Marley Maria Bernardes Rebuzzi Vellasco

Marley Vellasco é Professora Titular do Departamento de Engenharia Elétrica da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio), onde ingressou em 1989, e atual Vice-reitora para Assuntos Acadêmicos da PUC-Rio. Marley possui graduação em Engenharia Elétrica, Ênfase Eletrônica, pela PUC-Rio (1984), mestrado em Engenharia Elétrica pela PUC-Rio (1987) e doutorado em Computer Science - University College London (UCL) (1992) e pós-doutorado em Computer Science, também pela UCL (2004). Publicou mais de 90 artigos em periódicos especializados e mais de 400 trabalhos completos em anais de congressos. Possui 19 capítulos de livros e 5 livros publicados. Orientou mais de 100 dissertações de mestrado e de 50 teses de doutorado. Faz parte do Corpo editorial dos principais periódicos da área de Inteligência Computacional, como Neural Networks, IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on Artificial Intelligence, IEEE Transactions on Cognitive and Developmental Systems, IEEE Transactions on Cybernetics and Engineering Applications of Artificial Intelligence. Participa do Board of Governors da International Neural Network Society (INNS) desde 2011, sendo atualmente secretária da INNS. Foi Vice-President for Conferences da Computational Intelligence Society (CIS) do IEEE de 2020 a 2023. Atualmente é membro eleito do Administative Committee da IEEE CIS. Desde 1991 já participou de mais de 50 projetos de pesquisa, sendo que atuou como coordenadora em mais de 30 destes, vários destes projetos sendo de cooperação internacional. É a coordenadora do Centro de Inteligência Artificial do Rio de Janeiro (CIA-Rio), patrocinado pela FAPERJ e Cientista do Nosso Estado da FAPERJ desde 2008. Tem experiência nas áreas de Engenharia Elétrica e Ciência da Computação, com ênfase em Inteligência Computacional, atuando principalmente nos seguintes temas: redes neurais, lógica fuzzy e computação evolucionária, com foco no desenvolvendo de sistemas híbridos inteligentes para AutoML (Automatic Machine Learning), como modelos neuro-evolucionários, fuzzy-evolucionários e neural architecture search (NAS). (Fonte: Currículo Lattes)