Formada em Ciência da Computação na Universidade Federal de São Carlos - UFSCar, durante a graduação, se interessou em Ciência de Dados e Machine Learning, temas que passaram a ser sua área de estudo na Iniciação Cientifica. No período de Iniciação Científica, atuou como pesquisadora bolsista FAPESP e estudou mais a fundo os temas de Machine Learning e Ciência de Dados, de forma aplicada em um projeto para a área da saúde: "Machine Learning for Acute Myeloid Leukemia", que buscou explorar aplicações de ML para estudar dados de pacientes com leucemia mieloide aguda. Deste projeto, foram publicados dois artigos: "An explainable model to support the decision about the appropriate therapy protocol for Acute Myeloid Leukemia" , publicado na 12th Brazilian Conference on Intelligent Systems e "A decision support system to recommend appropriate therapy protocol for AML patients", publicado na Frontiers in Artificial Intelligence.Atualmente atua como Cientista de Dados em Prevenção à Fraude no Mercado Livre. (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 Leucemia Mieloide Aguda é uma doença de caráter crônico e incapacitante. Para auxiliar as decisões acerca do tratamento dos pacientes, é feito um prognóstico em relação ao risco da doença, em três grupos: favorável, intermediário e não favorável. Esta classificação é comumente utilizada como auxílio na personalização de decisões terapêuticas. No entanto, a classificação atual é muito co…
| 1 | Bolsas no país concluídas |
| Processos vinculados | |
CV Lattes
ORCID