CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade de São Paulo (USP). Escola Politécnica (EP) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Atualmente é Professor Doutor na Universidade de São Paulo, Departamento de Engenharia de Computação e Sistemas Digitais (PCS). Atuou como pesquisador de Pós-Doutorado na Universidade Estadual de Campinas (UNICAMP) com linha principal de pesquisa em compressão e aceleração de redes neurais (2021-2023). Atuou como professor na Universidade Federal de São Carlos (UFSCar) (2022). Graduado em Ciência da Computação pela Universidade do Oeste Paulista (2010-2013). Mestre em Ciência da Computação pela Universidade Federal de Minas Gerais (2014-2016). Doutor em Ciência da Computação pela Universidade Federal de Minas Gerais (2017-2020). Suas áreas de interesse incluem aprendizado de máquina e aprendizado profundo. (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) |
Aprendizado de máquina tem impulsionado avanços sem precedentes em direção à automatização de diversas tarefas cognitivas. Modelos modernos de aprendizado de máquina vêm adotando redes neurais profundas (deep learning) como o paradigma central para modelar padrões a partir dos dados. Apesar dos resultados positivos, frequentemente, redes neurais estão confinadas a uma alta sobrecarga comp…
Redes neurais tornaram-se o paradigma central para modelar padrões a partir dos dados. Frequentemente, tais modelos estão confinados a uma alta sobrecarga computacional o que impõe diversos desafios tecnológicos, financeiros e organizacionais. Para contornar essas limitações, estudos vêm demonstrando resultados promissores aplicando técnicas de poda que constituem mecanismos capazes de tr…
O ingrediente secreto para os resultados sem precedentes de modelos modernos reside na qualidade e quantidade dos dados de treinamento. Tal ingrediente, entretanto, impõe diversos desafios computacionais que têm motivado esforços rumo a métodos de destilação de dados. Essa família de técnicas produz um conjunto sintético de dados, muito menor que o original, capaz de obter resultados equi…
Apesar dos resultados sem precedentes na automatização de diversas atividades cognitivas, redes neurais sofrem de elevada sobrecarga computacional e podem ser induzidas a tomar decisões (predições) incorretas sob amostras com conteúdo modificado (amostras adversariais). Estudos recentes vêm confirmando que técnicas de poda podem contornar ambos os desafios descritos. O escopo deste plano …
| 1 | Auxílios à pesquisa contratados |
| 2 | Bolsas no país contratadas |
| 1 | Bolsas no país concluídas |
| 4 | Todos os Auxílios e Bolsas |
| Processos vinculados | |