CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade Federal de São Carlos (UFSCAR). Centro de Ciências Exatas e de Tecnologia (CCET) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Alexandre L. M. Levada é Bacharel em Ciência da Computação pela Universidade Estadual Paulista (UNESP) em 2002. Concluiu seu Mestrado em Ciência da Computação pela Universidade Federal de São Carlos (UFSCar) em 2006 e seu Doutorado em Física Computacional pela Universidade de São Paulo (USP) em 2010. No mesmo ano, ingressou no Departamento de Computação da Universidade Federal de São Carlos. De 2010 a 2024, foi professor assistente no Departamento de Computação, onde lecionou diversas disciplinas de graduação e pós-graduação como lógica matemática, teoria dos grafos, matemática discreta, processamento digital de imagens, análise de sinais e sistemas, reconhecimento de padrões, visão computacional, algoritmos e estruturas de dados 1 e 2, projeto e análise de algoritmos, programação científica e otimização matemática. Desde 2024 é professor associado do mesmo departamento. Seus principais temas de pesquisa incluem redução de ruído em sinais e imagens, reconhecimento de padrões e aprendizado de máquina, com ênfase em algoritmos de classificação baseados em grafos, métodos de redução de dimensionalidade baseados em teoria da informação e aplicação da geometria da informação na análise da dinâmica de campos aleatórios. É autor de um livro, mais de 25 artigos em periódicos e mais de 55 artigos em conferências. Recebeu o prêmio de melhor artigo científico na categoria Inteligência Artificial, Aprendizado de Máquina e Análise de Padrões por um artigo apresentado na 26 International Conference on Pattern Recognition (ICPR) em 2022. Recebeu uma bolsa de produtividade em pesquisa do CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico) em 2025. (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) |
O agrupamento de dados é uma tarefa fundamental em muitas áreas da ciência da computação e da engenharia, com aplicações em reconhecimento de padrões, mineração de dados, processamento de imagem, entre outros. Nos últimos anos, abordagens baseadas em grafos têm ganhado destaque devido à sua capacidade de modelar relações complexas entre dados. Além disso, métricas de distância baseadas na…
A filtragem de ruído em imagens é um tópico de grande interesse nas áreas de processamento de imagens e visão computacional, em especial em aplicações médicas e biológicas. O modelo de degradação mais comum em redução de ruído em imagens é o Gaussiano, em que o ruído é aditivo e independente do sinal de interesse, o que simplifica a derivação dos métodos e algoritmos numéricos. Porém, dev…
O agrupamento de dados, também conhecido como clustering, é uma técnica fundamental no campo do aprendizado de máquina e da análise de dados. Sua importância reside no fato de ser uma abordagem não supervisionada que permite identificar padrões e estruturas ocultas nos dados, sem a necessidade de rótulos ou informações prévias sobre as classes. Um dos algoritmos mais conhecidos para essa …
A classificação de imagens é uma ferramenta de fundamental importância em diversas aplicações nas áreas de processamento de imagens e reconhecimento de padrões, como por exemplo, em sensoriamento remoto ou no diagnóstico de doenças a partir da análise de imagens médicas de ressonância magnética e tomografia computadorizada. A proposta deste trabalho consiste em utilizar a combinação de di…
| 1 | Bolsas no país contratadas |
| 3 | Bolsas no país concluídas |
| 4 | Todas as Bolsas |
| Processos vinculados | |