Formado no técnico em informática pelo IFRN (2017) e Bacharel em Ciência da Computação pelo IFSC (2021) e mestrando em Ciências de Computação e Matemática Computacional no Instituto de Ciências Matemáticas e de Computação na Universidade de São Paulo (2022/Atualmente). Tem experiência na área de Ciência da Computação com ênfase em Inteligência Artificial, Mineração de Dados e a utilização destas áreas no domínio da saúde e no processamento de dados temporais. Faz pesquisas envolvendo aplicações de inteligência artificial em diversos domínios envolvendo séries temporais e problemas de única classe. Realizou um estágio de pesquisa no exterior em 2023/2024 na Université de Haute Alsace, no qual pesquisou e desenvolveu mecanismos de convoluções deformáveis para tarefas com séries temporais. (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) |
Um dos limitadores para a ampla utilização de tecnologias de mHealth é a heterogeneidade entre dispositivos e de um usuário para outro. Em outras palavras, diferentes dispositivos podem conter diferenças no sinal obtido, que podem ocorrer, por exemplo, por conta de diferenças na sensibilidade à luz ambiente e artefatos em decorrência de interferências de outros componentes do dispositivo.…
Com a crescente onipresença de smartphones, smartwatches e outros dispositivos capazes de coletar dados ao longo do tempo, os aplicativos que usam séries temporais como entrada, como monitoramento cardíaco e reconhecimento de atividade, tornaram-se cada vez mais populares. Vários desses cenários podem ser mapeados naturalmente como tarefas que envolvem séries temporais multivariadas. Assi…
| 1 | Bolsas no país concluídas |
| 1 | Bolsas no exterior concluídas |
| 2 | Todas as Bolsas |
| Processos vinculados | |
CV Lattes
ORCID