disponíveis publicamente na Internet, surge uma clara necessidade de reconhecimento automatizado em relação ao conteúdo desses materiais. Desta forma, o foco principal desta pesquisa é estudar e desenvolver modelos para o reconhecimento de Material de Abuso Sexual Infantil (CSAM). No entanto, devido ao acesso restrito aos dados re…
Espaços de representação multidimensionais por treinamentos contrastivos, que envolvem imagens e textos, são propostos como uma forma de aproximar conceitos relacionados entre sinais modais. Alguns trabalhos expandem este mesmo conceito para áudio, fala ou sons ambientes, através da aproximação com sua descrição. Porém, até o momento, nenhum trabalho disponível na literatura relaciona con…
Espaços de representação multidimensionais para treinamento contrastivo, envolvendo imagens e textos, são propostos para aproximar conceitos relacionados entre sinais modais. Alguns trabalhos estendem o mesmo conceito para áudio, fala ou sons ambientais, aproximando sua descrição. Contudo, até o momento, não há trabalhos na literatura que relacionam conceitos de áudio, imagem e texto ou c…
Técnicas de aprendizado profundo alcançaram sucesso em tarefas de visão computacional e processamento de linguagem natural. Correlações espúrias (vieses) em bases de dados são capazes de corromper modelos, causando baixa generalização a amostras de fora da distribuição, sendo um obstáculo para a aplicação de técnicas de aprendizado profundo para problemas do mundo real, como imagens médic…
CV Lattes
ORCID