Busca avançada
Ano de início
Entree

Nina Sumiko Tomita Hirata

CV Lattes GoogleMyCitations ResearcherID ORCID


Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME)  (Instituição-sede da última proposta de pesquisa)
País de origem: Brasil

é Bacharel em Ciência da Computação pela Universidade de São Paulo (1989), tendo realizado o mestrado e o doutorado em Ciência da Computação também na Universidade de São Paulo (1996 e 2000, respectivamente). Realizou parte do doutorado (um ano e quatro meses) na Texas A&M University. Atualmente é professora associada no departamento de Ciência da Computação do Instituto de Matemática e Estatística da Universidade de São Paulo. Atua nas áreas de processamento e análise de imagens, reconhecimento de padrões e aprendizado de máquina, com especial interesse em aprendizagem computacional em processamento e análise de imagens. (Fonte: Currículo Lattes)

Auxílios à pesquisa
Bolsas no país
Bolsas no Exterior
Apoio FAPESP em números * Quantidades atualizadas em 24/10/2020
Colaboradores mais frequentes em auxílios e bolsas FAPESP
Contate o Pesquisador

Este canal da BV/FAPESP deve ser utilizado tão somente para mensagens, referentes aos projetos científicos financiados pela FAPESP.


 

 

 

 

Palavras-chave utilizadas pelo pesquisador
Videos relacionados aos auxílios à pesquisa e bolsas

Big data e machine learning


Publicado em 29 de abril de 2019 - Agência FAPESP. Os dados têm valor e, se bem explorados, podem gerar benefícios políticos, sociais e econômicos. Mas, se por um lado há uma infinidade de dados disponíveis para serem coletados e trabalhados, por outro há uma imensa demanda reprimida no Brasil por profissionais da área de computação. A avaliação foi feita no dia 22 de abril, na Assembleia Legislativa de São Paulo (Alesp), por pesquisadores participantes do segundo evento do Ciclo de Palestras ILP-FAPESP 2019, que teve como tema Big data e Machine learning. O ciclo é uma parceria entre o Instituto do Legislativo Paulista (ILP) e a FAPESP.

Publicações resultantes de Auxílios e Bolsas sob responsabilidade do(a) pesquisador(a) (6)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

Publicações4
Citações32
Cit./Artigo8,0
Dados do Web of Science

HIRATA, NINA S. T.. Multilevel Training of Binary Morphological Operators. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, v. 31, n. 4, p. 707-720, . Citações Web of Science: 16. (04/11586-7)

SANTOS, CARLOS S.; HIRATA, NINA S. T.; HIRATA, ROBERTO. An Information Theory framework for two-stage binary image operator design. PATTERN RECOGNITION LETTERS, v. 31, n. 4, SI, p. 297-306, . Citações Web of Science: 8. (04/11586-7, 05/04614-7)

HIRATA‚ N.S.T.; DOUGHERTY‚ E.R.; BARRERA‚ J.. Iterative design of morphological binary image operators. Optical Engineering, v. 39, n. 12, p. 3106-3123, . (00/00912-0, 98/14328-6)

HIRATA‚ N.S.T.; DOUGHERTY‚ E.R.; BARRERA‚ J.. Iterative design of morphological binary image operators. Optical Engineering, v. 39, p. 3106, . (98/14328-6)

MONTAGNER, IGOR S.; HIRATA, NINA S. T.; HIRATA, JR., ROBERTO. Staff removal using image operator learning. PATTERN RECOGNITION, v. 63, p. 310-320, . Citações Web of Science: 4. (14/21692-0, 11/00325-1, 15/17741-9, 11/23310-0)

HIRATA, NINA S. T.; JULCA-AGUILAR, FRANK D.. Matching based ground-truth annotation for online handwritten mathematical expressions. PATTERN RECOGNITION, v. 48, n. 3, p. 837-848, . Citações Web of Science: 4. (13/13535-0, 12/08389-1)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

AGUILAR, Frank Dennis Julca. Reconhecimento online de expressões matemáticas manuscritas usando informação contextual. Tese (Doutorado) -  Instituto de Matemática e Estatística.  Universidade de São Paulo (USP).  São Paulo.  (12/08389-1

KLAVA, Bruno. Redução no esforço de interação em segmentação de imagens digitais através de aprendizagem computacional. Tese (Doutorado) -  Instituto de Matemática e Estatística.  Universidade de São Paulo (USP).  São Paulo.  (09/16852-0

Por favor, reporte erros na informação da página do pesquisador escrevendo para: cdi@fapesp.br.
X

Reporte um problema na página


Detalhes do problema: