CV Lattes
ResearcherID
Google Scholar Citations
Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Realizou pós-doutorado na Universidade Estadual do Oeste do Paraná - UNIOESTE/Foz (PR). Cursou doutorado em Ciências de Computação e Matemática Computacional na Universidade de São Paulo - USP/São Carlos (SP). Realizou estágio sanduíche na Aristotle University of Thessaloniki - AUTh/Grécia. Possui mestrado acadêmico em Engenharia de Informação pela Universidade Federal do ABC - UFABC/Santo André (SP) e graduação em Ciência da Computação na UNIOESTE/Foz (PR). Atualmente, é pesquisador colaborador do Laboratório de Bioinformática - LABI - da UNIOESTE/Foz e docente contratado por prazo determinado na Unioeste. Foi celetista na CESUFOZ e UniAmérica. Apresenta experiência na área de Ciência da Computação, com ênfase principalmente nos seguintes temas relacionados a Aprendizado de Máquina: seleção de atributos em dados monorrótulo e multirrótulo, clustering de séries temporais, análise de imagens médicas, descoberta de conhecimento em bases de dados e mapeamento de dados médicos para bases de dados estruturadas. Possui experiência também na aplicação do método de Revisão Sistemática para o estudo de temas de Aprendizado de Máquina e Robótica Educacional. Tem ainda atuado como revisor em periódicos e eventos científicos nacionais e internacionais. (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) |
A ocorrência de atributos não-importantes em Bases de Dados pode prejudicar o desempenho de processos computacionais de extração de conhecimento, o que motiva a aplicação da tarefa de Seleção de Atributos. Essa tarefa pode ser realizada com auxílio de meta-heurísticas mono ou multi-objetivo, de modo a obter ou aproximar subconjuntos de atributos importantes. As meta-heurísticas multi-obje…
A ocorrência de atributos irrelevantes e/ou redundantes em Bases de Dados pode prejudicar o desempenho de processos computacionais de extração de conhecimento, o que motiva a aplicação da tarefa de Seleção de Atributos. A natureza combinatorial deste problema é apropriada para o uso de métodos heurísticos, como os Algoritmos Genéticos, de modo a obter ou aproximar subconjuntos de atributo…
Seleção de Atributos (SA) é uma tarefa importante em aprendizado de máquina, a qual pode efetivamente reduzir a dimensionalidade do conjunto de dados ao remover atributos irrelevantes e/ou redundantes. Embora muita pesquisa tenha sido realizada sobre SA em dados monorrótulo, em que várias medidas tem sido propostas para filtrar atributos irrelevantes, esse não é o caso para dados multirró…
| 2 | Bolsas no país concluídas |
| 1 | Bolsas no exterior concluídas |
| 3 | Todas as Bolsas |
| Processos vinculados | |