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)

Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a)
La colaboración entre distintas áreas es fundamental para elevar el impacto de las investigaciones 
Collaboration among different knowledge areas is fundamental for increasing the impact of research 
Colaboração entre diferentes áreas é fundamental para elevar o impacto das pesquisas 
Colaboração entre diferentes áreas é fundamental para elevar o impacto das pesquisas 
Advances in machine learning enable new technologies based on image analysis 
Pós-doutorado em aprendizado de máquina com bolsa da FAPESP 
Pós-doutorado em aprendizado de máquina com bolsa da FAPESP 
Avanço em aprendizado de máquina possibilita novas tecnologias baseadas na análise de imagens 
Avanço em aprendizado de máquina possibilita novas tecnologias baseadas na análise de imagens 
12º Encontro Brasileiro Internacional de Ciência Cognitiva  
12º Encontro Brasileiro Internacional de Ciência Cognitiva  
Big data pode gerar benefícios políticos, sociais e econômicos 
Big data pode gerar benefícios políticos, sociais e econômicos 
Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o(a) pesquisador(a):
Técnica para detecção de parasitas baseada em inteligência artificial é mais eficaz que as convencionais 
Técnica para detecção de parasitas baseada em inteligência artificial é mais eficaz que as convencionais 
Big data pode gerar benefícios políticos, sociais e econômicos 
Big data pode gerar benefícios políticos, sociais e econômicos 
Auxílios à pesquisa
Bolsas no país
Bolsas no Exterior
Apoio FAPESP em números * Quantidades atualizadas em 26/09/2020
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

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, 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)

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, 11/23310-0, 15/17741-9)

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)

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)

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: