labic

2024

1.	2024-Atual. Desenvolvimento de Grandes Modelos de Língua para Aplicações no Domínio Jurídico Descrição: Resumo em PortuguêsO projeto proposto no âmbito do Programa de Pesquisa em Políticas Públicas (PPPP FAPESP) visa melhorar a gestão pública da Procuradoria-Geral da Fazenda Nacional (PGFN) por meio de inteligência artificial (IA) em suas atividades jurídicas, em particular, com uso de grandes modelos de língua para análise de processos. A PGFN é responsável por representar a União em questões fiscais, realizar cobranças judiciais e administrativas de créditos tributários e fornecer assessoria ao Ministério da Fazenda. Uma das principais dificuldades atuais é a classificação manual das matérias presentes nas petições iniciais dos processos, um processo demorado e propenso a erros. Outro desafio é a medição do êxito dos processos em diferentes instâncias judiciais. Atualmente, os procuradores da PGFN enfrentam dificuldades em identificar de forma sistemática as chances de sucesso em cada etapa do processo, o que dificulta o planejamento estratégico e a alocação adequada de recursos. Além disso, o projeto busca criar um identificador automatizado de processos com matérias novas ainda não listadas. A PGFN enfrenta o desafio de acompanhar e reagir de forma ágil a estratégias coordenadas por grandes escritórios de advocacia, que testam novas teses tributárias em diferentes estados do Brasil. A detecção manual dessas teses é extremamente difícil devido ao volume de processos ingressantes. A criação de um identificador automatizado permitiria uma atuação proativa da PGFN, possibilitando a elaboração centralizada e urgente de modelos de contra-argumentos para combater eficazmente essas teses desde o seu surgimento, evitando perdas financeiras significativas para a União. Para alcançar esses objetivos, é realizada uma parceria com o Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP) em São Carlos. A ideia geral é avançar no desenvolvimento de grandes modelos de língua (LLM, do inglês Large Language Models), que sejam abertos e permissivos. A colaboração com a academia permite utilizar conhecimento técnico-científico para estender as LLMs abertas e personalizar os modelos conforme as necessidades da PGFN no cenário jurídico, impulsionando significativamente a eficácia e eficiência do sistema, além de possibilitar a colaboração contínua e o desenvolvimento de inovações no domínio jurídico. Os resultados esperados do projeto são divididos em curto, médio e longo prazo. A curto prazo, já se prevê uma avaliação comparativa dos grandes modelos de língua pré-treinados em relação à classificação de matérias tributárias, previsão do êxito de processos judiciais e desenvolvimento de um peticionador automatizado de contestações e recursos. Isso será viabilizado através do desenvolvimento de um módulo de engenharia de prompt, permitindo que os modelos pré-treinados sejam rapidamente condicionados para realizar tarefas específicas da PGFN com poucos exemplos rotulados. A médio prazo, será desenvolvido o ajuste de vocabulário de uma LLM usando córpus textuais históricos da PGFN, visando aumentar o desempenho de tarefas de classificação de processos e apoio à medição de êxito e identificação precoce de novas teses tributárias. A longo prazo, o projeto visa o desenvolvimento de uma LLM própria para PGFN, a partir de ajuste fino de uma LLM pré-treinada, tornando-a mais robusta para o domínio jurídico. Esta LLM será capaz de lidar com tarefas por meio de zero-shot prompt learning, que permitem seu uso em novas tarefas na ausência de dados de treinamento. Para realizar tal ajuste fino de uma LLM, está prevista a criação de uma base de dados treinamento com instruções de alta qualidade, com acompanhamento da área técnica da PGFN, sendo este também um resultado científico relevante, possibilitando a continuidade e a expansão das pesquisas na área jurídica e auxiliando a PGFN em suas atividades futuras.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diego Furtado Silva - Integrante / Solange Oliveira Rezende - Integrante / Ricardo Marcondes Marcacini - Coordenador / Diego Raphael Amancio - Integrante / Fábio Manoel França Lobato - Integrante / Nils Ever Murrugarra Llerena - Integrante / Osvaldo Novais de Oliveira Junior - Integrante / Silvio Levcovitz - Integrante / Thiago de Paulo Faleiros - Integrante / CARLOS FERNANDO AUTO RIBEIRO - Integrante / Denise Casatti - Integrante / Flávia de Arruda Leme - Integrante / Jorge Augusto Salgado Salhani - Integrante / João Guilherme de Moura Rocha Parente Muniz - Integrante / Leonardo Rufino de Oliveira Gomes - Integrante / Yuri José de Santana Furtado - Integrante / Angelo Cesar Mendes da Silva - Integrante / Marcelo Isaias de Moraes Junior - Integrante / Marcos Paulo Silva Gôlo - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Diego Furtado Silva. Descrição: O projeto proposto no âmbito do Programa de Pesquisa em Políticas Públicas (PPPP FAPESP) visa melhorar a gestão pública da Procuradoria-Geral da Fazenda Nacional (PGFN) por meio de inteligência artificial (IA) em suas atividades jurídicas, em particular, com uso de grandes modelos de língua para análise de processos. A PGFN é responsável por representar a União em questões fiscais, realizar cobranças judiciais e administrativas de créditos tributários e fornecer assessoria ao Ministério da Fazenda. Uma das principais dificuldades atuais é a classificação manual das matérias presentes nas petições iniciais dos processos, um processo demorado e propenso a erros. Outro desafio é a medição do êxito dos processos em diferentes instâncias judiciais. Atualmente, os procuradores da PGFN enfrentam dificuldades em identificar de forma sistemática as chances de sucesso em cada etapa do processo, o que dificulta o planejamento estratégico e a alocação adequada de recursos. Além disso, o projeto busca criar um identificador automatizado de processos com matérias novas ainda não listadas. A PGFN enfrenta o desafio de acompanhar e reagir de forma ágil a estratégias coordenadas por grandes escritórios de advocacia, que testam novas teses tributárias em diferentes estados do Brasil. A detecção manual dessas teses é extremamente difícil devido ao volume de processos ingressantes. A criação de um identificador automatizado permitiria uma atuação proativa da PGFN, possibilitando a elaboração centralizada e urgente de modelos de contra-argumentos para combater eficazmente essas teses desde o seu surgimento, evitando perdas financeiras significativas para a União. Para alcançar esses objetivos, é realizada uma parceria com o Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP) em São Carlos. A ideia geral é avançar no desenvolvimento de grandes modelos de língua (LLM, do inglês Large Language Models), que sejam abertos e permissivos. A colaboração com a academia permite utilizar conhecimento técnico-científico para estender as LLMs abertas e personalizar os modelos conforme as necessidades da PGFN no cenário jurídico, impulsionando significativamente a eficácia e eficiência do sistema, além de possibilitar a colaboração contínua e o desenvolvimento de inovações no domínio jurídico. Os resultados esperados do projeto são divididos em curto, médio e longo prazo. A curto prazo, já se prevê uma avaliação comparativa dos grandes modelos de língua pré-treinados em relação à classificação de matérias tributárias, previsão do êxito de processos judiciais e desenvolvimento de um peticionador automatizado de contestações e recursos. Isso será viabilizado através do desenvolvimento de um módulo de engenharia de prompt, permitindo que os modelos pré-treinados sejam rapidamente condicionados para realizar tarefas específicas da PGFN com poucos exemplos rotulados. A médio prazo, será desenvolvido o ajuste de vocabulário de uma LLM usando córpus textuais históricos da PGFN, visando aumentar o desempenho de tarefas de classificação de processos e apoio à medição de êxito e identificação precoce de novas teses tributárias. A longo prazo, o projeto visa o desenvolvimento de uma LLM própria para PGFN, a partir de ajuste fino de uma LLM pré-treinada, tornando-a mais robusta para o domínio jurídico. Esta LLM será capaz de lidar com tarefas por meio de zero-shot prompt learning, que permitem seu uso em novas tarefas na ausência de dados de treinamento. Para realizar tal ajuste fino de uma LLM, está prevista a criação de uma base de dados treinamento com instruções de alta qualidade, com acompanhamento da área técnica da PGFN, sendo este também um resultado científico relevante, possibilitando a continuidade e a expansão das pesquisas na área jurídica e auxiliando a PGFN em suas atividades futuras.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Thiago de Paula Faleiros - Integrante / MARCACINI, RICARDO MARCONDES - Coordenador / Diego Furtado Silva - Integrante / Fábio Manoel França Lobato - Integrante / Diego Raphael Amâncio - Integrante / Silvio Levcovitz - Integrante / Nils Ever Murrugarra Llerena - Integrante / Osvaldo Novais de Oliveira Junior - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.
2.	2024-Atual. Identificação temporal de desinformação online por meio de aprendizado de máquina multimodal em fluxo de dados Descrição: Apoio a Projetos de Pesquisa - Chamada CNPq/MCTI/FNDCT N 22/2024 - Programa Conhecimento Brasil - Apoio a Projetos em Rede com Pesquisadores Brasileiros no Exterior. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diego Furtado Silva - Coordenador / Ricardo Marcondes Marcacini - Integrante / Carolina Evaristo Scarton - Integrante / Thiago Alexandre Salgueiro Pardo - Integrante / Jefersson A. dos Santos - Integrante / Renato Moraes Silva - Integrante. Membro: Diego Furtado Silva.
3.	2024-Atual. Modelos Neurais com Recursos Limitados para Classificação de Séries Temporais e Regressão Extrínseca Descrição: As séries temporais tornaram-se um tipo de dado fundamental em muitas aplicações, dada a crescente ubiquidade de dispositivos capazes de coletar e armazenar dados temporais. Os avanços mais notáveis em aprendizado de máquina para séries temporais estão na proposta de arquiteturas de aprendizado profundo. No entanto, essas redes neurais geralmente dependem de um enorme número de parâmetros, o que as torna computacionalmente dispendiosas. Por outro lado, muitas aplicações práticas dependem de modelos de baixo custo devido a limitações de hardware. Nesse cenário, este projeto de pesquisa propõe investigar diferentes técnicas para construir modelos neurais com restrições de recursos para classificação e regressão extrínseca de séries temporais. Em particular, a saúde é o principal domínio de aplicação de interesse nesta pesquisa.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diego Furtado Silva - Coordenador / RICARDO MARCONDES MARCACINI - Integrante / Ricardo Cerri - Integrante / Gustavo Enrique Batista - Integrante / Hassan Habibi Gharakheili - Integrante. Membro: Diego Furtado Silva.
4.	2024-Atual. Sistema baseado em IA para manutenção preditiva de redes de água de esgoto de cidades. AI-qua-City Descrição: Este projeto criará um ecossistema de inovação aberta baseado em inteligência artificial para cidades inteligentes capazes de resolver desafios sociais. O ecossistema também deve ser uma área para startups e PMEs desenvolverem e terem acesso a soluções de cidades inteligentes com base no mesmo código aberto e padrões abertos e estrutura de interoperabilidade recomendada pela UE e OASC, tornando-o atraente para empresas brasileiras e suecas, uma vez que o mercado é cidades no Brasil e na UE. A transparência e a interoperabilidade são fatores importantes tanto para os municípios quanto para os cidadãos, por isso dados e serviços são construídos sobre esse ecossistema aberto para uma cidade inteligente. Seguir a estrutura de interoperabilidade da UE garantirá a compatibilidade com o trabalho emergente sobre gêmeos digitais no Destination Earth.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diego Furtado Silva - Integrante / Osvaldo Novais de Oliveira Junior - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Coordenador / Fredrik Hallgren - Integrante / Ricardo Cerri - Integrante / Silvio Renato Siqueira - Integrante / Silvio Rocha da Silva - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Diego Furtado Silva.

2023

1.	2023-Atual. Aprendizado de Máquina para Séries Temporais em Aplicações de mHealth Descrição: O monitoramento de sinais fisiológicos, sinais vitais e outros parâmetros que podem ser coletados ao longo do tempo são essenciais em diversas tarefas da área da Saúde, como a estimação de frequência cardíaca e a identificação de batimentos cardíacos anômalos. Essas séries temporais, no entanto, são obtidas por equipamentos muito custos e usualmente não portáteis. Por outro lado, com a melhoria e miniaturização de sensores capazes de transmitir vários tipos de dados, dispositivos móveis e vestíveis têm se mostrado cada vez mais como opções para dar suporte a decisões médicas. \textit{Smartphones} e \textit{smartwatches} possuem sensores cada vez mais precisos e diversos, fazendo com que a Organização Mundial da Saúde considere que a chamada \textit{mobile health} (mHealth) pode representar uma revolução no modo como populações interagem com sistemas públicos de saúde. No entanto, há diversos desafios científicos e tecnológicos que precisam ser superados para que aplicações de mHealth sejam viáveis, na prática. Dentre esses desafios, encontram-se a necessidade de métodos de baixo custo, a heterogeneidade e multimodalidade dos dados, além da dificuldade de se obter dados anotados. Nesse cenário, este projeto propõem a investigação do uso de Aprendizado de Máquina para séries temporais em aplicações de mHealth. Ao final desta pesquisa, pretendemos configurar um novo estado-da-arte para essas aplicações e ainda disponibilizar os modelos gerados para isso, junto a todos os outros recursos que possam ser necessários para o avanço da pesquisa na mesma linha de concentração.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (3) / Doutorado: (3) . Integrantes: Diego Furtado Silva - Coordenador / BATISTA, GUSTAVO E. A. P. A. - Integrante / KEOGH, EAMONN - Integrante / FORESTIER, GERMAIN - Integrante / Audrey Borghi e Silva - Integrante / Ricardo Cerri - Integrante / RICARDO MARCONDES MARCACINI - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Diego Furtado Silva.
2.	2023-Atual. Centro de Excelência em Pesquisa Aplicada em Inteligência Artificial para a Indústria Descrição: O objetivo desta proposta é apresentar a estratégia para a criação do Centro de Excelência em Pesquisa Aplicada em Inteligência Artificial (IA) para a Indústria (CPA-IA), reconhecido a nível nacional e internacional por meio da pesquisa, desenvolvimento e implementação de uma plataforma digital aberta multiusuário de ciência de dados e IA para a Indústria 4.0, a fim de alavancar a modernização, a competitividade, e o desenvolvimento científico e tecnológico da indústria nacional por meio da aceleração e popularização da aplicação da IA para os diversos setores da indústria, para micro, pequenas, médias e grandes indústrias. Isto permitirá, enquanto ferramenta, que o Governo Brasileiro disponibilize um ambiente digital de Inteligência Artificial Industrial (I-AI), dando base à modernização dos processos produtivos e à geração de novos negócios intensivos em conhecimento. O desenvolvimento desta plataforma se dará por uma rede de pesquisadores que compartilhará seu conhecimento em projetos de pesquisa integrados e interdisciplinares. A integração de competências e experiências em IA da rede habilitará um plano nacional de educação e difusão do conhecimento, com a formação de recursos humanos qualificados. Todas estas atividades levarão à geração de produtos inovadores e de propriedade intelectual, gerando patentes e registros de software, fomentando a transferência das tecnologias criadas para os setores público e privado, ao mesmo tempo em que busca a criação de oportunidades inovadoras para o desenvolvimento sustentável e ético da indústria.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Davidson Martins Moreira - Coordenador / Claudio Fabiano Motta Toledo - Integrante / fernando luiz pellegrini pessoa - Integrante / Herman Augusto Lepikson - Integrante / Hernane Borges de Barros Pereira - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.
3.	2023-Atual. Computação Heterogênea para Visão Computacional e Processamento de Linguagem Natural Descrição: Trata-se de um projeto de pesquisa no âmbito das Ciências da Computação, em subáreas inter-relacionadas de grande destaque atual e de interesse acadêmico e industrial, a saber: Processamento de Imagens e Processamento de Linguagem Natural. Com a análise, a modelagem e o tratamento computacional de dados de imagens e de língua, prevê-se o avanço da fronteira de conhecimento nessas frentes e, consequentemente, das aplicações relacionadas a essas duas modalidades complementares de dados... Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Doutorado: (1) . Integrantes: Solange Oliveira Rezende - Coordenador / Marcelo Finger - Integrante / Sandra Maria Aluísio - Integrante / Ricardo Marcondes Marcacini - Integrante / Roberto Marcondes Cesar Junior - Integrante / Thiago Alexandre Salgueiro Pardo - Integrante / Ariani Di Felippo - Integrante / Moacir Antonelli Ponti - Integrante / Fabio Gagliardi Cozman - Integrante / Arnaldo Candido Junior - Integrante / Miguel Oliveira Junior - Integrante / Norton T. Roman - Integrante / Roberto Hirata Junior - Integrante / Nina Sumiko Tomita Hirata - Integrante. Financiador(es): Sociedade para Promoção da Excelência do Software Brasileiro - Auxílio financeiro. Membro: Solange Oliveira Rezende.
4.	2023-Atual. Detecção de Novidade em Fluxos Contínuos de Dados Multirrótulo Descrição: Fluxos contínuos de dados (FCDs) são sequências de dados de tamanho ilimitado, geradas de forma contínua, não-estacionária, e em muitos casos, em alta velocidade. Por esse fluxo ser potencialmente infinito, os dados não podem ser armazenados em memória, obrigando um exemplo a ser processado uma única vez e descartado. Várias aplicações do mundo real geram grandes quantidades de dados em um fluxo contínuo, e a tendência é que com a evolução da Tecnologia da Informação, mais dados sejam gerados e coletados constantemente. Exemplos dessas aplicações são coleta de dados a partir de sensores, geração de medições durante monitoramentos de redes e análise de postagens em redes sociais. Isso evidencia a relevância e a necessidade do desenvolvimento de algoritmos capazes de extrair conhecimento relevante desses dados. Dentre as tarefas envolvendo FCDs, a classificação é uma das mais importantes, objetivando rotular exemplos ainda não vistos, e que chegam constantemente junto ao fluxo. Dentro desse cenário, um grande desafio é a detecção de novidade, representada por mudanças de conceito e evoluções de conceito. Na mudança de conceito, a distribuição que gera os dados muda ao longo do tempo, o que significa que as distribuições que representam as classes mudam. Na evolução de conceito, novas distribuições surgem ao longo do tempo, o que significa o surgimento de novas classes no fluxo de dados. Apesar de existirem diversos métodos para a classificação de FCDs, a maioria deles não considera o fato dos exemplos do fluxo poderem ser rotulados em mais de uma classe simultaneamente, e também consideram que as classes dos exemplos são sempre disponibilizadas junto com os exemplos no fluxo, um cenário muitas vezes irreal. Dessa forma, a investigação de métodos de classificação que sejam capazes de lidar com tais cenários multirrótulo desafiadores é essencial. Nesse contexto, este projeto de pesquisa tem como objetivo principal propor novas estratégias de classificação multirrótulo em FCD. Além da detecção de evoluções de conceito e mudanças de conceito, há outras restrições e características que devem ser consideradas para o desenvolvimento de novas estratégias, e que tornam a tarefa difícil e desafiadora. Entre elas estão a necessidade de se considerar respostas em tempo real, memória limitada, passagem única pelos dados, detecção de conceitos recorrentes, detecção de ruídos e outliers, latência infinita de rótulos, e detecção de várias mudanças e evoluções de conceito simultâneas. Os métodos propostos serão executados em conjuntos de dados sintéticos e reais, e comparados com outros métodos da literatura. Os resultados serão divulgados em periódicos e eventos, e os códigos e dados gerados disponibilizados publicamente. Espera-se que os resultados da pesquisa tragam impactos e avanços significantes para as áreas de classificação de fluxos contínuo de dados e aprendizado multirrótulo.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diego Furtado Silva - Integrante / Ricardo Cerri - Coordenador / Elaine Ribeiro de Faria Paiva - Integrante / João Manuel Portela da Gama - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Diego Furtado Silva.
5.	2023-Atual. Técnicas de inteligência artificial para a identificação e gestão clínica de casos de Covid longa Descrição: Este estudo tem como objetivo desenvolver técnicas de inteligência artificial para auxiliar na identificação egestão clínica dos casos de Covid longa. Trata-se de um estudo do tipo caso controle e seguirá o protocoloStrengthening the reporting of observational studies in epidemiology (STROBE). Os locais da pesquisa serão a SantaCasa de São Carlos e o Hospital Universitário da Universidade Federal de São Carlos. além do Serviço de VigilânciaEpidemiológica e do Departamento de Atenção Básica e Ambulatorial do município. No grupo caso será incluído pessoasque desenvolveram a Covid longa e o grupo controle será composto por pessoas com diagnóstico laboratorial de Covid-Página 4 / 819, mas que não desenvolveram a Covid longa, no período de janeiro de 2021 a 31 de dezembro de 2023. Os dados serãocoletados por meio de uma planilha construída no Excel com as variáveis de interesse, além do endereço e contato noServiço de Vigilância Epidemiológica do município. Posteriormente, serão analisados os prontuários de pessoas queforam internadas devido à Covid-19; seguida pela análise dos prontuários dos grupos, nos serviços da APS, com vistasa identificar as pessoas que tiveram Covid longa. Ainda, serão coletados dados sobre o tipo de assistência oferecidaao paciente. Inicialmente os dados serão descritos por meio da estatística descritiva, e; por meio do Aprendizado deMáquina (AM) será realizada uma avaliação abrangente de diversos algoritmos para a identificação de casos de Covidlonga nos diferentes grupos. Além disso, os algoritmos de AM serão aplicados para a predição de outras variáveis degestão clínica e de grupos com maior predisposição. Dentre os critérios de seleção, será considerada aexplicabilidade dos modelos gerados, dando-se preferência a algoritmos que sejam capazes de gerar modelos maisinterpretáveis, como as árvores de decisão. O projeto será submetido para a apreciação do Comitê de Ética emPesquisa.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diego Furtado Silva - Coordenador / Sílvia Carla da Silva André Uehara - Integrante / Ana Cristina Ribeiro - Integrante / Priscilla Hortense - Integrante / Angélica Martins - Integrante / Isabel M López Medina - Integrante / Priscila Poli - Integrante / Bianca Chel da Silva - Integrante / Rafaela Carla Piotto Rodrigues - Integrante / ALVAREZ-NIETO, CARMEN - Integrante / Rodrigo das Neves Cano - Integrante / Paula Sacha Frota Nogueira - Integrante / Rafaela Deharo Curvelo - Integrante / Julia Hellen Ferreira de Sousa - Integrante / Zilmar Augusto de Souza Filho - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Diego Furtado Silva.

2022

1.	2022-Atual. Função da Química na Adaptação de Holobiontes Descrição: Um holobionte é constituído por um hospedeiro e toda a sua comunidade ecológica de microorganismos associados. É uma unidade evolutiva e a seleção de holobiontes é uma importante força evolucionária. Uma característica que ainda é pouco abordada é o papel dos metabólitos secundários nas relações microorganismos-hospedeiro, bem como nas interações quimicamente mediadas entre holobiontes (o conjunto micróbio-hospedeiro) e o ambiente. Nesta proposta, pretendemos investigar: aspectos selecionados da química de esponjas marinhas holobiontes e como a química influencia no sucesso evolutivo de esponjas marinhas; como microorganismos participam na transferência química de presas para predadores no ambiente marinho; a química de grupos selecionados de invertebrados marinhos e de microorganismos associados a invertebrados e plantas, visando a obtenção de novas substâncias químicas bioativas; para explorar ainda mais a química e a biologia de "lead compounds" já obtidos, a fim de elaborar estruturas bioativas mais ativas e estruturalmente menos complexas, com o objetivo de explorar ainda mais a farmacologia desses compostos; investigar a biossíntese de dois grupos selecionados de metabólitos microbianos, a fim de revelar aglomerados de genes e enzimas envolvidas em etapas biossintéticas e prever modificações estruturais de bioengenharia para melhorar sua atividade biológica; Desenvolver uma abordagem inédita para a seleção automatizada de microorganismos. O objetivo final é responder a perguntas desafiadoras, a fim de avançar o conhecimento da adaptação holobiontes, e explorar produtos químicos úteis que influenciam a adaptação dos holobiontes e que resultam no sucesso dos holobiontes na Natureza.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Diego Furtado Silva - Coordenador / Gustavo Enrique de Almeida Prado Alves Batista - Integrante / Solange Oliveira Rezende - Integrante / Ricardo Marcondes Marcacini - Integrante / Roberto Gomes de Souza Berlinck - Integrante / Igor Dias Jurberg - Integrante / Rafael Victorio Carvalho Guido - Integrante / ANTONIO GILBERTO FERREIRA - Integrante / Camila Manoel Crnkovic - Integrante / Danilo Ciccone Miguel - Integrante / EDUARDO CARLOS MEDUNA HAJDU - Integrante / Fernanda Fernandes Cavalcanti - Integrante / Fernanda Ramos Gadelha - Integrante / Leandro Manzoni Vieira - Integrante / Marcelo Brocchi - Integrante / Raquel Alves dos Santos - Integrante / Ronaldo Aloise Pilli - Integrante / Rosana Moreira da Rocha - Integrante / Severino Matias de Alencar - Integrante / Simone Possedente de Lira - Integrante / Taicia Pacheco Fill - Integrante / Tiago Venancio - Integrante / Vinicius Padula Anderson - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Diego Furtado Silva.
2.	2022-Atual. Projeto Temático: Criminality, Insecurity, and Legitimacy: a transdisciplinary approach Descrição: Since the 1970s, Brazilian society has been undergoing a process of transition from military dictatorship to democracy. With this political transition, it was expected that conflicts would be progressively resolved, reducing violence. However, that didn't happen. Indeed, the transition was accompanied by an explosion of internal conflicts, much of which associated with urban crime. There is still no consensus among social scientists on the reasons that explain these trends in the evolution of crime and violence in Brazilian society, particularly in large cities. Among the explanations that emerge most frequently is the exhaustion of traditional models of security policies, which have become obsolete. Based on Data Science and Artificial Intelligence techniques, this project aims to develop innovative analytical methodologies to investigate complex phenomena associated with crime and the persistence of feelings of insecurity in the population. The study of the relationship between criminality, the feeling of insecurity, and the legitimacy of justice institutions is also the main focus of the project. Another important objective is to train human resources so that they are able to use Data Science and Artificial Intelligence techniques in the field of Human and Social Sciences (CHS), bringing new perspectives of approach and differentiated training for professionals and researchers.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Alneu de Andrade Lopes - Integrante / Luis Gustavo Nonato - Coordenador. Membro: Alneu de Andrade Lopes.
3.	2022-Atual. The Role of Chemistry in Holobiont Adaptation Descrição: Um holobionte é constituído por um hospedeiro e toda a sua comunidade ecológica de microorganismos associados. É uma unidade evolutiva e a seleção de holobiontes é uma importante força evolucionária. Uma característica que ainda é pouco abordada é o papel dos metabólitos secundários nas relações microorganismos-hospedeiro, bem como nas interações quimicamente mediadas entre holobiontes (o conjunto micróbio-hospedeiro) e o ambiente. Nesta proposta, pretendemos investigar: aspectos selecionados da Química de esponjas marinhas holobiontes e como a Química influencia no sucesso evolutivo de esponjas marinhas; como microorganismos participam na transferência química de presas para predadores no ambiente marinho; a Química de grupos selecionados de invertebrados marinhos e de microorganismos associados a invertebrados e plantas, visando a obtenção de novas substâncias químicas bioativas; para explorar ainda mais a Química e a Biologia de "lead compounds" já obtidos, a fim de elaborar estruturas bioativas mais ativas e estruturalmente menos complexas, com o objetivo de explorar ainda mais a Farmacologia desses compostos; investigar a biossíntese de dois grupos selecionados de metabólitos microbianos, a fim de revelar aglomerados de genes e enzimas envolvidas em etapas biossintéticas e prever modificações estruturais de Bioengenharia para melhorar sua atividade biológica; desenvolver uma abordagem inédita para a seleção automatizada de microorganismos. O objetivo final é responder a perguntas desafiadoras, a fim de avançar o conhecimento da adaptação holobiontes, e explorar produtos químicos úteis que influenciam a adaptação dos holobiontes e que resultam no sucesso dos holobiontes na natureza.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Rafael Guido - Integrante / Severino M. Alencar - Integrante / Taicia Fill - Integrante / Antônio G. Ferreira - Integrante / Camila M. Crnkovic - Integrante / Danilo C. Miguel - Integrante / Eduardo Hajdu - Integrante / Fernanda F. Cavalcanti - Integrante / Fernanda Gadelha - Integrante / Leandro M. Vieira - Integrante / Marcelo Brocchi - Integrante / Igor D. Jurberg - Integrante / Raquel A. dos Santos - Integrante / Ricardo M. Marcacini - Integrante / Ronaldo A. Pilli - Integrante / Rosana M. Rocha - Integrante / Simone P. Lira - Integrante / Tiago Venâncio - Integrante / Vinicius Padula - Integrante / Roberto G.S. Berlinck - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.

2021

1.	2021-2023. Algoritmo DTW para correlação de feições geológicas Descrição: A interpretação estratigráfica é uma atividade fundamental para subsidiar projetos exploratórios de óleo e gás. Esta etapa de trabalho é caracterizada por se utilizar de uma grande concentração de tarefas manuais, cuja qualidade é controlada pela acuidade visual e experiência do intérprete. Comumente, a execução das tarefas pode ser repetitiva, demorada e propensa a erros. A finalidade deste projeto de cooperação técnica é adaptar o algoritmo Dynamic Time Warping, proposto para cálculo de distância entre séries temporais, ao domínio dos estudos estratigráficos visando eliminar resultados inesperados tendo como a Inteligência Artificial. Para atingir os resultados desejados serão aplicadas técnicas de aprendizado de métrica e métodos de classificação e segmentação em séries temporais afim de utilizá-los com segurança nos mais diferentes contextos estratigráficos.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Diego Furtado Silva - Coordenador / marcelus glaucus de souza araújo - Integrante. Membro: Diego Furtado Silva.
2.	2021-Atual. Aprendizado de máquina para otimizar sistema de gestão de relacionamento com os clientes nas mídias sociais Descrição: O crescente uso de redes sociais impactou significativamente na forma com a qual as empresas se relacionam com os seus clientes. Tais mídias tornaram-se um novo meio de comunicação entre estes atores, mas também representam um repositório valioso sobre a reputação de marcas, produtos e serviços. Este fenômeno fez surgir o conceito de gestão de relacionamento com os clientes por intermédio de redes sociais, conhecido pelo acrônimo Social CRM. O Social CRM inclui estratégias, processos e tecnologias para integrar as redes sociais aos sistemas tradicionais de gestão de relacionamento com os clientes. O Social CRM vem cada vez mais sendo utilizado para o entendimento das empresas em relação à percepção dos consumidores quanto aos seus produtos, serviços e propagandas. Entretanto, a área de Social CRM envolve diversos desafios, principalmente pelo fato das opiniões expressas pelos consumidores em portais e redes sociais estarem em formato textual, o qual é um tipo de dado não estruturado. Nesses textos, além de etapas de limpeza, padronização e estruturação necessária para algoritmos de aprendizado de máquina, os quais serão utilizados neste projeto para automação de tarefas e extração de conhecimento, é necessário identificar algumas partes importantes no texto, como os aspectos de um produto ou serviço. Além disso, há a necessidade de em determinadas aplicações ter que informar a categoria dos textos, por exemplo, sentimento positivo ou sentimento negativo, ou se um texto é sobre vendas, divulgação, ou feedback de um consumidor. Por fim, os textos dessas mídias geralmente são curtos, o que impõe desafios adicionais ao aprendizado de máquinas em dados textuais. Com isso, esse projeto visa investigar, propor e implementar técnicas de aprendizado de máquina para a extração de conhecimento e automação de tarefas na gestão de relacionamento com clientes, além da disponibilização de um serviço contendo os principais métodos resultantes da pesquisa. A saber, serão investigados e desenvolvidos (i) métodos de extração de aspectos a partir de textos de consumidores extraídos em plataformas de reclamação, com o objetivo de obter qual o produto ou serviço se trata uma determinada reclamação; (ii) métodos de classificação semi supervisionada de categorias de marketing para textos de consumidores provenientes de redes sociais, com o objetivo de diminuir a quantidade de exemplos rotulados necessária para obter a automação de maneira satisfatória; (iii) métodos de predição para o score de engajamento de consumidores em relação a postagens em mídias sociais, para definir prioridades de atendimento e de marketing (pré-venda e pós-venda); por fim, os métodos supramencionados serão integrados em um (iv) sistema de informação inteligente voltado para Social CRM. Além dos potenciais de inovação técnico-científico nas áreas de análise de redes sociais, inteligência artificial e business, setores estratégicos para o desenvolvimento econômico nacional, o presente projeto também viabiliza a construção de uma rede de pesquisa multidisciplinar e o desenvolvimento de produtos que atendam as necessidades mercadológicas de empresas que usam as redes sociais para a gestão de relacionamento com os clientes. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (10) / Mestrado profissional: (3) . Integrantes: Solange Oliveira Rezende - Integrante / Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Integrante / Fábio Manoel França Lobato - Coordenador / Marcelino S. da Silva - Integrante / Olaf Reinhold - Integrante / Jacob Antonio Fernando Lavareda - Integrante / Éfren Lopes de Souza - Integrante / JULIO AUGUSTO NOGUEIRA VIANA - Integrante / Diego de Azevedo Gomes - Integrante / Michel Marialva Yvano - Integrante / Danielle Costa Carrara Couto - Integrante. Financiador(es): Fundação Amazônia Paraense de Amparo à Pesquisa - Auxílio financeiro / Conselho Nacional de Desenvolvimento Científico e Tecnológico - Outra. Membro: Solange Oliveira Rezende.
3.	2021-Atual. Projeto temático: IARA - Inteligência Artificial Recriando Ambientes Descrição: O Centro de Pesquisa Aplicada em Inteligência Artificial, IARA, é formado por uma equipe multidisciplinar, com especialistas nacionais com competência internacionalmente reconhecidas em inteligência artificial, telecomunicações internet das coisas e cidades inteligentes. O centro sediado em São Carlos, estado de São Paulo, funcionará em rede com pesquisadores de todas as regiões do Brasil, organizado em nós ou subsedes. Assim, um diferencial desta proposta de centro é que, junto com o centro sediado em São Carlos, será formada uma rede de nós, ou sub-sedes, localizados em Instituições Científica, Tecnológica e de Inovação de todas as regiões do país. O centro tem pesquisadores de várias instituições de ciência e tecnologia do estado de São Paulo, incluindo todas as universidades públicas. A rede tem por meta cobrir cinco aspectos de cidades inteligentes: cibersegurança, educação, infra-estrutura, meio-ambiente e saúde. No aspecto relacionado a infra-estrutura, são de particular interesse os subtemas de energia, comunicação e mobilidade. Por seu caráter aplicado, foi firmado um acordo para colaboração futura com algumas cidades do país e participa também um grupo de empresas cujas atividades englobam os temas mencionados. Serão enfatizadas no centro a transferência de tecnologia, a educação e a divulgação de conhecimento para o uso correto, justo, transparente e eficiente de Inteligência Artificial para o fomento de cidades inteligentes no Brasil e no exterior.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Alneu de Andrade Lopes - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Coordenador. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Alneu de Andrade Lopes.

2020

1.	2020-2021. Aprendizado de Representações para Mineração de Eventos Descrição: Um dos principais desafios da Minerac ̧ao de Eventos é obter uma representação estruturada da base de eventos; um processo complexo devido as múltiplas componentes e diferentes tipos de dados. O Aprendizado de Representações é inspirado em metodos de aprendizado profundo que se mostraram promissores na analise de imagem, texto, vídeo e audio. Neste projeto de pesquisa, o objetivo e investigar Aprendizado de Representações para eventos, como parte do processo de Mineração de Eventos. Algumas iniciativas existentes na literatura foram propostas sem considerar restrições espaço-temporais dos eventos. As várias componentes dos eventos apresentam informações valiosas que são úteis para guiar o aprendizado da nova representação do espaço dimensional, sendo importante estender tais iniciativas para incorporar requisitos específicos do problema de Mineração de Eventos.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (2) / Doutorado: (3) . Integrantes: Ricardo Marcondes Marcacini - Coordenador. Financiador(es): Universidade de São Paulo - Auxílio financeiro. Membro: Ricardo Marcondes Marcacini.
2.	2020-Atual. Center for Artificial Intelligence (C4AI) Descrição: Descrição: O Center for Artificial Intelligence congrega cerca de 120 pesquisadores de várias instituições, com suporte da FAPESP e IBM. O Centro é sediado na USP, nas dependências do InovaUSP, e conduz pesquisas em temas básicos e aplicados da área de inteligência artificial, bem como se preocupa com transferência de tecnologia e difusão.. .. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Fabio Gagiardi Cozman - Coordenador. Membro: Solange Oliveira Rezende.
3.	2020-2023. Dos dados ao conhecimento: extração e representação de informação no domínio do e-commerce Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (2) . Integrantes: Diego Furtado Silva - Integrante / Helena de Medeiros Caseli - Coordenador / Daniel Lucrédio - Integrante. Membro: Diego Furtado Silva.
4.	2020-Atual. Representações semanticamente enriquecidas para mineração de textos em português: Modelos e Aplicações Descrição: Com a crescente geração e disponibilização de textos, seja internamente nas organizações ou na Web, técnicas de Mineração de Textos têm se tornado essenciais no apoio à análise e extração de conhecimento desses dados. Independentemente da aplicação ou técnica utilizada, o tratamento semântico dos textos é um grande desafio do processo de mineração. Esse desafio é ainda maior quando se considera textos escritos no idioma português, visto as particularidades do idioma e o limitado volume de recursos e pesquisas desenvolvidas. Nesse contexto, este projeto visa avançar as pesquisas da área de Mineração de Textos, com foco no idioma português, e disseminar o conhecimento da área por meio da aplicação em diferentes problemas do mundo real. Assim, serão investigados e propostos modelos de representação de textos semanticamente enriquecidos, abordando tanto representações no modelo espaço-vetorial quanto representações em rede, bem como sua aplicação no aprendizado baseado em uma única classe. Para viabilizar a pesquisa, coleções de textos escritos em português serão coletadas, preparadas e caracterizadas, disponibilizando à comunidade informações consolidadas sobre coleções rotuladas e disponibilizadas para pesquisa. Por fim, as representações semanticamente enriquecidas serão avaliadas e aplicadas em diferentes problemas práticos de Mineração de Textos, como análise de sentimentos, sistemas de recomendação, detecção de notícias falsas, descoberta baseada em literatura e mineração de eventos. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (3) / Doutorado: (4) . Integrantes: Ricardo Marcondes Marcacini - Integrante / SOLANGE REZENDE - Coordenador / Roberta Akemi Sinoara - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Ricardo Marcondes Marcacini. Descrição: Com a crescente geração e disponibilização de textos, seja internamente nas organizações ou na Web, técnicas de Mineração de Textos têm se tornado essenciais no apoio à análise e extração de conhecimento desses dados. Independentemente da aplicação ou técnica utilizada, o tratamento semântico dos textos é um grande desafio do processo de mineração. Esse desafio é ainda maior quando se considera textos escritos no idioma português, visto as particularidades do idioma e o limitado volume de recursos e pesquisas desenvolvidas. Nesse contexto, este projeto visa avançar as pesquisas da área de Mineração de Textos, com foco no idioma português, e disseminar o conhecimento da área por meio da aplicação em diferentes problemas do mundo real. Assim, serão investigados e propostos modelos de representação de textos semanticamente enriquecidos, abordando tanto representações no modelo espaço-vetorial quanto representações em rede, bem como sua aplicação no aprendizado baseado em uma única classe. Para viabilizar a pesquisa, coleções de textos escritos em português serão coletadas, preparadas e caracterizadas, disponibilizando à comunidade informações consolidadas sobre coleções rotuladas e disponibilizadas para pesquisa. Por fim, as representações semanticamente enriquecidas serão avaliadas e aplicadas em diferentes problemas práticos de Mineração de Textos, como análise de sentimentos, sistemas de recomendação, detecção de notícias falsas, descoberta baseada em literatura e mineração de eventos.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (5) . Integrantes: Solange Oliveira Rezende - Coordenador / Roberta Akemi Sinoara - Integrante / Marcos Aurélio Domingues - Integrante / Veronica Oliveira de Carvalho - Integrante / Alipio Mario Guedes Jorge - Integrante / Bruno Magalhães Nogueira - Integrante / Camila Vaccari Sundermann - Integrante / MARCACINI, RICARDO M. - Integrante / ROSSI, RAFAEL G. - Integrante / Dildre Georgiana Vasques - Integrante / SCHEICHER, RICARDO B. - Integrante / Vitor Rodrigues Tonon - Integrante / Brucce Neves dos Santos - Integrante / Mariana Caravanti de Souza - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.

2019

1.	2019-Atual. Análise e Mineração de Redes Complexas Descrição: Projeto submetido ao CNPq relacionado à bolsa de produtividade em pesquisa Pq-2, que dá continuidade e amplia as pesquisas realizadas no contexto do projeto anterior Análise e Mineração de Redes Sociais, desenvolvido no período de 01/03/2016 a 28/02/2019. Ou seja, o projeto mantém o foco na mineração de redes complexas, porém, agora, visa explorar novas áreas de mineração não endereçadas no projeto anterior, cujo foco foi principalmente as redes sociais online.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) / Mestrado profissional: (1) / Doutorado: (4) . Integrantes: Alneu de Andrade Lopes - Coordenador. Membro: Alneu de Andrade Lopes.
2.	2019-2021. Aprendizado de Websensors para Agronegócios Descrição: Período: 01/03/2019 até 01/03/2021 Coordenador: Ricardo M. Marcacini Processo: 426663/2018-7 Financiador: CNPq. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (3) / Doutorado: (2) . Integrantes: Ricardo Marcondes Marcacini - Coordenador / Rafael Geraldeli Rossi - Integrante / BRUNO MAGALHÃES NOGUEIRA - Integrante / Edson Takashi Matsubara - Integrante / Solange O. Rezende - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Ricardo Marcondes Marcacini. Descrição: O agronegócio é uma das principais atividades econômicas do Brasil, representando anualmente (desde 2006) uma média de 21 do PIB brasileiro, acumulando um crescimento de 4,4 em 2016, mesmo em período de recessão econômica. Por outro lado, a cadeia produtiva do agronegócio é considerada complexa devido aos muitos fatores envolvidos, como efeitos climáticos, controle de pragas e doenças, controle de insumos (e.g. fertilizantes, sementes, defensivos, vacinas e máquinas), serviços de crédito (e.g. câmbio e taxas de juros), as atividades de produção de agricultura e pecuária propriamente ditas; e as etapas pós-produção, como embalagem, armazenagem, industrialização, transporte e distribuição. Esta diversidade de fatores é responsável pelo conceito de riscos e incertezas da cadeia produtiva do agronegócio, com a principal consequência de que o preço de venda durante a etapa de comercialização foge ao controle do produtor. Assim, uma gestão moderna do agronegócio incorpora instrumentos para gerenciamento de riscos com o objetivo de amenizar tais incertezas e conferir uma estabilidade mínima ao produtor. Nesse contexto, o gerenciamento de riscos com uso de mercado de futuros, como a Bolsa de Mercadorias e Futuros da BOVESPA (BMF-BOVESPA) tem se tornado cada vez mais popular, atingindo 1.860.877 contratos de derivativos relacionados ao agronegócio em 2016. Neste mercado, o produtor (avesso ao risco) transfere o risco de oscilação do preço para empresas e/ou indivíduos que operam no mercado de futuros e que esperam receber um prêmio para assumir tal risco. Definir boas estratégias de gerenciamento de riscos depende de um conjunto adequado de informações sobre problema para determinar intervalos de variação de preços no futuro. Neste projeto é proposto um produto denominado Websensors Analytics para inovar o gerenciamento de riscos em agronegócios. Websensors é um framework de aprendizado de máquina com o diferencial de coletar e combinar grandes bases de informações disponíveis em diversas fontes sobre agronegócios, como notícias e boletins especializados, e utilizar tais bases de dados em conjunto com indicadores oficiais (como cotações de preços) para melhorar tarefas de análise preditiva de preços. Esta proposta de inovação tecnológica é baseada em 4 anos de pesquisa na área, com resultados promissores para apoiar o desenvolvimento deste produto. Além da ausência de produtos nacionais similares nesta área específica, o agronegócios está em acentuada expensão e exigirá cada vez mais de soluções inovadoras para aumentar a eficiência deste setor... Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Maria Fernanda Moura - Integrante / Bruno Nogueira - Integrante / Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Coordenador / Edson Takashi Matsubara - Integrante / Eraldo Luiz Rezende Fernandes - Integrante / Rafael Giusti - Integrante. Membro: Solange Oliveira Rezende.
3.	2019-Atual. Gestão da Informação de do conhecimento no âmbito do Portfólio de pastagens da Embrapa Descrição: Descrição: O projeto tem como objetivo mapear o conhecimento, as informações e os dados gerados sobre o domínio "pastagens", com ênfase no subtema "recuperação de pastagens" - incluindo um diagnóstico do ambiente externo -, para subsidiar a gestão estratégica da informação no âmbito do Portfólio de Pastagens. Para isso, aplicará técnicas e ferramentas da Gestão do Conhecimento e da Informação, bem como da Socioeconomia, para oferecer ao Portfólio estudos que norteiem as tomadas de decisão do comitê gestor, no sentido de acelerar o processo de inovação neste tema... Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Solange Oliveira Rezende - Integrante / Maria Feranda Moura - Integrante / Leandro Henrique Mendonça de Oliveira - Integrante / Milena Ambrosio Telles - Coordenador. Membro: Solange Oliveira Rezende.
4.	2019-2021. Investigação e desenvolvimento de módulos de AutoML na plataforma Marvin em consonância com requisitos de desempenho e alta disponibilidade Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (4) . Integrantes: Diego Furtado Silva - Integrante / Helena de Medeiros Caseli - Coordenador / Daniel Lucrédio - Integrante. Membro: Diego Furtado Silva.
5.	2019-Atual. Plataforma de Gerenciamento de Provas Virtuais Descrição: Uma plataforma web completa para gerenciamento de provas virtuais com o diferencial de incorporar provas adaptativas, inteligência artificial para apoiar correção de questões discursivas e detecção de plágio, bem como integração com ferramentas de acessibilidade para deficiência auditiva e visual.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Ricardo Marcondes Marcacini - Coordenador / Rafael Geraldeli Rossi - Integrante / Cristiano Costa Argemon Vieira - Integrante. Financiador(es): CAPES - Centro Anhanguera de Promoção e Educação Social - Auxílio financeiro. Membro: Ricardo Marcondes Marcacini.

2017

1.	2017-2019. Armadilhas e Sensores Inteligentes: Uma Abordagem Inovadora para Controle de Insetos Peste e Vetores de Doenças Descrição: Resumo em Português Indiscutivelmente, os insetos são importantes na agricultura, no meio ambiente e saúde pública. Muitas espécies são benéficas para o meio ambiente e para as pessoas. Por exemplo, insetos são responsáveis pela polinização de ao menos dois terços de todo o alimento consumido no mundo. Devido a esta importância para os seres humanos, o recente declínio nas populações de insetos polinizadores, principalmente as abelhas, é considerado um grave problema ambiental, frequentemente associado ao uso de pesticidas. Por outro lado, pragas agrícolas são responsáveis por destruir mais de 40 bilhões de dólares em alimentos por ano e determinadas espécies são vetores de doenças que matam mais de um milhão de pessoas anualmente, como a malária, dengue, febre chikungunya e zika vírus. Neste projeto de pesquisa, é proposta uma armadilha inteligente para a captura de espécies maléficas de insetos. A armadilha utiliza um sensor óptico que têm sido desenvolvido pela equipe deste projeto nos últimos anos, capaz de reconhecer automaticamente a espécie de insetos a partir de dados do batimento de asas dos insetos. O reconhecimento das espécies de insetos permitirá a criação de mapas de densidade em tempo real, que por sua vez podem ser utilizados para apoiar intervenções locais. Por exemplo, no caso de pragas agrícolas, estes mapas permitirão a aplicação inteligente e direcionada de inseticidas, reduzindo o impacto para o meio ambiente. No caso de insetos vetores de doenças, a armadilha poderá auxiliar na redução dos custos de intervenções sofisticadas e efetivas como a SIT (técnica do inseto estéril), mas que possuem um alto custo. Neste projeto, pretende-se expandir o estado-da-arte em Computação por meio desta aplicação real, especialmente nas áreas de Aprendizado de Máquina e Mineração de Fluxo de Dados. De modo a demonstrar os aspectos práticos desta proposta, as pesquisas serão concentradas na identificação de duas espécies: o psilídio asiático dos citros, vetor da doença de Greening, uma terrível doença que ataca árvores de citros e o Aedes aegypti, vetor da dengue, febre amarela e chikungya, e zika virus, recentemente associado a casos de microcefalia em recém-nascidos.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Diego Furtado Silva - Integrante / Agenor Mafra Neto - Integrante / Antonio Rafael Sabino Parmezan - Integrante / PRATI, RONALDO C. - Integrante / BATISTA, GUSTAVO E. A. P. A. - Coordenador / SOUZA, VINÍCIUS M. A. - Integrante / KEOGH, EAMONN J. - Integrante / Claudia Regina Milaré - Integrante / Juliano José Corbi - Integrante / Pedro Takao Yamamoto - Integrante / André Gustavo Maletzke - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Diego Furtado Silva.
2.	2017-2020. Graph-Based Total Recall Information Retrieval on Text Document Corpora Descrição: In the real world, textual format is the common way of storing information. Thus automated techniques which help to group, extract topic, and classify textual documents, minimizing the need of human intervention, remain a worthwhile research topic. In this context, the Brazilian and Canadian groups have developed a number of techniques related to network-based text mining, to complement the traditional vector space model for representing textual corpora. More specifically, representing textual collections as networks of terms and documents. Algorithms that use a graph representation have several advantages since a graph representation: (1) avoids sparsity and ensures low memory consumption; (2) enables an optimal description of the topological structure of a dataset and associated operations; (3) provides local and global statistics of the dataset?s structure; and (4) allows extracting patterns which are not extracted by algorithms based on vector-space model [Breve et all, 2012]. By using such representations, a number of techniques has been developed for supervised, unsupervised, and semi-supervised learning by both groups. The Brazilian group?s methods are based on information propagation in bipartite networks and can be applied to different domains. In the textual domains, in which a collection of documents may be represented by document-term bipartite networks, the proposals range from text classification to soft clustering, including semi-supervised classification and topic extraction. The counterpart Canadian team is involved in a major ongoing project on total recall information retrieval (IR) in large noisy text datasets funded by NSERC and Boeing Canada. A different project that received funding from the Digging into Data program until late 2015 and continues under NSERC Discovery grant funding addresses total recall IR on a large corpus of biodiversity heritage text. As a motivating practical problem, this project also aims to expand the functionality and the utility of the Biodiversity Heritage Library (BHL) [BHL], a digital library of over 170 thousand volumes, and 49 million pages of biodiversity literature, dating since the 16th century, openly available to the global biodiversity community. The collaboration between the two teams will aim for novel approaches so that each team can improve their knowledge and usage of strategies, techniques and tools employed by the other, in the context of total recall IR for the BHL corpus. These opportunities will extend to the students working in these topics, who will experience international collaboration and internships at the partner institutions as part of the masters or doctoral projects.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (4) . Integrantes: Alneu de Andrade Lopes - Coordenador / Valejo, Alan - Integrante / Evangelos Milios - Integrante / fabiana góes - Integrante. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Cooperação. Membro: Alneu de Andrade Lopes.
3.	2017-2019. Intelligent Traps and Sensors: an Innovative Approach to Control Insect Pests and Disease Vectors Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Coordenador / Claudia Regina Milaré - Integrante / Agenor Mafra Neto - Integrante / Keogh, Eamonn - Integrante / Vinícius Mourão Alves de Souza - Integrante / Ronaldo Cristiano Prati - Integrante / Pedro Takao Yamamoto - Integrante / Juliano José Corbi - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Gustavo Enrique de Almeida Prado Alves Batista.
4.	2017-2019. MINERAÇÃO DE DADOS E TEXTOS PARA AQUISIÇÃO DE INFORMAÇÃO CONTEXTUAL PARA SISTEMAS DE RECOMENDAÇÃO SENSÍVEIS AO CONTEXTO Descrição: As empresas que tratam seus negócios na Web oferecem uma vasta quantidade e variedade de conteúdos Web (isto é, produtos, serviços e informações). Estas empresas sentem a necessidade de descobrir informações sobre o comportamento e interesse de seus usuários para poder recomendar a estes os produtos, serviços e informações que lhes são relevantes. Porém, o comportamento e interesse de um usuário são constantemente influenciados pelo contexto no qual este se encontra. Por exemplo, um usuário pode desejar assistir um filme com a sua namorada no sábado à noite ou com os seus amigos durante um dia de semana, e uma locadora de filmes na Web pode recomendar diferentes tipos de filmes para este usuário dependendo do contexto no qual este se encontra. Um grande desafio para o uso de sistemas de recomendação sensíveis ao contexto por sítios Web é a falta de métodos para aquisição automática de informação contextual para estes sistemas. Diante desse cenário, o objetivo deste projeto é a pesquisa, proposta e avaliação de métodos de aquisição de informação contextual para sistemas de recomendação de contéudo Web sensíveis ao contexto.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Marcos Aurélio Domingues - Coordenador / Marcelo Garcia Manzato - Integrante / SUNDERMANN, CAMILA VACCARI - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Solange Oliveira Rezende.
5.	2017-2018. Mineração de Dados para Predição de Evasão em Ambientes de Ensino a Distância Descrição: Estratégias de combate à evasão no ensino superior têm recebido grande atenção nos últimos anos. As estratégias tradicionais são baseadas na revisão dos projetos pedagógicos dos cursos, além da implantação de políticas de assistência estudantil, como apoio financeiro e psicológico aos alunos. O uso destas estratégias tradicionais é mais desafiador quando o principal meio de interação com os alunos é pelo ambiente computacional EAD. No entanto, esses ambientes armazenam um rico conjunto de dados que refletem o comportamento dos alunos, desde o registro de acesso e tempo utilizado nos recursos didáticos, atividades de avaliação, até a interação do aluno em fóruns de discussão. Métodos para Mineração de Dados são promissores para extrair conhecimento útil desses dados e, assim, apoiar processos de tomada de decisão. Assim, o objetivo deste projeto é desenvolver uma plataforma de Mineração de Dados com foco na predição de evasão para o sistema UAB. Na etapa de extração de conhecimento da plataforma, serão desenvolvidos algoritmos de aprendizado de modelos preditivos, ou seja, que identificam padrões nos dados históricos dos perfis de alunos desistentes; sendo capaz de predizer se um novo perfil entrou no grupo de risco da evasão. Como resultado, a plataforma será distribuída livremente, permitindo integrar com qualquer ambiente EAD.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (1) . Integrantes: Ricardo Marcondes Marcacini - Coordenador / Rafael Geraldeli Rossi - Integrante / BRUNO MAGALHÃES NOGUEIRA - Integrante / Solange Oliveira Rezende - Integrante / Edson Takashi Matsubara - Integrante / Vitor Mesaque Alves de Lima - Integrante / Renan de Padua - Integrante / Eraldo Luís Rezende Fernandes - Integrante / Nilton Cézar Carraro - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro. Membro: Ricardo Marcondes Marcacini. Descrição: Estratégias de combate à evasão no ensino superior têm recebido grande atenção nos últimos anos. As estratégias tradicionais são baseadas na revisão dos projetos pedagógicos dos cursos, além da implantação de políticas de assistência estudantil, como apoio financeiro e psicológico aos alunos. O uso destas estratégias tradicionais é mais desafiador quando o principal meio de interação com os alunos é pelo ambiente computacional EAD. No entanto, esses ambientes armazenam um rico conjunto de dados que refletem o comportamento dos alunos, desde o registro de acesso e tempo utilizado nos recursos didáticos, atividades de avaliação, até a interação do aluno em fóruns de discussão. Métodos para Mineração de Dados são promissores para extrair conhecimento útil desses dados e, assim, apoiar processos de tomada de decisão. Assim, o objetivo deste projeto é desenvolver uma plataforma de Mineração de Dados com foco na predição de evasão para o sistema UAB. Na etapa de extração de conhecimento da plataforma, serão desenvolvidos algoritmos de aprendizado de modelos preditivos, ou seja, que identificam padrões nos dados históricos dos perfis de alunos desistentes; sendo capaz de predizer se um novo perfil entrou no grupo de risco da evasão. Como resultado, a plataforma será distribuída livremente, permitindo integrar com qualquer ambiente EAD. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: Solange Oliveira Rezende - Integrante / Rafael Geraldeli Rossi - Integrante / Renan de Padua - Integrante / Ricardo Marcondes Marcacini - Coordenador / Bruno Magalhães Nogueira - Integrante / Edson Takashi Matsubara - Integrante / Vitor Mesaque Alves de Lima - Integrante / Eraldo Luís Rezende Fernandes - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro. Membro: Solange Oliveira Rezende.
6.	2017-2022. Mining, Indexing and Visualizing Big Data in Clinical Decision Support Systems (MIVisBD) Descrição: Projeto Temático envolvendo 3 instituições nacionais e 8 instituições internacionais.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (2) . Integrantes: Solange Oliveira Rezende - Integrante / Caetano Traina Júnior - Integrante / José Fernando Rodrigues Junior - Integrante / Agma Juci Machado Traina - Coordenador / Christos Faloutsos - Integrante / Renato Bueno - Integrante / Marco Antônio Gutierrez - Integrante / Robson L. F. Cordeiro - Integrante. Membro: Solange Oliveira Rezende.
7.	2017-2019. Visual analytics: applications and a conceptual investigation Descrição: Research on Visual Analytics research is central to addressing the challenges in data analysis and data-intensive computing, in view of its potential of combining Machine Learning and Visualization techniques to assist human interpretation of complex datasets. Coupling techniques from both areas can promote significant advances in data analysis capabilities, as human and computer can take on complementary roles in addressing the many challenges introduced by the volume and complexity of datasets generated in wide variety of application domains. This project addresses two distinct research problems in visual analytics, focusing both in an applied problem and in a conceptual problem. In its applied focus, the project shall consider (i) the visualization of large scale networks, with a particular interest in solutions applicable to visualizing social networks; and (ii) visualization to support exploratory analysis of attribute spaces that characterize multivariate and time-varying phenomena. One example is datasets produced by sensors employed for environmental monitoring. In both cases, the search for scalable solutions capable of handling large volumes of data poses a major research challenge. As for the conceptual question, in an ongoing collaboration we have been investigating approaches to clarify the cognitive processes underlying human interpretation of a particular type of multidimensional visualization, the so-called similarity maps. In this project we will design and carry out some experimental studies that might contribute to such an understanding. Results from these studies may shed light on possible conceptual models of the interpretation of this particular category of visual mapping, and hopefully contribute to establishing a foundation for the usage of these techniques, which is essential for further advances in the field. (AU). Situação: Concluído; Natureza: Pesquisa. Integrantes: Alneu de Andrade Lopes - Integrante / Maria Cristina de Oliveira - Coordenador. Membro: Alneu de Andrade Lopes.

2016

2016-Atual. An Intelligent Trap and Mobile Application to Motivate Local Mosquito Control Activities
Descrição: In the last years we have witnessed a tremendous increase of dengue fever cases followed by the appearance of zika and chikungunya fevers. All these diseases have in common the Aedes aegypti mosquito as the main vector. The Aedes aegypti is highly adapted to urban conditions and its resilience to insecticides has made unilateral governmental mosquito control activities ineffective. The control of the mosquito is only possible with the joint effort of organizations, governments and the active participation of the population. In this project, we propose an innovative approach for community engagement and vector control. Our idea is to propose an inexpensive intelligent trap that will empower the population with the knowledge of Aedes aegypti densities. Such a trap will make use of mobile devices to educate the population about proper mosquito control activities as well as evaluate the effectives of these activities based on the number of captured mosquitoes.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Coordenador / MAFRA-NETO, AGENOR - Integrante / Pedro Takao Yamamoto - Integrante / Juliano José Corbi - Integrante. Financiador(es): U.S. Agency for International Development - Auxílio financeiro.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.

2016-2018. Aprendizado não Supervisionado de Websensors aplicado em Desafios de Big Data para Agronegócios
Descrição: Motivada pela diversidade de aplicações que podem ser derivadas por meio de algoritmos para extração de conhecimento da web, uma nova direção de pesquisa denominada Websensors tem como objetivo converter padrões extraídos de várias fontes da web em um conjunto de sinais, representado por meio de séries temporais, que permitem observar, estudar e monitorar o comportamento de um fenômeno de interesse. Devido ao grande volume de dados, variedade de fontes de informação e requisitos de velocidade para análise desses dados, os websensors são modelos computacionais com grande potencial para lidar com os desafios atuais relacionados à temática de Big Data; que recentemente tem recebido muita atenção na literatura e indústria pelos resultados promissores obtidos na resolução de tarefas complexas de tomadas de decisão. Nesse contexto, entre as atividades recentes desenvolvidas pelos membros do GEPIC (Grupo de Estudo e Pesquisa em Inteligência Computacional - UFMS), há um particular interesse em explorar websensors aplicado em desafios de Big Data para o domínio de agronegócios. Atividades prévias, como a coleta e organização de uma base de 14 anos de notícias (composta por milhões de registros) e resultados preliminares tem demonstrado que este é um caminho promissor. Dessa forma, a proposta geral deste projeto é utilizar conhecimento implícito em uma base histórica de milhões notícias sobre agronegócios no Brasil para aprender padrões, ao longo do tempo, que possam ser explorados para explicar o comportamento passado e predizer comportamento futuro no domínio de agronegócios, com apoio de algoritmos de aprendizado não supervisionado de máquina.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (2) / Doutorado: (1) . Integrantes: Ricardo Marcondes Marcacini - Coordenador / Maria Fernanda Moura - Integrante / BRUNO MAGALHÃES NOGUEIRA - Integrante / SOLANGE REZENDE - Integrante / Edson Takashi Matsubara - Integrante / Eraldo Luís Rezende Fernandes - Integrante / Valguima Victoria Viana Aguiar Odakura - Integrante / Andre Steffens Moraes - Integrante / Vitor Mesaque Alves de Lima - Integrante / Rafael Geraldeli Rossi - Integrante / Fabiana Villa Alves - Integrante / Ana Carolina Chiozi Zanetta - Integrante / Julio César Carnevali - Integrante / Luan Vinicius de Carvalho Martins - Integrante / João Domingos Ferreira Mundim - Integrante / Hugo Lopes da Luz - Integrante. Financiador(es): Fundação de Apoio e Desenvolvimento do Ensino, Ciência e Tecnologia do MS - Auxílio financeiro.
Membro: Ricardo Marcondes Marcacini.
Descrição: Motivada pela diversidade de aplicações que podem ser derivadas por meio de algoritmos para extração de conhecimento da web, uma nova direção de pesquisa denominada Websensors tem como objetivo converter padrões extraídos de várias fontes da web em um conjunto de sinais, representado por meio de séries temporais, que permitem observar, estudar e monitorar o comportamento de um fenômeno de interesse. Devido ao grande volume de dados, variedade de fontes de informação e requisitos de velocidade para análise desses dados, os websensors são modelos computacionais com grande potencial para lidar com os desafios atuais relacionados à temática de Big Data; que recentemente tem recebido muita atenção na literatura e indústria pelos resultados promissores obtidos na resolução de tarefas complexas de tomadas de decisão. Nesse contexto, entre as atividades recentes desenvolvidas pelos membros do GEPIC (Grupo de Estudo e Pesquisa em Inteligência Computacional - UFMS), há um particular interesse em explorar websensors aplicado em desafios de Big Data para o domínio de agronegócios. Atividades prévias, como a coleta e organização de uma base de 14 anos de notícias (composta por milhões de registros) e resultados preliminares tem demonstrado que este é um caminho promissor. Dessa forma, a proposta geral deste projeto é utilizar conhecimento implícito em uma base histórica de milhões notícias sobre agronegócios no Brasil para aprender padrões, ao longo do tempo, que possam ser explorados para explicar o comportamento passado e predizer comportamento futuro no domínio de agronegócios, com apoio de algoritmos de aprendizado não supervisionado de máquina.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Maria Feranda Moura - Integrante / Ricardo Marcondes Marcacini - Coordenador / Rafael Geraldeli Rossi - Integrante / Bruno Magalhães Nogueira - Integrante / Edson Takashi Matsubara - Integrante / Vitor Mesaque Alves de Lima - Integrante / Eraldo Luís Rezende Fernandes - Integrante / Valguima Victoria Viana Aguiar Odakura - Integrante / Andre Steffens Moraes - Integrante / Fabiana Villa Alves - Integrante / Ana Carolina Chiozi Zanetta - Integrante / Julio César Carnevali - Integrante / Luan Vinicius de Carvalho Martins - Integrante / João Domingos Ferreira Mundim - Integrante. Financiador(es): Fundação de Apoio e Desenvolvimento do Ensino, Ciência e Tecnologia do MS - Auxílio financeiro.
Membro: Solange Oliveira Rezende.

2015

1.	2015-2018. Análise e Mineração de Redes Sociais Descrição: Redes sociais online são plataformas web que refletem as estruturas de redes sociais do mundo real, tais como redes de amizades, profissionais, familiares, entre outras. Nos últimos anos, o estudo das redes sociais tem atraído a atenção da comunidade científica pela sua variedade de aplicações, tais como: sistemas de recomendação de amizade, locais e produtos, sistemas de planejamento de viagens, e social cataloging, que permite aos usuários organizar suas coleções (de livros, músicas, lugares visitados, entre outros) enquanto interagem com outros usuários e anotam suas impressões e recomendações. Algumas dessas redes contém informações de geolocalização dos usuários que abrem portas para uma gama maior ainda de aplicações. Dada a natureza dinâmico-temporal, heterogênea e eventualmente georreferenciada das redes sociais, existem diferentes problemas a serem enfrentados. Este projeto endereça os seguintes problemas 1) formação de novos relacionamentos entre usuários; 2) detecção de comunidades e 3) análise de comportamento de grupos de usuários. O projeto relaciona-se com dois projetos de doutorado e um de mestrado, todos em andamento. Observa-se que grande parte das pesquisas em redes sociais abordam apenas o uso de informações do comportamento do par de usuários analisados ou de sua vizinhança, isto é informações locais. Esperamos neste projeto investigar em profundidade como o comportamento de grupos de usuários, e dados adicionais como geolocalização e temporais em redes heterogêneas impactam no problema de criação de novos relacionamentos e na dinâmica das redes sociais.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (2) . Integrantes: Alneu de Andrade Lopes - Coordenador / VALVERDE-REBAZA, JORGE - Integrante / Valejo, Alan - Integrante / ricardo Puma - Integrante. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Alneu de Andrade Lopes.
2.	2015-2016. Controlling Dengue Fever Mosquitoes using Intelligent Sensors and Traps Descrição: In the last decades we have witnessed a tremendous increase of dengue fever cases. Four decades ago only 9 countries had reported severe dengue epidemics. Currently, dengue is endemic in more than 100 countries. In this project we discuss why we are losing the war against dengue and propose a completely different approach for vector control. We propose to further develop our recent research on intelligent sensors to field conditions. Our idea is to propose an inexpensive device that will empower the population with the knowledge of Aedes aegypti densities. This will motivate local mosquito control activities and put the population, governmental and aid organizations far ahead of disease outbreaks.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Coordenador / André Gustavo Maletzke - Integrante. Financiador(es): Google Brasil Internet - Bolsa. Membro: Gustavo Enrique de Almeida Prado Alves Batista.
3.	2015-2019. MAP: Aprendizado de Máquina: Uma Abordagem Baseada em Múltiplas Estratégias Descrição: Esse projeto diz respeito a uma pesquisa conjunta em que ténicas de Aprendizado de Máquina (AM), com ênfase em uma abordagem baseada em múltiplas estratégias. De uma perspectiva da abordagem baseada em múltiplas estratégias, os objetivos são estudar trade-offs entre diferentes estratégias de aprendizado e desenvolver sistemas de aprendizado que empregam múltiplas estratégias de inferência ou paradigmas computacionais em um processo de aprendizado. Como consequência, sistemas baseados em múltiplas estratégias têm o potencial de serem aplicáveis a um vasto grupo de problemas. A maioria dos problemas abordados serão no contexto de aprendizado não supervisionado, ou análise de agrupamento. Por exemplo, nos iremos analisar a sinergia e os trade-offs entre agrupamento com restrições por programação com restrições (grupo francês) e agrupamento evolutivo multi-objetivo (grupo brasileiro). Os aspectos práticos das técnicas propostas serão abordados, por exemplo, no contexto de mineração e modelagem de dados biológicos, provenientes de texto e temporais. Outro importante objetivo do projeto é estimular a cooperação internacional reunindo pesquisadores brasileiros e Francês para a troca de idéias e experiências. Os grupos do Brasil e da França já possuem um histórico de colaboração que pode ser fortalecida com este projeto.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Coordenador / Marcilio Carlos Pereira de Souto - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro. Membro: Gustavo Enrique de Almeida Prado Alves Batista.

2014

1.	2014-2016. Aprendizado de Máquina para WebSensors: Algoritmos e Aplicações Descrição: A popularização de plataformas web para publicação de conteúdo textual tem motivado o desenvolvimento de métodos para extração automática de conhecimento implícito nos textos. Em particular, uma nova gama de estudos e aplicações tem sido proposta para explorar a web como um grande e poderoso "sensor social", permitindo identificar e monitorar vários tipos de eventos a partir de textos publicados em portais de notícias e redes sociais, como detecção de epidemias, análise de sentimentos, e a extração de indicadores políticos e econômicos. Atualmente, a construção de um sensor da web (websensor) é uma tarefa complexa, pois depende de especialistas de domínio para definição dos parâmetros do sensor, isto é, expressões para busca, filtros e monitoramentos de conteúdo textual da web. A necessidade de especialistas de domínio geralmente limita as aplicações envolvendo websensors, uma vez que em muitos problemas não há compreensão clara dos fenômenos que se deseja monitorar. Em vista disso, neste projeto de pesquisa são investigados métodos de aprendizado de máquina para apoiar a construção automática de websensors. A ideia básica é utilizar uma amostra de documentos textuais do domínio do problema e, em conjunto com algoritmos de aprendizado de máquina semi/não supervisionados, extrair padrões dos textos e assim apoiar a construção de websensors. Dessa forma, espera-se reduzir a dependência de um especialista para definição dos parâmetros dos sensores. Cada websensor aprendido a partir dos textos representa um determinado fenômeno relacionado ao domínio do problema que, então, pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decisão.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (5) . Integrantes: Diego Furtado Silva - Integrante / Gustavo Enrique de Almeida Prado Alves Batista - Integrante / Solange Oliveira Rezende - Coordenador / Ricardo Marcondes Marcacini - Integrante / Bruno Magalhães Nogueira - Integrante / Veronica Oliveira de Carvalho - Integrante / Antonio Rafael Sabino Parmezan - Integrante / Camila Vaccari Sundermann - Integrante / Fabiano Fernandes dos Santos - Integrante / Ivone Penque Matsuno - Integrante / Rafael Geraldeli Rossi - Integrante / Renan de Padua - Integrante / Roberta Akemi Sinoara - Integrante / Tatiana Ximenes - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Diego Furtado Silva. Descrição: A popularização de plataformas web para publicação de conteúdo textual tem motivado o desenvolvimento de métodos para extração automática de conhecimento implícito nos textos. Em particular, uma nova gama de estudos e aplicações tem sido proposta para explorar a web como um grande e poderoso "sensor social", permitindo identificar e monitorar vários tipos de eventos a partir de textos publicados em portais de notícias e redes sociais, como detecção de epidemias, análise de sentimentos, e a extração de indicadores políticos e econômicos. Atualmente, a construção de um sensor da web (websensor) é uma tarefa complexa, pois depende de especialistas de domínio para definição dos parâmetros do sensor, isto é, expressões para busca, filtros e monitoramentos de conteúdo textual da web. A necessidade de especialistas de domínio geralmente limita as aplicações envolvendo websensors, uma vez que em muitos problemas não há compreensão clara dos fenômenos que se deseja monitorar. Em vista disso, neste projeto de pesquisa são investigados métodos de aprendizado de máquina para apoiar a construção automática de websensors. A ideia básica é utilizar uma amostra de documentos textuais do domínio do problema e, em conjunto com algoritmos de aprendizado de máquina semi/não supervisionados, extrair padrões dos textos e assim apoiar a construção de websensors. Dessa forma, espera-se reduzir a dependência de um especialista para definição dos parâmetros dos sensores. Cada websensor aprendido a partir dos textos representa um determinado fenômeno relacionado ao domínio do problema que, então, pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decisão.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (6) . Integrantes: Solange Oliveira Rezende - Coordenador / Roberta Akemi Sinoara - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Integrante / Ricardo Marcondes Marcacini - Integrante / Rafael Geraldeli Rossi - Integrante / Fabiano Fernandes dos Santos - Integrante / Renan de Padua - Integrante / Veronica Oliveira de Carvalho - Integrante / Antonio Rafael Sabino Parmezan - Integrante / Bruno Magalhães Nogueira - Integrante / Camila Vaccari Sundermann - Integrante / Diego Furtado Silva - Integrante / Tatiana Ximenes - Integrante / Ivone Penque Matsuno - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.
2.	2014-2017. Real-time Monitoring of Insect Pragues in Agriculture and the Environment Descrição: Não há dúvidas de que insetos são muito importantes na agricultura e no meio ambiente. Embora os insetos que mais atraiam atenção sejam as pragas agrícolas, muitos insetos são benéficos para o meio ambiente e para os seres humanos. Por exemplo, insetos são responsáveis pela polinização de pelo menos dois terços de todos os alimentos consumidos no mundo. Devido à sua importância para os seres humanos, o recente declínio das populações de insetos polinizadores, especialmente as abelhas, é considerado um grave problema ambiental frequentemente associado à exposição a pesticidas. Acreditamos que pelo uso de tecnologia é possível reduzir a utilização de pesticidas. Para isso, propomos uma armadilha inteligente de baixo custo que captura seletivamente espécies de insetos nocivos, libertando todas as outras espécies. Tal armadilha terá um impacto mínimo sobre o meio ambiente. No cerne da armadilha inteligente encontra-se um novo sensor que estamos desenvolvendo. Este sensor faz uso de uma luz laser para capturar dados de insetos à distância e utiliza técnicas de Aprendizado de Máquina para identificar as espécies de insetos. Neste projeto propomos desenvolver o sensor e a armadilha inteligente e utilizá-los em uma importante aplicação agrícola, capturando o psilídeo dos citros. Esta praga afeta plantações de laranja e está presente no Brasil e nos Estados Unidos. Descrevemos os desafios científicos e tecnológicos para desenvolver tal armadilha inteligente. Discutimos o nosso plano para desenvolve-la em um prazo de quatro anos a partir do estado atual de desenvolvimento até a realização de experimentos em campo.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Coordenador / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Ronaldo Cristiano Prati - Integrante / Solange Oliveira Rezende - Integrante / Eamonn John Keogh - Integrante / Agenor Mafra Neto - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Gustavo Enrique de Almeida Prado Alves Batista.
3.	2014-2019. Uma Plataforma para Recomendação Automática de Pontos de Interesse em Cidades Brasileiras: Arquitetura e Projeto Piloto Descrição: O projeto consiste na proposta de uma arquitetura e projeto piloto para uma plataforma sensível ao contexto para recomendação de pontos de interesse. Projeto: A075/2013 Validade: 12/2016. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Maria da Graça Campos Pimentel - Coordenador / Marcos Auréilo Domingues - Integrante / Alipio Mario Guedes Jorge - Integrante / Carlos Soares - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Membro: Solange Oliveira Rezende.

2013

1.	2013-2016. Agrupamento Hierárquico de Textos para Aprendizado não Supervisionado de Websensors Descrição: A popularização de plataformas web para publicação de conteúdo textual tem motivado o desenvolvimento de métodos para extração automática de conhecimento implícito nos textos. Em particular, uma nova gama de estudos e aplicações tem sido proposta para explorar a web como um grande e poderoso 'sensor social'', permitindo monitorar vários tipos de eventos a partir de textos publicados em portais de notícias e redes sociais, como detecção de epidemias, análise de sentimentos, bem como a extração de indicadores políticos e econômicos. Por outro lado, a construção de um sensor da web (websensor) é uma tarefa complexa, pois depende de especialistas de domínio para definição dos parâmetros do sensor, ou seja, expressões para busca, filtro e monitoramento de conteúdo textual da web. A necessidade de especialistas de domínio geralmente limita essas aplicações, pois em muitos problemas não há compreensão clara dos fenômenos que se deseja monitorar. Neste projeto de pesquisa são investigados métodos não supervisionados de aprendizado de máquina, em particular, agrupamento hierárquico de textos para apoiar a construção automática de websensors. A ideia básica é utilizar uma amostra de documentos textuais do domínio do problema e, em conjunto com algoritmos de agrupamento hierárquico para extração de padrões dos textos, apoiar a tarefa de aprendizado não supervisionado de websensors. Dessa forma, espera-se reduzir a dependência de um especialista para definição dos parâmetros dos sensores. Cada websensor representa um determinado fenômeno que pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decisão.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) . Integrantes: Ricardo Marcondes Marcacini - Coordenador / Maria Fernanda Moura - Integrante / Solange Oliveira Rezende - Integrante / IVONE PENQUE MATSUNO - Integrante / Ronaldo Fiorilo dos Santos - Integrante / Franciene Duarte Gomes - Integrante / Rodrigo Mitsuo Kishi - Integrante / Vitor Mesaque Alves de Lima - Integrante / Gleice Carlos Nogueira Rodrigues - Integrante. Número de produções C, T & A: 5 Membro: Ricardo Marcondes Marcacini.
2.	2013-2016. CRÍTiC@ - Compilação e Recuperação de Informações Técnico-científicas e Indução ao Conhecimento de forma Ágil na Rede AgroHidro Descrição: A proposta deste projeto componente é concentrar as ações de análise e organização sistematizada da informação utilizada e produzida pelo projeto "Impactos do uso agrícola e das mudanças climáticas sobre os recursos hídricos em diferentes ecorregiões brasileiras: diagnose e estratégias mitigadoras" AgroHidro. Desta forma, pretende-se melhorar a gestão do conhecimento técnico-científico na área, por meio de análises cruzadas das informações, bem como subsidiar ações de investigação e disseminação do conhecimento na rede de pesquisa. Pois, em uma rede de pesquisa em um domínio de conhecimento fechado, como a Rede AgroHidro, existe a necessidade de possuir um ferramental de análise da informação especificamente útil à rede, que facilite, não apenas, a identificação de bibliografia e outras fontes de material de divulgação, mas que permita o cruzamento de informações de diversas fontes a fim de avaliar o caminho percorrido pela rede em PD&I; por exemplo, tendências, oportunidades, inserção no contexto nacional e áreas deficitárias em tecnologias para gestão de recursos hídricos. Para isso, precisa-se monitorar tanto a própria produção técnico-científica da rede, no passado e presente, como de outras redes ou iniciativas isoladas que visem objetivos semelhantes de PD&I no mesmo domínio de conhecimento no caso, recursos hídricos. Assim, essa proposta integra soluções de tecnologia da informação dando apoio à análise e organização do conhecimento para suportar ações de pesquisa, desenvolvimento e inovação, na rede AgroHidro, objetivando: 1) obter análises, considerando passado e presente, em tendências tecnológicas, de pesquisa e desenvolvimento, em recursos hídricos no Brasil e localizando as estimativas obtidas no tempo e espaço; 2) contribuir com processos de busca e levantamento tecnológico, com uma organização e recuperação da informação próprias, que demandam análises cruzadas de dados, 3) especificar e validar a organização do conhecimento de recursos.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Maria Fernanda Moura - Coordenador / Alipio Mario Guedes Jorge - Integrante. Membro: Solange Oliveira Rezende.
3.	2013-2015. Intelligent Sensor for controlling agricultural pests and disease-vector insects Descrição: Applications such as intelligent sensors should be able to collect environment information and to make decisions based on input data. An example is an under-development low-cost sensor to detect and classify insects in their species using laser light and machine learning techniques. This sensor is an important step towards the development of intelligent traps able to attract and selectively capture insect species of interest such as disease vectors or agricultural pests, without affecting the beneficial species. The data gathered by the sensor constitutes a data stream with non-stationary characteristics, since the insects metabolism is influenced by environmental conditions such as temperature, humidity and atmospheric pressure. This research grant proposal has two main objectives: the first one is to develop new algorithms to classify in real-time signals from the sensor obtained from the data stream; the second one is to technologically develop the sensor in order to allow the developed machine learning techniques to be embedded in the sensor.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Coordenador / Solange Oliveira Rezende - Integrante / Agenor Mafra Neto - Integrante / Keogh, Eamonn - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Gustavo Enrique de Almeida Prado Alves Batista. Descrição: Applications such as intelligent sensors should be able to collect environment information and to make decisions based on input data. An example is an under-development low-cost sensor to detect and classify insects in their species using laser light and machine learning techniques. This sensor is an important step towards the development of intelligent traps able to attract and selectively capture insect species of interest such as disease vectors or agricultural pests, without affecting the beneficial species. The data gathered by the sensor constitutes a data stream with non-stationary characteristics, since the insects metabolism is influenced by environmental conditions such as temperature, humidity and atmospheric pressure. This research grant proposal has two main objectives: the first one is to develop new algorithms to classify in real- time signals from the sensor obtained from the data stream; the second one is to technologically develop the sensor in order to allow the developed machine learning techniques to be embedded in the sensor.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Mestrado acadêmico: (1) / Doutorado: (2) . Integrantes: Diego Furtado Silva - Integrante / Gustavo Enrique de Almeida Prado Alves Batista - Coordenador / Eamonn J. Keogh - Integrante / Agenor Mafra Neto - Integrante / Rafael Giusti - Integrante / Vinícius Mourão Alves de Souza - Integrante / Solange Oliveira Rezende - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Diego Furtado Silva. Descrição: Applications such as intelligent sensors should be able to collect environment information and to make decisions based on input data. An example is an under-development low-cost sensor to detect and classify insects in their species using laser light and machine learning techniques. This sensor is an important step towards the development of intelligent traps able to attract and selectively capture insect species of interest such as disease vectors or agricultural pests, without affecting the beneficial species. The data gathered by the sensor constitutes a data stream with non-stationary characteristics, since the insects metabolism is influenced by environmental conditions such as temperature, humidity and atmospheric pressure. This research grant proposal has two main objectives: the first one is to develop new algorithms to classify in real-time signals from the sensor obtained from the data stream; the second one is to technologically develop the sensor in order to allow the developed machine learning techniques to be embedded in the sensor. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Coordenador / Eamonn John Keogh - Integrante / Agenor Mafra Neto - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.
4.	2013-2016. Real-time Monitoring of Insect Pragues in Agriculture and the Environment Descrição: Não há dúvidas de que insetos são muito importantes na agricultura e no meio ambiente. Embora os insetos que mais atraiam atenção sejam as pragas agrícolas, muitos insetos são benéficos para o meio ambiente e para os seres humanos. Por exemplo, insetos são responsáveis pela polinização de pelo menos dois terços de todos os alimentos consumidos no mundo. Devido à sua importância para os seres humanos, o recente declínio das populações de insetos polinizadores, especialmente as abelhas, é considerado um grave problema ambiental frequentemente associado à exposição a pesticidas. Acreditamos que pelo uso de tecnologia é possível reduzir a utilização de pesticidas. Para isso, propomos uma armadilha inteligente de baixo custo que captura seletivamente espécies de insetos nocivos, libertando todas as outras espécies. Tal armadilha terá um impacto mínimo sobre o meio ambiente. No cerne da armadilha inteligente encontra-se um novo sensor que estamos desenvolvendo. Este sensor faz uso de uma luz laser para capturar dados de insetos à distância e utiliza técnicas de Aprendizado de Máquina para identificar as espécies de insetos. Neste projeto propomos desenvolver o sensor e a armadilha inteligente e utilizá-los em uma importante aplicação agrícola, capturando o psilídeo dos citros. Esta praga afeta plantações de laranja e está presente no Brasil e nos Estados Unidos. Descrevemos os desafios científicos e tecnológicos para desenvolver tal armadilha inteligente. Discutimos o nosso plano para desenvolve-la em um prazo de quatro anos a partir do estado atual de desenvolvimento até a realização de experimentos em campo... Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Ronaldo Cristiano Prati - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Coordenador / Eamonn John Keogh - Integrante / Agenor Mafra Neto - Integrante. Membro: Solange Oliveira Rezende.
5.	2013-2016. Research on Geo-spatial Marine Biology Data Mining Using Time Series, Text Mining and Visualization Descrição: We propose a focused, interdisciplinary research project on data mining and data visualization with a specific focus on marine data. This data is particularly challenging for data mining as it presents only a very sparse set of data points with respect to the volume of the marine space that is being modelled and investigated. It also presents a set of challenges in visualization of data and of modelling results, as the data are inherently three-dimensional and from an unfamiliar context relative to data from on land. We will work in an interdisciplinary team with researchers in data mining, data visualization, and marine biology to develop visualization methods that will be appropriate for marine biology applications of data mining. The data may be derived from multiple disparate sources, including fisheries or scientific surveys, autonomous sensors, satellite data or field studies. For model outputs, we will particularly work on the visualization of results from a new generation of ecosystem model, analogous to the general circulation models used to predict global climate. This model includes all organism types on both land and sea. We face the challenge that it can produce gigabytes to terabytes of outputs, including tracking all organism interactions, individual states, and the spatial distribution of individuals. Thus we need to summarize, extract, and visualize outputs at multiple scales including that of individuals, ecological communities, and the globe. These data need to be visualized in a manner that will then be useful and interpretable for the international policy community.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Coordenador / Maria Carolina Monard - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Solange Oliveira Rezende - Integrante / Maria Cristina Ferreira de Oliveira - Integrante / Stan Matwin - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Cooperação. Membro: Gustavo Enrique de Almeida Prado Alves Batista. Descrição: We propose a focused, interdisciplinary research project on data mining and data visualization with a specific focus on marine data. This data is particularly challenging for data mining as it presents only a very sparse set of data points with respect to the volume of the marine space that is being modelled and investigated. It also presents a set of challenges in visualization of data and of modelling results, as the data are inherently three-dimensional and from an unfamiliar context relative to data from on land. We will work in an interdisciplinary team with researchers in data mining, data visualization, and marine biology to develop visualization methods that will be appropriate for marine biology applications of data mining. The data may be derived from multiple disparate sources, including fisheries or scientific surveys, autonomous sensors, satellite data or field studies. For model outputs, we will particularly work on the visualization of results from a new generation of ecosystem model, analogous to the general circulation models used to predict global climate. This model includes all organism types on both land and sea. We face the challenge that it can produce gigabytes to terabytes of outputs, including tracking all organism interactions, individual states, and the spatial distribution of individuals. Thus we need to summarize, extract, and visualize outputs at multiple scales including that of individuals, ecological communities, and the globe. These data need to be visualized in a manner that will then be useful and interpretable for the international policy community.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Maria Carolina Monard - Integrante / Solange O Rezende - Integrante / André C P L Carvalho - Integrante / Gustavo Enrique Almeida Prado Alves Batista - Coordenador / Maria Cristina Ferreira de Oliveira - Integrante / Stan Matwin - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Cooperação. Membro: Maria Carolina Monard. Descrição: We propose a focused, interdisciplinary research project on data mining and data visualization with a specific focus on marine data. This data is particularly challenging for data mining as it presents only a very sparse set of data points with respect to the volume of the marine space that is being modelled and investigated. It also presents a set of challenges in visualization of data and of modelling results, as the data are inherently three-dimensional and from an unfamiliar context relative to data from on land. We will work in an interdisciplinary team with researchers in data mining, data visualization, and marine biology to develop visualization methods that will be appropriate for marine biology applications of data mining. The data may be derived from multiple disparate sources, including fisheries or scientific surveys, autonomous sensors, satellite data or field studies. For model outputs, we will particularly work on the visualization of results from a new generation of ecosystem model, analogous to the general circulation models used to predict global climate. This model includes all organism types on both land and sea. We face the challenge that it can produce gigabytes to terabytes of outputs, including tracking all organism interactions, individual states, and the spatial distribution of individuals. Thus we need to summarize, extract, and visualize outputs at multiple scales including that of individuals, ecological communities, and the globe. These data need to be visualized in a manner that will then be useful and interpretable for the international policy community... Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (2) . Integrantes: Solange Oliveira Rezende - Integrante / Maria Carolina Monard - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Maria Cristina Ferreira Oliveira - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Coordenador / Stan Matwin - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Cooperação. Membro: Solange Oliveira Rezende.
6.	2013-2015. Visual Text Analytics Descrição: Descrição: Esta proposta é vinculada ao projeto temático "Desafios na Visualização Exploratória de Dados Multidimensionais" (FAPESP 2011/227498) desenvolvida no ICMC-USP, e ao projeto "Visual Text Analytics" desenvolvido na Dalhousie University, no Canadá (https://projects.cs.dal.ca/visualtextanalytics/), em que o parceiro industrial é a empresa Aerolnfo Systems (Boeing Canada Operations Ltda.). Ambos os projetos tem, entre os seus objetivos, o desenvolvimento e melhoria de técnicas de apoio à análise visual de coleções de documentos textuais, o que demanda investigações em como integrar técnicas de mineração de texto com técnicas interativas de visualização para propor ferramentas que apoiem as pessoas em tarefas que demandam o entendimento de um cenário para tomada de decisão. Os desafios a serem enfrentados para obter ferramentas mais eficazes incluem: a busca por metáforas visuais adequadas para texto; a investigação de técnicas alternativas de pré-processamento de texto capazes de gerar modelos de representação semanticamente mais informativos; a extração e visualização de conceitos, nomes e relações em coleções de documentos grandes e ruidosas; a visualização de relações entre conceitos em texto como estruturas de grafo; o suporte à visualização e interação em tempo real, o que requer um cuidadoso compromisso entre processamento on-line e off-line; novas técnicas de visualização e de interação com texto que ajudem os especialistas de domínio a navegar pelo conteúdo do corpus ajustando a mineração e/ou a visualização. Integrantes: Maria Cristina Ferreira de Oliveira - Coordenador / Alneu de Andrade Lopes - Integrante / Rosane Minghim - Integrante / Fernando Vieira Paulovich - Integrante / Axels Soto - Integrante / Evangelos Milios - Integrante.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Alneu de Andrade Lopes - Integrante / Maria Cristina de Oliveira - Coordenador. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Alneu de Andrade Lopes.

2012

1.	2012-2014. Complexity-invariance for Classification, Clustering and Motif Discovery in Time Series Descrição: Recently, there is an increasing interest in time series processing due to the large number of application domains that generate data with such property. Such interest can be measured by the vast amount of methods recently proposed in literature to tasks such as classification, clustering, summarization, abnormality detection and motif discovery. Recent studies have shown for several problems that methods based on similarity present an efficacy that is hardly surpassed, even when compared to more sophisticated methods. This is mainly due to the fact that the community has studied and proposed several invariances to distance measures for time series. The invariances make the distance measures ignore certain undesired data properties. The most well-known example is the invariance to local differences in time scale, obtained with the warping technique. Other invariances include the invariance to differences in amplitude and offset, phase and occlusion. Recently, we demonstrated to the scientific community that time series similarity classification methods can be largely benefited by a new invariance: complexity invariance. The main objective of this research project is to investigate new complexity-invariant distance measures and assess how such measures can improve the efficacy especially of clustering and motif discovery algorithms.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) / Doutorado: (2) . Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Coordenador / Claudia Regina Milaré - Integrante / Solange Oliveira Rezende - Integrante / Alneu Andrade Lopes - Integrante / Prati, Ronaldo C. - Integrante / Eamonn John Keogh - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2.	2012-2015. Desafios em visualização exploratória de dados multidimensionais: novos paradigmas, escalabilidade e aplicações Descrição: Este projeto visa desenvolver novas técnicas e paradigmas que contribuam para o avanço da área de visualização de dados científicos e abstratos, com ênfase no tratamento e manipulação de dados de alta dimensão, multimodais e variantes no tempo. Os novos paradigmas a serem desenvolvidos deverão fornecer metaforas visuais criadas a partir de técnicas de projeção multidimensional e árvores filogenéticas, buscando facilitar a compreensão, exploração e mineração visual de, entre outros, dados textuais, coleções de imagens ou músicas e dados de sensoriamento em nanoescala. Além de primitivas geometricas como unidade de representação visual, propomos usar estruturas de árvores e combinações de entidades geométricas com entidades abstratas a fim de criar um arcabouço unificado de manipulação e representação visual de dados de alta dimensão. Este projeto também inova na proposta de trazer métodos de visualização e exploração visual para o contexto de dispositivos portáteis. Os desenvolvimentos aqui propostos permitirão manter os grupos de pesquisa envolvidos na vanguarda da pesquisa na área, em nível mundial, fomentando a criação de propriedade intelectual nacional e a transferência tecnologica.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Alneu de Andrade Lopes - Integrante / Luis Gustavo Nonato - Coordenador. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Alneu de Andrade Lopes.
3.	2012-2014. Invariância à Complexidade em Classificação, Agrupamento e Descoberta de Motifs em Séries Temporais Descrição: Há recentemente um crescente interesse no processamento de séries temporais devido a grande quantidade de domínios de aplicação que geram dados com essa característica. Esse interesse pode ser medido pela vasta quantidade de métodos recentemente propostos na literatura para tarefas como classificação, agrupamento, sumarização, detecção de anomalias e descoberta de motifs. Estudos recentes têm mostrado que para muitos problemas, os métodos baseados em similaridade apresentam uma eficácia difícil de ser superada, mesmo por métodos mais sofisticados. Isso se deve em grande parte pelo fato de que a comunidade tem estudado e proposto diversas invariâncias para medidas de distância entre séries temporais. As invariâncias fazem com que as medidas de distância ignorem determinadas características indesejadas dos dados. O exemplo mais conhecido é a invariância às diferenças locais na escala de tempo, obtida pela técnica de warping. Outras invariâncias incluem a invariância às diferenças de amplitude e offset, fase e oclusão. Recentemente foi demonstrado à comunidade científica que métodos de classificação de séries temporais por similaridade podem ser muito beneficiados por uma nova invariância: invariância à complexidade. O principal objetivo deste projeto de pesquisa é investigar novas medidas de distância invariantes à complexidade e avaliar o quanto essas medidas podem melhorar a eficácia, sobretudo de algoritmos de agrupamento e descoberta de motifs.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (2) . Integrantes: Diego Furtado Silva - Integrante / Gustavo Enrique de Almeida Prado Alves Batista - Coordenador / Eamonn J. Keogh - Integrante / Rafael Giusti - Integrante / Vinícius Mourão Alves de Souza - Integrante / Solange Oliveira Rezende - Integrante / Ronaldo Cristiano Prati - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Diego Furtado Silva. Descrição: Há recentemente um crescente interesse no processamento de séries temporais devido a grande quantidade de domínios de aplicação que geram dados com essa característica. Esse interesse pode ser medido pela vasta quantidade de métodos recentemente propostos na literatura para tarefas como classificação, agrupamento, sumarização, detecção de anomalias e descoberta de motifs. Estudos recentes têm mostrado que para muitos problemas, os métodos baseados em similaridade apresentam uma eficácia difícil de ser superada, mesmo por métodos mais sofisticados. Isso se deve em grande parte pelo fato de que a comunidade tem estudado e proposto diversas invariâncias para medidas de distância entre séries temporais. As invariâncias fazem com que as medidas de distância ignorem determinadas características indesejadas dos dados. O exemplo mais conhecido é a invariância às diferenças locais na escala de tempo, obtida pela técnica de warping. Outras invariâncias incluem a invariância às diferenças de amplitude e offset, fase e oclusão. Recentemente foi demonstrado à comunidade científica que métodos de classificação de séries temporais por similaridade podem ser muito beneficiados por uma nova invariância: invariância à complexidade. O principal objetivo deste projeto de pesquisa é investigar novas medidas de distância invariantes à complexidade e avaliar o quanto essas medidas podem melhorar a eficácia, sobretudo de algoritmos de agrupamento e descoberta de motifs.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) . Integrantes: Solange Oliveira Rezende - Integrante / Ronaldo Cristiano Prati - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Coordenador / Eamonn John Keogh - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.
4.	2012-2013. Métodos de Agrupamento Hierárquico para Organização Automática de Resultados de Motores de Busca Descrição: Tradicionalmente, a recuperação de informação textual é baseada em consultas por palavras-chave, nas quais uma lista ordenada com os documentos mais relevantes à consulta é apresentada como resposta. No entanto, algumas limitações desse modelo são bem conhecidas na literatura. Em geral, os usuários exploram apenas os primeiros resultados da lista de resposta, em detrimento dos documentos considerados menos relevantes pelo motor de busca. Ainda, uma outra parte significativa de informação também é perdida devido à dificuldade dos usuários expressarem seus objetivos por meio de palavras-chave. Nesse projeto, métodos de agrupamento hierárquico de textos são explorados para auxiliar a organização dos resultados retornados por motores de busca. Os dados retornados por um ou mais motores de busca são organizados em grupos, em que itens similares e relacionados a um mesmo tema são alocados juntos em um mesmo grupo. Ainda, os grupos são organizados de maneira hierárquica, de forma que grupos próximos à raiz representam o conhecimento mais genérico, enquanto seus detalhamentos e conhecimento mais específico são dispostos nos grupos e subgrupos de níveis mais baixo. Cada grupo possui uma descrição sucinta, ou seja, um tópico que permite auxiliar o usuário em uma busca exploratória dos resultados obtidos, em diversos níveis de granularidade. Essa organização em tópicos facilita a busca pela informação de interesse, obtendo-se uma visão complementar ao modelo baseado em uma simples lista ordenada de acordo com a relevância. Por outro lado, o agrupamento de resultados de busca tem desafios e requisitos específicos. A natureza dinâmica dos dados provenientes dos motores de busca, a necessidade de eficiência computacional e a exigência de interpretação e interação por parte dos usuários, resultaram em novos requisitos, com seus respectivos desafios científicos e tecnológicos, que são objetivos de pesquisa deste projeto.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (3) . Integrantes: Solange Oliveira Rezende - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.
5.	2012-Atual. Research Support Center for Machine Learning in Data Analysis - NAP-AMDA Descrição: The growing value of data produced by different knowledge areas and the complexity of the problems to be computationally treated point out to the need for new computational tools able to support data analysis. Many of the current computational tools that allow automatic and efficient data analysis are based on concepts from Artificial Intelligence, particularly Machine Learning (ML). Besides Artificial Intelligence, ML is associated with other areas, like statistics, probability, cognition, computing theory, neuroscience, information theory, just to name a few. There are several well-established research centers for data analysis using ML techniques, in Universities and companies abroad. In Brazil, despite a productive and high-quality ML research, there is not an equivalent research center. Thus, this project proposes the creation of the Research Support Center for Machine Learning in Data Analysis, NAP-AMDA (from the Portuguese Núcleo de Apoio à Pesquisa de Aprendizado de Máquina em Análise de Dados). The main goal of the NAP-AMDA is the establishment of an internationally recognized interdisciplinary and multidisciplinary center of excellence in the use of ML techniques for data analysis in São Paulo, Brazil. The center will include researchers from ML in data analysis and from knowledge areas demanding data analysis. The center will also stimulate collaborations with companies and government institutions whose data can be analyzed by ML techniques. The use of these techniques by the Brazilian companies can lead to better products and services, increasing their competitiveness. The use by the Brazilian government may improve the quality of public services. The center will promote and organize meetings and workshops with members from the participating institutions to discuss data analysis problems to be solved. The NAP-AMDA is comprised of faculty members, researchers and students from the Universidade de São Paulo and from other Universities and Research Centers, from Brazil and abroad. The NAP-AMDA will be based at the Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Integrante / Carvalho, A. C. P. L. F. - Coordenador. Membro: Gustavo Enrique de Almeida Prado Alves Batista.
6.	2012-2014. Wireless Bug-Sensor: Wireless Sensors to Enable Precision Agriculture and Increase Food Yields in Developing Countries Descrição: The project objective is the development of an important tool for farmers worldwide: tiny, inexpensive sensors that can automatically count and classify the insects in the field. This technology then translates the information and sends the farmer a once-a-day text message with instructions on the type of intervention necessary and a map of the isolated locations where action is needed. This method allows farmers a more targeted approach than mass intervention, reducing costs for labor and pesticides.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Integrante / Eamonn John Keogh - Coordenador / Agenor Mafra Neto - Integrante / Michalis Faloutsos - Integrante / Mindy Marks - Integrante. Membro: Gustavo Enrique de Almeida Prado Alves Batista.

2010

1.	2010-2012. Counting and classifying insects with ultra-cheap sensors Descrição: We propose to build ultra cheap (less than $5) sensors that can count and distinguish between various kinds of insects (including malaria vectors) from a large distance. Our work has the potential to revolutionize epidemiological modeling by proving accurate real-time counts of vectors down to the species/sex level, thus allowing for more effective vector control.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Integrante / Eamonn John Keogh - Coordenador. Financiador(es): Bill and Melinda Gates Foundation - Auxílio financeiro. Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2.	2010-2012. TIENA - Tecnologia Inovadoras em mineração de textos para a Espacialização de Notícias Agrícolas - piloto cana-de-açúcar Descrição: Este projeto tem o objetivo de organizar notícias agrícolas sobre uma dada cultura, por meio de técnicas inovadoras em mineração de textos, em três categorias: tópicos ou assuntos, cobertura temporal e cobertura espacial. A cobertura temporal visa em primeiro plano um estudo da evolução daquele tópico ou assunto em relação aos demais, em intervalos de tempo, ou seja, como foi a tendência de dispersão desse tópico ao longo do tempo e futuramente como ela se relaciona aos modelos de previsão de safra. A cobertura espacial visa compreender qual é a cobertura geográfica daquela notícia, podendo ser de caráter geral (nacional) ou relativa a alguma micro ou macro-região geográfica, e, também futuramente poder-se-á analisar esse fator junto aos modelos de previsão de safra.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Ricardo Marcondes Marcacini - Integrante / Maria Fernanda Moura - Coordenador / Rafael Geraldeli Rossi - Integrante / BRUNO MAGALHÃES NOGUEIRA - Integrante / MERLEY DA SILVA CONRADO - Integrante / Solange Oliveira Rezende - Integrante / Laurimar Gonçalves Vendrusculo - Integrante / Adrian D Santos - Integrante / Roberto Hiroshi Higa - Integrante / Fabiano Fernandes dos Santos - Integrante / Eduardo Delgado Assad - Integrante / Leandro Henrique Mendonça de Oliveira - Integrante. Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro. Membro: Ricardo Marcondes Marcacini.
3.	2010-2012. TIENA- Tecnologias Inovadora em Mineração de textos para espacialização de noticias agrícolas-piloto cana de açucar Descrição: Este projeto tem o objetivo de organizar notícias agrícolas sobre uma dada cultura, por meio de técnicas inovadoras em mineração de textos, em três categorias: tópicos ou assuntos, cobertura temporal e cobertura espacial. A cobertura temporal visa em primeiro plano um estudo da evolução daquele tópico ou assunto em relação aos demais, em intervalos de tempo, ou seja, como foi a tendência de dispersão desse tópico ao longo do tempo e futuramente como ela se relaciona aos modelos de previsão de safra. A cobertura espacial visa compreender qual é a cobertura geográfica daquela notícia, podendo ser de caráter geral (nacional) ou relativa a alguma micro ou macro-região geográfica, e, também futuramente poder-se-á analisar esse fator junto aos modelos de previsão de safra, para avaliar se o fator penaliza os modelos ou não. Como essas notícias são altamente dinâmicas, pois são, no mínimo, diárias, devem ser tratadas em tempo real; logo, os tópicos também devem ter uma evolução bastante dinâmica, que deve ser considerada em seu tratamento. Obter essa organização de dados e atualizá-la em tempo real visa a uma ação futura de analisar séries temporais dessas notícias; e, então fazer a análise cruzada desses modelos com os modelos de previsão de safra obtidos por meio de fatores agro-ambientais. Avalia-se, a princípio, que essa última etapa seja um trabalho para alguns anos, e, que deva ser feita para várias culturas; mas, que de qualquer forma, só pode ser iniciado após as primeiras etapas. Assim, o escopo da proposta deste projeto, é englobar todas as etapas desse processo até a formação da base de dados tópico-espaço-temporal; com as notícias categorizadas em três dimensões: conceitual (tópicos), espacial e temporal. E, para isso, serão desenvolvidas tecnologias em mineração de textos para a extração e identificação de tópicos altamente dinâmicos, extração de informação temporal dos textos e classificação dos textos em relação a sua cobertura espacial.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (2) . Integrantes: Solange Oliveira Rezende - Integrante / Maria Fernanda Moura - Coordenador / Ricardo Marcondes Marcacini - Integrante / Bruno Nogueira - Integrante / Rafael Geraldeli Rossi - Integrante / Fabiano Fernandes dos Santos - Integrante / Merley da Silva Conrado - Integrante / Laurimar Gonçalves Vendrusculo - Integrante. Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Remuneração / Universidade do Porto - Cooperação. Membro: Solange Oliveira Rezende.
4.	2010-2011. Time Series Classification Algorithms Applied to Embedded Systems Descrição: Integrating sequential and temporal data into the Data Mining process is of one of the most important challenges in Machine Learning. In this project, we are mostly interested in developing time series classification algorithms. The k-nearest neighbor algorithm is a common approach to time series classification. This algorithm has been known to perform well, especially when allied to distance measures that can deal with time lags, such as the Dynamic Time Warping. However, the classical k-nearest neighbor algorithm is computationally intensive. One may solve this problem by using indexes to increase the efficiency of similarity queries. This project proposes to investigate indexing algorithms that have the properties of anyspace algorithms. Anyspace algorithms are able to deal with different amounts of memory, in such a way that the algorithm performance depends directly on the amount of available memory. Such algorithms allow specifying the amount of memory based on the performance required by an embedded application. This project also deals with classification methods based on induction of classification rules. An approach to induce rules from time series data is the identification of motifs. Motifs are frequently occurring subsequences that usually represent a phenomenon of interest. A convenient aspect of rules is the ease one finds in writing a procedural program which implements the rule's logic with little memory and processing resources. The algorithms developed in this post-doctoral stage will be applied in insect control and monitoring using devices developed by ISCA Technologies.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa. Membro: Gustavo Enrique de Almeida Prado Alves Batista.

2008

1.	2008-2011. Continuidade na Consolidação das linhas de pesquisa do mestrado em Ciências da Computação do DC/UFMS Descrição: Edital CNPq 'Casadinho' - Processo 620080/2008-6 - Edital no. 16/2008 - Faixa A. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Henrique Mongelli - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Solange Oliveira Rezende.
2.	2008-2011. Iberian-American Network of Knowledge Discovering Descrição: Este projeto tem como objetivo contribuir para o fortalecimento de capacidades de Descobrimento de Conhecimento útil para a gestão de organizações da Região Iberoamericana. Participam deste prometo as seguintes instituições: Argentina (Universidad de Córdoba, Universidad de Mar del Plata), Brasil (UNISINOS, LABI/UNIOESTE/PTI), Colombia(Universidad de la Sabana, DW), Cuba (CUJAE-CEIS, CUJAE-II, Universidad Central, GeoCuba, MES), Chile (Universidad de Chile), España (Cantabria, Granada, Lleida, Málaga, Sevilla (Informática), Sevilla (Matemática)), México (Universidad de Sinaloa), Portugal (Coimbra), Venezuela (Universidad Metropolitana).. Situação: Concluído; Natureza: Pesquisa. Integrantes: Maria Carolina Monard - Integrante / Huei Diana Lee - Integrante / Renato Bobsin Machado - Integrante / Feng Chung Wu - Integrante / Rafael A. Espin Andrade - Coordenador / Carlos Oscar Pérez Mackeprang - Integrante / Lucía Isabel Passoni - Integrante / Adolfo Alberto Vanti - Integrante / Richard Weber Haas - Integrante / Mauricio Restrepo López - Integrante / Jesús M. Velásquez Bermúdez - Integrante / Mercedes Delgado Fernández - Integrante / Alejandro Rosete Suaréz - Integrante / Rafael Bello Pérez - Integrante / Tatiana Delgado Fernández - Integrante / Luis Miguel Plà Aragonés - Integrante / jJosé Cristóbal Riquelme Santos - Integrante / Emilio Carrizosa Priego - Integrante / Rafael Morales Bueno - Integrante / José Luis Verdegay Galdeano - Integrante / Angel Cobo Ortega - Integrante / Eduardo René Fernández González - Integrante / António Dourado Corre - Integrante / José G. Hernández Ramírez - Integrante. Membro: Maria Carolina Monard.
3.	2008-2010. INCT de Sistemas Embarcados Críticos Descrição: A criação de um Instituto de Sistemas Embarcados Críticos é proposta neste projeto. O objetivo geral desse instituto é elevar o nível de conhecimento, competência e qualidade no país sobre o desenvolvimento desse tipo de sistema, considerando que se trata de tecnologia importante para apoiar o desenvolvimento de áreas estratégicas do país, como a do meio ambiente, a de segurança e defesa e a de agricultura. O projeto é abrangente e envolve grupos de pesquisadores de nove universidades brasileiras e sete empresas. Os principais objetivos mais específicos são o desenvolvimento de pesquisas para a construção de sistemas embarcados críticos com ênfase para veículos autônomos móveis e a construção de pelo menos dois protótipos de veículo, um aéreo e um terrestre, com o objetivo de serem transferidos para as empresas associadas, visando a possível fabricação e comercialização. Outros objetivos relevantes são a produção de uma metodologia que documente esse conhecimento e possa ser usada para o treinamento de pessoal formado na área; a produção de mestres e doutores e produção intelectual na forma de artigos científicos apresentados e publicados em conferências e periódicos de boa qualidade, bem como de patentes.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Alneu de Andrade Lopes - Integrante / José Carlos Maldonado - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Alneu de Andrade Lopes.
4.	2008-2010. Modelagem Computacional de Sistemas Complexos utilizando Mineração de Dados, Imagens e Textos Descrição: O objetivo geral deste projeto, o qual pode ser caracterizado como um projeto de pesquisa científica e tecnológica, é pesquisar, propor e desenvolver soluções para a representação, indexação, modelagem e análise de dados complexos para possibilitar que um analista do domínio possa compreender os inter-relacionamentos existentes nos dados, imagens e textos, de modo a auxiliá-lo a tomar decisões nos processos de recuperação de informação, descoberta de conhecimento e diagnóstico. O projeto visa o desenvolvimento de um ferramental teórico e prático que auxilie analistas na modelagem desse tipo de sistemas complexos, com foco nos temas de: indução de modelos simbólicos com aplicações em sériestemporais e dados sequenciais; anáise de bases de dados não-estruturados e semi-estruturados para mineração de textos; mineração de imagens em um sistema de arquivamento e recuperação de imagens médicas por conteúdo.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (8) / Doutorado: (7) . Integrantes: Maria Carolina Monard - Coordenador / Solange O Rezende - Integrante / José Augusto Baranauskas - Integrante / Alneu de Andrade Lopes - Integrante / Huei Diana Lee - Integrante / Agma Juci Machado Traina - Integrante / Caetano Traina Jr - Integrante / Feng Chung Wu - Integrante / André Guilherme Ribeiro Balan - Integrante / José Fernando Rodrigues Junior - Integrante / Maria Camila Nardini Barioni - Integrante / Ronaldo Cristiano Prati - Integrante / Gustavo Enrique Almeida Prado Alves Batista - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro / Universidade de São Paulo - Cooperação / Universidade Estadual do Oeste do Paraná - Outra. Membro: Maria Carolina Monard. Descrição: O objetivo geral deste projeto, o qual pode ser caracterizado como um projeto de pesquisa científica e tecnológica, é pesquisar, propor e desenvolver soluções para a representação, indexação, modelagem e análise de dados complexos para possibilitar que um analista do domínio possa compreender os inter-relacionamentos existentes nos dados, imagens e textos, de modo a auxiliá-lo a tomar decisões nos processos de recuperação de informação, descoberta de conhecimento e diagnóstico. O projeto visa o desenvolvimento de um ferramental teórico e prático que auxilie analistas na modelagem desse tipo de sistemas complexos, com foco nos temas de: indução de modelos simbólicos com aplicações em sériestemporais e dados sequenciais; anáise de bases de dados não-estruturados e semi-estruturados para mineração de textos; mineração de imagens em um sistema de arquivamento e recuperação de imagens médicas por conteúdo.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (8) / Doutorado: (7) . Integrantes: Solange Oliveira Rezende - Integrante / Maria Carolina Monard - Coordenador / Caetano Traina Júnior - Integrante / Agma Juci Machado Traina - Integrante / Ronaldo Cristiano Prati - Integrante / Huei Diana Lee - Integrante / Alneu de Andrade Lopes - Integrante / Feng Chung Wu - Integrante / André Guilherme Ribeiro Balan - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Solange Oliveira Rezende.
5.	2008-2010. Pesquisa e Desenvolvimento de Métodos para Seleção de Exemplos usando Grafos Descrição: Existem diversas situações em que é vantajoso selecionar um subconjunto dos exemplos e não utilizar todo o conjunto de exemplos para compor o conjunto de treinamento de algoritmos de aprendizado de máquina. Além disso, em muitos casos, não é interessante extrair apenas uma amostra aleatória, pois essa amostra aleatória tende a conservar os mesmos problemas do conjunto disponível (uma amostra aleatória de um conjunto de dados com ruído continuaria tendo ruído; uma amostra aleatória de um conjunto de dados desbalanceado continuaria sendo desbalanceada; etc.). Neste projeto serão pesquisados algoritmos baseados em grafos para a seleção de exemplos para compor conjuntos de treinamento para algoritmos de aprendizado de máquina.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . Integrantes: Maria Carolina Monard - Integrante / Ronaldo Cristiano Prati - Coordenador / Gustavo Enrique Almeida Prado Alves Batista - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Maria Carolina Monard.

2007

1.	2007-2009. Ambiente Computacional de Mineração de Dados Ambientais Descrição: O objetivo deste projeto consiste no desenvolvimento de um sistema computacional para tratamento de dados ambientais. Para o tratamento dos dados são investigadas, desenvolvidas e aplicadas técnicas de aprendizado de máquina, mineração de dados, banco de dados, estatística e segurança de dados, envolvendo diversas etapas do processo de mineração de dados, como pré-processamento, extração de padrões, interpretação e visualização, além da modelagem e armazenamento desses dados.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (3) . Integrantes: Maria Carolina Monard - Integrante / Cláudia A Martins - Coordenador / Josiel Maimoni de Figueiredo - Integrante / Peter Zeilhofer - Integrante / Andréia Gentil Bonfante - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de Mato Grosso - Auxílio financeiro. Membro: Maria Carolina Monard.
2.	2007-2008. Ambiente para Exploração de Regras - RulEE Descrição: Do ponto de vista do usuário, um dos problemas encontrados no final do processo de mineração de dados é que muitos dos algoritmos de extração geram uma enorme quantidade de padrões. Um outro problema identificado é a dificuldade na compreensão dos modelos extraídos dos dados. Muitas vezes, esses modelos podem ser muito complexos ou não fazerem sentido para os usuários especialistas no domínio da aplicação em que processo de mineração de dados está sendo aplicado. Dada a necessidade de se pesquisar técnicas para auxiliar o usuário na compreensão e utilização do conhecimento descoberto em um processo de mineração de dados esta sendo desenvolvido no Laboratório de Inteligência Computacional (ICMC-USP) um ambiente para exploração de regras denominado RULEE (Rule Exploration Environment), apresentando características de apoio ao usuário na compreensão e identificação do conhecimento interessante.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (1) . Integrantes: Solange Oliveira Rezende - Coordenador / Edson A Melanda - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro / Universidade Federal de São Carlos - Cooperação / Instituto de Ciências Matemáticas e de Computação - Cooperação. Número de produções C, T & A: 2 Membro: Solange Oliveira Rezende.
3.	2007-2009. Computational Modelling of Complex Systems using Data, Image and Text Mining Descrição: O objetivo geral deste projeto, o qual pode ser caracterizado como um projeto de pesquisa científica e tecnológica, é pesquisar, propor e desenvolver soluções para a representação, indexação, modelagem e análise de dados complexos para possibilitar que um analista do domínio possa compreender os inter-relacionamentos existentes nos dados, imagens e textos, de modo a auxiliá-lo a tomar decisões nos processos de recuperação de informação, descoberta de conhecimento e diagnóstico. O projeto visa o desenvolvimento de um ferramental teórico e prático que auxilie analistas na modelagem desse tipo de sistemas complexos, com foco nos temas de: indução de modelos simbólicos com aplicações em sériestemporais e dados sequenciais; anáise de bases de dados não-estruturados e semi-estruturados para mineração de textos; mineração de imagens em um sistema de arquivamento e recuperação de imagens médicas por conteúdo. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (2) . Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Integrante / Maria Carolina Monard - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Gustavo Enrique de Almeida Prado Alves Batista.
4.	2007-2009. Fortalecimento das Áreas de Computação de Alto Desempenho e Inteligência Computacional do Programa de Pós-Graduação em Informática da UFES Descrição: O objetivo central consiste em fortalecer e incrementar as interações entre as linhas de pesquisa de Inteligência Computacional e Computação de Alto Desempenho do Programa de Pós-graduação em Informática da UFES, contando para isso com o apoio de grupos de pesquisa de programas de pós-graduação já consolidados da COPPE/UFRJ e da USP/São Carlos. O grupo de pesquisadores da COPPE/UFRJ irá apoiar e interagir fundamentalmente com os pesquisadores da linha de Computação de Alto Desempenho do programa não consolidado, enquanto que o grupo de pesquisa da USP/São Carlos irá interagir e apoiar os pesquisadores da linha de Inteligência Computacional. Coordenador Geral: Alberto Ferreira de Souza (UFES). Vice-coordenadores: Alvaro Luiz Gayoso de Azeredo Coutinho (COPPE/UFRJ) e Maria Carolina Monard (ICMC/USP).. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Maria Carolina Monard - Integrante / Flávio Miguel Varejão - Integrante / Ronaldo Cristiano Prati - Integrante / Alneu de Andrade Lopes - Integrante / Alberto Ferreira de Souza - Coordenador / Andréa Maria Pedrosa Valli - Integrante / Lucia Catabriga - Integrante / Thomas Walter Raube - Integrante / Alvaro Luiz Gayoso de Azeredo Coutinho - Integrante / José Luís Drummond Alves - Integrante / Marcos A. D. Martins - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro / Instituto de Ciências Matemáticas e de Computação - Cooperação / Universidade Federal do Espírito Santo - Cooperação / Universidade Federal do Rio de Janeiro - Cooperação. Membro: Solange Oliveira Rezende.
5.	2007-2008. Gestão de pessoas e identificação de competências estratégicas em unidades descentralizadas da Embrapa - o caso Embrapa Pecuária Sudeste Descrição: O projeto objetiva desenvolver e validar uma metodologia para o dimensionamento do quadro de pessoal e para a definição de competências estratégicas para Unidades Descentralizadas da Embrapa. A metodologia proposta será validada na Embrapa Pecuária Sudeste. Na primeira etapa da proposta são identificadas e priorizadas as tecnologias-chave para a unidade. Em seguida, as competências estratégicas para atender às demandas identificas são definidas. A terceira etapa contempla o mapeamento de competências existentes e sua projeção no médio/longo prazo e a evolução do quadro de pessoal da unidade.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Ricardo Marcondes Marcacini - Integrante / Maria Fernanda Moura - Coordenador / Rafael Geraldeli Rossi - Integrante / Solange Oliveira Rezende - Integrante. Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro. Membro: Ricardo Marcondes Marcacini. Descrição: O projeto objetiva desenvolver e validar uma metodologia para o dimensionamento do quadro de pessoal e para a definição de competências estratégicas para Unidades Descentralizadas da Embrapa. A metodologia proposta será validada na Embrapa Pecuária Sudeste. Na primeira etapa da proposta são identificadas e priorizadas as tecnologias-chave para a unidade. Em seguida, as competências estratégicas para atender às demandas identificas são definidas. A terceira etapa contempla o mapeamento de competências existentes e sua projeção no médio/longo prazo e a evolução do quadro de pessoal da unidade. Por fim, na última etapa, serão levantadas as dificuldade e limitações da metodologia adotada.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . Integrantes: Solange Oliveira Rezende - Coordenador. Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro / Não informado. Membro: Solange Oliveira Rezende.
6.	2007-2009. Machine Learning with Imbalanced Data Sets Descrição: Diversos fatores podem influenciar no desempenho de classificação de novos exemplos dos métodos de Aprendizado de Máquina - AM -, os quais são freqüentemente utilizados em Descoberta de Conhecimento em Bases de Dados - KDD. Entre eles está o problema de aprender na presença de classes desbalanceadas ou assimétricas. Esse problema ocorre quando algumas classes apresentam um número muito maior de exemplos do que outras. Pesquisadores têm reportado que classes desbalanceadas ocorrem com freqüência em bases de dados do mundo real originárias de diversos domínios de aplicação. Mesmo com toda pesquisa realizada sobre o assunto, não existe um consenso sobre quais abordagens são as mais indicadas para lidar com esse problema. Este projeto de pesquisa tem como principal objetivo realizar uma ampla pesquisa sobre o problema de classes desbalanceadas. Essa pesquisa irá investigar como o problema de classes desbalanceadas influencia o desempenho obtido por sistemas de AM. Como resultado final espera-se obter um conjunto de recomendações que possam auxiliar um pesquisador/usuário com um conjunto de dados com classes desbalanceadas a melhor tratar esse problema.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Membro: Gustavo Enrique de Almeida Prado Alves Batista.
7.	2007-2010. Modelagem Computacional de Sistemas Complexos utilizando Mineração de Dados, Imagens e Textos Descrição: O objetivo geral deste projeto, o qual pode ser caracterizado como um projeto de pesquisa científica e tecnológica, é pesquisar, propor e desenvolver soluções para a representação, indexação, modelagem e análise de dados complexos para possibilitar que um analista do domínio possa compreender os inter-relacionamentos existentes nos dados, imagens e textos, de modo a auxiliá-lo a tomar decisões nos processos de recuperação de informação, descoberta de conhecimento e diagnóstico. O projeto visa o desenvolvimento de um ferramental teórico e prático que auxilie analistas na modelagem desse tipo de sistemas complexos, com foco nos temas de: indução de modelos simbólicos com aplicações em sériestemporais e dados sequenciais; anáise de bases de dados não-estruturados e semi-estruturados para mineração de textos; mineração de imagens em um sistema de arquivamento e recuperação de imagens médicas por conteúdo.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (8) / Doutorado: (7) . Integrantes: Alneu de Andrade Lopes - Integrante / Maria Carolina Monard - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Alneu de Andrade Lopes.

2006

1.	2006-2008. CAPES/MECD Espanha: Tradução Automática, Alinhamento de Textos Bilíngües Espanhol-Português e Buscas Linguisticamente Enriquecidas na Web e Bibliotecas Digitais Descrição: Este projeto surge como resultado do interesse mútuo de dois grupos de pesquisadores da área de Processamento de Línguas Naturais (PLN), atualmente envolvidos em projetos de pesquisa afins e potencialmente aplicáveis em produtos de interesse comum e de impacto social e comercial não desprezível. É o caso de tradutores automáticos português-espanhol e de máquinas de busca (search engines) para a web, enriquecidas com conhecimento lingüístico, português e/ou espanhol. O grupo brasileiro, Núcleo Interinstitucional de Lingüística Computacional (NILC), associado ao Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP), Além do NILC, outro grupo de pesquisa também associado ao ICMC-USP é colaborador do projeto aqui descrito: o Laboratório de Inteligência Computacional (LABIC). O grupo espanhol faz parte do grupo de pesquisa Transducens, do Departament de Lenguajes y Sistemas Informáticos (DLSI) da Universidade de Alicante. Os objetivos deste projeto de pesquisa no âmbito do intercâmbio incluem: (a) a pesquisa de métodos e técnicas de tradução automática baseados na extração automática de regras a partir de corpus de textos paralelos (bitextos), e sua aplicação ao par de línguas português-espanhol (já em desenvolvimento); (b) a pesquisa de métodos e técnicas de desambigüação lexical no contexto da tradução automática (já em desenvolvimento); (c) a pesquisa de métodos e técnicas de buscas estendidas e linguisticamente enriquecidas para aumentar a precisão e a cobertura de sistemas de busca da web e de bibliotecas digitais; em particular, considerar a variante de busca translingüe (já em desenvolvimento).. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (4) . Integrantes: Solange Oliveira Rezende - Integrante / Maria das Graças Volpe Nunes - Coordenador / Jorge Marques Pelizzoni - Integrante / Helena de Medeiros Caseli - Integrante / Lucia Specia - Integrante / Sandra Maria Aluísio - Integrante / Maria Feranda Moura - Integrante / Thiago A S Pardo - Integrante / Eloize R M Seno - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro. Membro: Solange Oliveira Rezende.
2.	2006-2008. Institute Factory of Millennium Descrição: Os objetivos gerais do Instituto Fábrica do Milênio (IFM) podem ser entendidos como a proposição, o desenvolvimento e a disseminação de mecanismos para o aumento da competitividade e do conhecimento científico e tecnológico das empresas instaladas no país, através da formação de um cluster de pesquisas integradas, abordando os os temas que determinam hoje a competitividade de empresas de manufatura. O conjunto de instituições e projetos envolvidos formam uma massa crítica que os capacitam a desenvolver um espectro de pesquisas (que abrangem desde o desenvolvimento de tecnologias industriais básicas até elementos de gestão) que podem, se organizadas de forma integrada, contribuir efetivamente para o desenvolvimento das indústrias brasileiras. Descrição completa desse projeto encontra-se em: http://www.ifm.org.br.. Situação: Desativado; Natureza: Pesquisa. Integrantes: Gustavo Enrique de Almeida Prado Alves Batista - Integrante / Henrique Rozenfeld - Integrante / João Fernando Gomes de Oliveira - Coordenador / Marcel Musett - Integrante / Solange Oliveira Rezende - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Gustavo Enrique de Almeida Prado Alves Batista.
3.	2006-2008. Instituto Fábrica do Milenio (IFM II) Descrição: Edital MCT/CNPq 01/2005 - Institutos do Milênio 2005 - 2008 Coordenador do Instituto: João Fernando Gomes de OIiveira Instituição Sede do Instituto: Escola de Engenharia de SãoCarlos - USP. Responsavel no ICMC-USP: Solange Oliveira Rezende. Mesmo com os excelentes resultados obtidos através dos programas desenvolvidos no IFM I, observou-se que é possível aperfeiçoar a metodologia adotada. Assim, o IFM II está sendo concebido com o propósito de pesquisar, desenvolver e disseminar de forma integrada e colaborativa um corpo de conhecimento capaz de contribuir para a busca de sustentabilidade em nível mundial à cadeia produtiva brasileira de bens de capital. Portanto, nesta nova fase, buscar-se-á aperfeiçoar as formas de integração com empresas, integração regional e intercâmbio com instituições estrangeiras de renome. E, além destes esforços, serão concebidas formas ainda melhores (mais eficazes, acessíveis e inovadoras), a fim de consolidar os resultados obtidos. O IFM I era dividido em áreas que desenvolviam trabalhos de relevância, mas que possuíam uma integração relativa. Os pesquisadores do IFM pertenciam a uma determinada área e desenvolviam projetos daquela área única e exclusivamente. Agora, no IFM II, vamos trabalhar com pacotes de trabalho, work packages (WPs) e subprojetos (SPs). Todos os pesquisadores estarão alocados em diferentes SPs, conforme se necessite de sua capacitação para o desenvolvimento de alguma atividade específica. Além das atividades conjuntas com as empresas, o IFM tem oferecido informações tecnológicas aos pesquisadores e às empresas através de seus portais. O portal www.ifm.org.br é o sistema de gestão das informações acadêmicas do instituto. Detalhes sobre o projeto podem ser obtidos no portal do IFM.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (3) / Doutorado: (1) . Integrantes: Maria Carolina Monard - Integrante / Solange O Rezende - Coordenador / Ronaldo Cristiano Prati - Integrante / Gustavo Enrique Almeida Prado Alves Batista - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Membro: Maria Carolina Monard. Descrição: EDITAL: Edital MCT/CNPq 01/2005 - Institutos do Milênio 2005 - 2008 Coordenador do Instituto: João Fernando Gomes de OIiveira Instituição Sede do Instituto: Escola de Engenharia de São Carlos - USP Responsavel no ICMC-USP: Solange Oliveira Rezende Mesmo com os excelentes resultados obtidos através dos programas desenvolvidos no IFM I, observou-se que é possível aperfeiçoar a metodologia adotada. Assim, o IFM II está sendo concebido com o propósito de pesquisar, desenvolver e disseminar de forma integrada e colaborativa um corpo de conhecimento capaz de contribuir para a busca de sustentabilidade em nível mundial à cadeia produtiva brasileira de bens de capital. Portanto, nesta nova fase, buscar-se-á aperfeiçoar as formas de integração com empresas, integração regional e intercâmbio com instituições estrangeiras de renome. E, além destes esforços, serão concebidas formas ainda melhores (mais eficazes, acessíveis e inovadoras), a fim de consolidar os resultados obtidos. O IFM I era dividido em áreas que desenvolviam trabalhos de relevância, mas que possuíam uma integração relativa. Os pesquisadores do IFM pertenciam a uma determinada área e desenvolviam projetos daquela área única e exclusivamente. Agora, no IFM II, vamos trabalhar com pacotes de trabalho, work packages (WPs) e subprojetos (SPs). Todos os pesquisadores estarão alocados em diferentes SPs, conforme se necessite de sua capacitação para o desenvolvimento de alguma atividade específica. Além das atividades conjuntas com as empresas, o IFM tem oferecido informações tecnológicas aos pesquisadores e às empresas através de seus portais. O portal www.ifm.org.br é o sistema de gestão das informações acadêmicas do instituto. Detalhes sobre o projeto podem ser obtidos no portal do IFM.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (3) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (1) . Integrantes: Solange Oliveira Rezende - Coordenador / Maria Carolina Monard - Integrante / Ronaldo Cristiano Prati - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Número de produções C, T & A: 1 Membro: Solange Oliveira Rezende.

2005

2005-2006. MinText: Descoberta de Conhecimento em Dados não Estruturados usando Mineração de Textos
Descrição: O foco principal deste projeto é o desenvolvimento de uma metodologia para manipular documentos textuais a partir da análise de seus conteúdos, possibilitando identificar tendências e categorias em uma grande massa de documentos com a intervenção mínima de um especialista de domínio na convergência do método, o qual poderá ser uma combinação integrada de vários métodos. Utilizando essa metodologia, serão desenvolvidas ferramentas automáticas e semi-automáticas para manipular dados não estruturados com base em mineração de textos, que indiquem as tendências conceituais em meio à fonte de material textual de um domínio do conhecimento. O domínio de conhecimento utilizado está relacionado à publicações científicas, entre elas, publicações relacionadas com bioinformática.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Especialização: (0) / Mestrado acadêmico: (1) / Mestrado profissional: (0) / Doutorado: (2) . Integrantes: Maria Carolina Monard - Integrante / Solange O Rezende - Coordenador / Alneu de Andrade Lopes - Integrante / André C P L Carvalho - Integrante / Maria Feranda Moura - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Número de produções C, T & A: 6
Membro: Maria Carolina Monard.
Descrição: O foco principal deste projeto é a identificação de uma metodologia validada e confiável para manipular documentos textuais a partir da análise de seus conteúdos; possibilitando identificar tendências e categorias em uma grande massa de documentos com a intervenção mínima de um especialista de domínio na convergência do método - que poderá ser uma combinação integrada de vários métodos. Essa dificuldade de atingir consenso metodológico considerando a grande quantidade de informação disponível, nem sempre de qualidade e de real interesse, cria a demanda por ferramentas, quer automatizadas quer semi-automatizadas, que analisem os textos originais, de modo a filtrar o que é de fato útil. Com base nesses problemas, e também em soluções hoje mundialmente utilizadas, o objetivo deste projeto de pesquisa é desenvolver ferramentas automáticas e semi-automáticas para manipular dados não estruturados com base em mineração de textos, que indiquem as tendências conceituais em meio à fonte de material textual de um domínio do conhecimento, de forma clara. Neste projeto, a publicação científica, que é uma fonte de informação não estruturada, é o principal foco de análise. Como resultado do trabalho, espera-se contribuir de forma efetiva para a área de mineração de textos, tanto com relação aos resultados de pesquisa quanto com a formação de alunos. Os resultados de formação estão relacionados com a formação de alunos de Iniciação Científica e de bolsistas DTI, nos temas relacionados à extração de conhecimento de textos. Os resultados de pesquisa estão relacionados ao processo de mineração de texto. A proposta deste projeto, apesar da motivação inicial considerar textos relacionados com publicações científicas, trata também de solucionar alguns problemas que são comuns à recuperação e mineração de textos em geral. Edital CNPq 014/2004 - Fomento tecnologico Processo 507064-6. Situação: Desativado; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Especialização: (0) / Mestrado acadêmico: (4) / Mestrado profissional: (0) / Doutorado: (1) . Integrantes: Solange Oliveira Rezende - Coordenador / Maria Carolina Monard - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Alneu de Andrade Lopes - Integrante / Maria Feranda Moura - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.
Membro: Solange Oliveira Rezende.
Descrição: O foco principal deste projeto é a identificação de uma metodologia validada e confiável para manipular documentos textuais a partir da análise de seus conteúdos; possibilitando identificar tendências e categorias em uma grande massa de documentos com a intervenção mínima de um especialista de domínio na convergência do método - que poderá ser uma combinação integrada de vários métodos. Essa dificuldade de atingir consenso metodológico considerando a grande quantidade de informação disponível, nem sempre de qualidade e de real interesse, cria a demanda por ferramentas, quer automatizadas quer semi-automatizadas, que analisem os textos originais, de modo a filtrar o que é de fato útil. Com base nesses problemas, e também em soluções hoje mundialmente utilizadas, o objetivo deste projeto de pesquisa é desenvolver ferramentas automáticas e semi-automáticas para manipular dados não estruturados com base em mineração de textos, que indiquem as tendências conceituais em meio à fonte de material textual de um domínio do conhecimento, de forma clara. Neste projeto, a publicação científica, que é uma fonte de informação não estruturada, é o principal foco de análise. No caso de publicações científicas relacionadas com bioinformática, um dos objetivos é a investigação e desenvolvimento de novos métodos para a descoberta de relações entre genes baseada na literatura sobre genes. Para isso será necessário: Investigar métodos que aprimorem e complementem resultados obtidos por métodos de agrupamento de genes, como métodos de seleção de atributos e aprendizado não supervisionado; Identificar textos sobre um determinado gene, independente de seu nome, usando aprendizado de máquina; Tratar informações conflitantes extraídas de textos da literatura.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Alneu de Andrade Lopes - Integrante / Maria Carolina Monard - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Solange Oliveira Rezende - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
Membro: Alneu de Andrade Lopes.

2005-2006. Social@MS: Um portal de indicadores socioeconômicos e de desenvolvimento sustentável de MS
Descrição: O objetivo geral da pesquisa é propor modelos e técnicas de Engenharia Web para especificar e implementar um portal social inovador, público e aberto na Web à comunidade - intitulado SOCIAL@MS - que socializa indicadores socioeconômicos e informações correlacionadas, objetivando construir coletivamente uma base de conhecimento sobre a realidade e o processo de transformação da gestão de políticas públicas em processos de desenvolvimento social sustentável. O portal reunirá um conjunto de variáveis e indicadores sobre a realidade social brasileira, abrangendo informações sobre saúde, educação, trabalho e rendimento, domicílios, famílias, grupos populacionais específicos e trabalho de crianças e adolescentes, entre outros aspectos, acompanhados de breves comentários sobre as características observadas nos diferentes estratos geográficos e populacionais do país relativamente a esses temas.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Alneu de Andrade Lopes - Integrante / Marcelo Turine - Coordenador. Financiador(es): Fundação de Apoio e Desenvolvimento do Ensino, Ciência e Tecnologia do MS - Auxílio financeiro.
Membro: Alneu de Andrade Lopes.

2000

1.	2000-2003. Agentes Inteligentes para Análise e Recuperação da Informação Descrição: Sete pesquisadores de duas instituições e três unidades de pesquisa participaram deste projeto. Da USP participou o ICMC e a EPUSP. Da Universidade Nacional del Centro de la Provincia de Buenos Aires-Argentina, participou o Instituto de Investigación en Sistemas (ISISTAN). O projeto, financiado pela CAPES no Brasil e pela Secretaria de ciencia e Tecnologia na Argentina, foi contemplado, principalmente, com bolsas para alunos de pós-graduação do Brasil na Argentina e da Argentina no Brasil, bem como viagens dos pesquisadores para ministrar seminários e desenvolver pesquisa nas instituições. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (2) / Mestrado profissional: (0) / Doutorado: (3) . Integrantes: Maria Carolina Monard - Coordenador / Solange O Rezende - Integrante / Roseli A Francelin - Integrante / Jaime Simão Sichman - Integrante / Analia Amandi - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Cooperação / Secretaria de Ciencia Y Tecnologia - Cooperação. Membro: Maria Carolina Monard. Descrição: Título: Agentes Inteligentes para Análise e Recuperação da Informação Projeto CAPES-SCyT Brasil-Argentina, período 03/2000 a 02/2003 Sumário: O projeto têm como finalidade o trabalho cooperativo relacionado ao aprimoramento das pesquisas realizadas pela equipe de pesquisadores, bem como a formação de novos pesquisadores na área de recuperação e análise de informação mediante a utilização de diferentes métodos provenientes de áreas tais como como aprendizado de máquina (simbólico e conexionista), data mining, raciocínio baseado em casos e redes neurais. As atividades de treinamento e formação de pessoal envolvida com a execução deste trabalho são aquelas decorrentes do próprio desenvolvimento das atividades previstas, como orientação de alunos de mestrado e doutorado, intercâmbio entre pesquisadores de Argentina e Brasil, desenvolvimento de trabalhos conjuntos e participação e apresentação de trabalhos em reuniões científicas. Objetivo: pesquisar e desenvolver métodos e ferramentas relacionados ao desenvolvimento de Sistemas Inteligentes mediante o uso de Agentes Inteligentes de busca, Raciocínio Baseado em Casos e Aquisição de Conhecimento utilizando Aprendizado de Máquina (simbólico e conexionista) e Data Mining bem como pesquisar e implementar, combinando esses métodos, agentes autônomos inteligentes de busca e de interface. Equipe: sete pesquisadores de duas instituições e três unidades de pesquisa participam deste projeto Universidade de São Paulo-Brasil Instituto de Ciências Matemáticas e de Computação (ICMC) e Escola Politécnica da USP (EPUSP) Universidade Nacional del Centro de la Provincia de Buenos Aires-Argentina, Instituto de Investigación en Sistemas (ISISTAN) Recursos: são contemplados, principalmente, bolsas para alunos de pós-graduação do Brasil na Argentina e da Argentina no Brasil, bem como viagens dos pesquisadores para ministrar seminários e desenvolver pesquisa nas instituições. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Solange Oliveira Rezende - Integrante / Maria Carolina Monard - Coordenador / Jaime Simão Sichman - Integrante / Roseli Aparecida Francelin Romero - Integrante / Analía Adriana Amandi - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa. Membro: Solange Oliveira Rezende.
2.	2000-2004. IMiMD - Indexing and Data Mining in Multimedia Databases Descrição: O projeto envolve a cooperação científica entre instituições de pesquisa brasileiras coordenadas pelo ICMC da USP em São Carlos e a Carnegie Mellon University - CMU nos EEUU. O projeto enfoca dois problemas relacionados: a indexação de informações multimídia, tratadas como conjuntos de dados em espaços métricos; e o desenvolvimento de técnicas de Mineração de Dados para a visualização e descoberta de padrões nesses conjuntos.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (3) / Especialização: (0) / Mestrado acadêmico: (6) / Mestrado profissional: (0) / Doutorado: (6) . Integrantes: Maria Carolina Monard - Integrante / Solange O Rezende - Integrante / Roseli A Francelin - Integrante / Agma Juci Machado Traina - Integrante / Caetano Traina Jr - Coordenador / Josiane Maria Bueno - Integrante / Elaine Parros M de Sousa - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Cooperação. Membro: Maria Carolina Monard.
3.	2000-2001. Implantação do Laboratório de Bioinformática Descrição: O LABI - Laboratório de Bioinformática foi implantado por meio do convênio entre a Unioeste e o Paraná Tecnologia em parceria com o Serviço de Colo-Proctologia da Faculdade de Ciências Médicas da Unicamp, Laboratório de Inteligência Computacional - LABIC da USP/São Carlos, Androfert - Centro de Referência em Infertilidade Masculina, Laboratório Ambiental - Itaipu Binacional, Hospital Municipal de Paulínia e apoio do ITAI - Instituto de Tecnologia em Automação e Informática. O laboratório atua na área de bioinfomática, a qual tem como objetivo aplicar métodos computacionais para auxiliar na resolução de problemas das áreas médica e biológica.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Maria Carolina Monard - Integrante / Huei Diana Lee - Coordenador / Sandro C Esteves - Integrante / Juvenal Ricardo Navarro Góes - Integrante / João José Fagundes - Integrante / Renato Bobsin Machado - Integrante / Leonilda C. dos Santos - Integrante / Feng Chung Wu - Integrante / Gustavo Enrique Almeida Prado Alves Batista - Integrante. Membro: Maria Carolina Monard.
4.	2000-2000. IPROS - Integrated Production and Supply Chain Management. SAP Research / Applications Award Descrição: O projeto intitulado Integrated Production and Supply Chain Management conta com a participação de sete professores (6 da Engenharia Mecânica/Produção, 1 da Computação) para a elaboração de uma forma de gerenciamento eficiente da cadeia de produção. Neste projeto trata-se tambem do "Projeto e Desenvolvimento de um Datawarehouse para Gerenciamento da Cadeia de Produção" que sou responsável.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Solange Oliveira Rezende - Integrante / Henrique Rozenfeld - Integrante / João Fernando Gomes de Oliveira - Integrante / Carlos Frederico Bremer - Coordenador / Marcel Musetti - Integrante / Reginaldo Coelho - Integrante / Silvio Pires - Integrante. Financiador(es): Sap Research Applications Award - Bolsa. Membro: Solange Oliveira Rezende.
5.	2000-2000. Recursos Complementares para Apoio a Grupos de Pesquisa - Projeto IPROS - Integrated Production and Supply Chain Management Descrição: O projeto intitulado Integrated Production and Supply Chain Management conta com a participação de sete professores (6 da Engenharia Mecânica/Produção, 1 da Computação) para a elaboração de uma forma de gerenciamento eficiente da cadeia de produção, utilizando-se para isso, softwares licenciados como R/3TM, Business Information Warehouse - BIWTM e SQL Server 7.0TM de empresas como SAP® e Microsoft®. Esses softwares rodam em plataforma WindowsTM e arquitetura PC, necessitando para isso, de computadores de grande capacidade de processamento, armazenamento e memória. O tipo de processamento executado na utilização desses softwares, deve-se principalmente, a consultas e manipulação de Sistemas Gerenciadores de Banco de Dados (SGBDs) e ferramentas para construção/manipulação de Data Warehouses (DWs) que serão utilizados para o gerenciamento da cadeia de produção. Esses aplicativos exigem grande velocidade de processamento e memória, principalmente entre os softwares R/3TM e BIWTM, o que faz com que este tipo de execução torne-se lenta e muitas vezes inviável em computadores que não possuem recursos parecidos com o que foi especificado neste pedido, podendo atrasar os resultados dos experimentos e conseqüentemente o cronograma do projeto. Por outro lado, os recursos destinados ao sub-projeto "Projeto e Desenvolvimento de um Datawarehouse para Gerenciamento da Cadeia de Produção" são destinados, em sua maioria, ao pagamento de pessoal. Recurso Complementar de R$ 3.500,00. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Solange Oliveira Rezende - Coordenador. Financiador(es): Universidade de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.

1997

1.	1997-1998. IPAC - Integração de Paradigmas Simbólico, Fuzzy e Neural na Aquisição de Conhecimento Descrição: Extensões a algorítmos de aprendizado indutivo proposicional incorporando conceitos de lógica fuzzy; implementação de um ambiente de Aqusição de Conhecimento composto por subsistemas de Aquisição Baseada em Modelos e Aprendizado por Classificação; desenvolvimento de um Planejador Baseado em Casos. Instituições participantes: UFScar, ILTC-RJ, UNESP-Rio Claro, ICMC-USP ProTeM III/CNPq, Proc. 680069/95.0 Valor do Financiamento: R$ 244.626,00. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (29) / Especialização: (4) / Mestrado acadêmico: (12) / Mestrado profissional: (0) / Doutorado: (3) . Integrantes: Maria Carolina Monard - Integrante / Solange O Rezende - Integrante / Maria do Carmo Nicoletti - Integrante / Roseli A Francelin - Integrante / Heloisa A Camargo - Coordenador / Doris Ferraz de Aragon - Integrante / André C P L Carvalho - Integrante / Ricardo Luis de Freitas - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Cooperação. Membro: Maria Carolina Monard.
2.	1997-1999. Sistemas Híbridos Inteligentes para Extração de Conhecimento de Bases de Dados Descrição: Este projeto trata da investigação de técnicas para Sistemas Híbridos voltadas para extração de Conhecimento. 2 bolsas de IC foram liberadas.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Solange Oliveira Rezende - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Número de produções C, T & A: 1 Membro: Solange Oliveira Rezende.
3.	1997-2003. Sistemas Inteligentes para Engenharia do Projeto RECOPE - da rede Informática Aplicada a Engenharia Subrede: Inteligência Artificial Descrição: Uma equipe de trinta e dois pesquisadores de dez unidades de pesquisa participam deste projeto CEFET-MG, COPPE-UFRJ, EESC-USP, EFEI-MG, ILTC-Niterói RJ, ICMC-USP, UFF-RJ, UFMG, UFSCar-SP, UFPE. Agência Financiadora: FINEP/RECOPE - Ref. 0595/96; Valor Financiado: R$ 135.500,00. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (7) / Especialização: (0) / Mestrado acadêmico: (6) / Mestrado profissional: (0) / Doutorado: (3) . Integrantes: Maria Carolina Monard - Integrante / Solange O Rezende - Coordenador / André C P L Carvalho - Integrante. Financiador(es): Financiadora de Estudos e Projetos - Auxílio financeiro. Membro: Maria Carolina Monard. Descrição: Projeto financiado pela FINEP dentro do programa de Redes Cooperativas de Pesquisa (RECOPE) Sumário e Objetivo: o projeto tem como um de seus objetivos centrais criar vantagens competitivas sustentáveis para que empresas e organizações brasileiras possam competir em uma economia cada vez mais baseada em informação e conhecimento. Para melhor atingir seus objetivos, a rede foi dividida em três grupos de trabalho: Grupo de Redes Neurais, Lógica Fuzzy e Aplicações; Grupo de Data Mining e Aplicações; Grupo de Aquisição de Conhecimento e Aplicações. As pesquisadoras do ICMC trabalham no grupo de Data Mining e Aplicações. Redes Neurais , Lógica Fuzzy e Aplicações: Desenvolver aplicações em Redes Neurais e Lógica Fuzzy para mostrar a empresas a viabilidade destas técnicas para a solução de problemas, como: Previsão; Diagnóstico; Compactação de dados; Classificação; Aproximação; Categorização; Extração de regras. Data Mining e Aplicações: Trabalhar com Extração de Conhecimento de Bases de Dados reais, mostrando a viabilidade das técnicas de Data Mining na solução de problemas como: Diagnóstico de Falhas em Equipamentos; Bases de Dados ligadas à área petrolífera; Bases de Dados ligadas à área de seguros. Aquisição de Conhecimento e Aplicações: Desenvolver um Sistema Baseado em Conhecimento para a detecção de falhas em transformadores de potência a partir do resultado de ensaios de laboratório. Construir um sistema tutorial sobre a elaboração dos ensaios que poderia ser usado para melhorar a qualidade dos resultados dos mesmos, assim como capacitar mais rapidamente o pessoal deles encarregado. Equipe: trinta e dois pesquisadores de dez unidades de pesquisa participam deste projeto CEFET-MG, COPPE-UFRJ, EESC-USP, EFEI-MG, ILTC-Niterói RJ, ICMC-USP, UFF-RJ, UFMG, UFSCar-SP, UFPE Recursos: Agência Financiadora: FINEP/RECOPE - Ref. 0595/96; Vigência: 1998 e 2000; Valor Financiado: R$ 135.500,00. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Solange Oliveira Rezende - Coordenador / Maria Carolina Monard - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante. Financiador(es): Financiadora de Estudos e Projetos - Auxílio financeiro. Membro: Solange Oliveira Rezende.

(*) Relatório criado com produções desde 1995 até 2025
Data de processamento: 24/04/2025 08:39:13

labic

Total de projetos de pesquisa

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1997

1996

1995

1.	1999-2004. IMiMD - Indexing and Data Mining in Multimedia Databases Descrição: Esse projeto teve como objetivo o desenvolvimento de técnicas, algoritmos e ferramentas de software para suportar o tratamento de informações multimídia, como imagens, vídeo e áudio além de estruturas complexas, como representação de móleculas e estruturas genéticas, em bases de dados multimídia. Todo o projeto foi centrado em utilizar o conteúdo dos dados tratados para possibilitar a indexação, recuperação baseado em conteúdo e descoberta de dados. Esse projeto integrou as áreas de Banco de Dados, Inteligência Artificial e Visualização de Dados, sendo que contou com a participação de especialistas em todas elas.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Solange Oliveira Rezende - Integrante / Maria Carolina Monard - Integrante / Caetano Traina Júnior - Coordenador / Roseli Aparecida Francelin Romero - Integrante / Agma Juci Machado Traina - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Cooperação. Membro: Solange Oliveira Rezende.
2.	1999-1999. Recursos Complementares para Apoio a Grupos de Pesquisa - Projeto Sistemas Inteligentes para Engenharia Descrição: Recursos Completares relacionados com o projeto RECOPE-IA (Projeto financiado pela FINEP dentro do programa de Redes Cooperativas de Pesquisa (RECOPE)). Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Solange Oliveira Rezende - Coordenador. Financiador(es): Universidade de São Paulo - Auxílio financeiro. Membro: Solange Oliveira Rezende.
3.	1999-2003. Simulacion Computacional de Sólidos Descrição: Pesquisadora em Colaboraçãoo Internacional do Projeto de Pesquisa do Grupo de Química Teórica da Universidad de Buenos Aires, Argentina, para auxiliar no projeto e desenvolvimento de sistema computacional relacionado ao tema. Financiado pela Agencia de Promoción Científica e Tecnológica, Argentina, Proj. PICT No. 06-03611. Valor financiado: USD 111.720,00. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (3) . Integrantes: Maria Carolina Monard - Integrante / Alicia Batana - Coordenador / Jorge Bruno - Integrante. Número de produções C, T & A: 12 Membro: Maria Carolina Monard.