Departamento de Física

Notícias Notícias

Voltar

08/04/2022 Colóquio (WEBINAR) Aprendizagem de máquina a partir de dados simbólicos – Prof. Francisco de A.T. de Carvalho (Centro de Informatica - CIn/UFPE)

Título:
Aprendizagem de máquina a partir de dados simbólicos

Resumo:
Nessa apresentação, primeiro destacamos o interesse e vantagens da introdução de novos tipos de variáveis (atributos) e dados (ditos simbólicos) para descrever e analisar itens que representam grupos de indivíduos levando em conta a variabilidade interna dos mesmos. Em seguida destacamos a necessidade e os desafios de fazer aprendizagem de máquina a partir de dados simbólicos, focando no caso das variáveis de tipo intervalo através de dois estudos. O primeiro,no quadro da aprendizagem não supervisionada, apresenta uma extensão do fuzzy k-means para dados descritos por variáveis de tipo intervalo. O segundo, no quadro da aprendizagem supervisionada, apresenta uma extensão da regressão a partir dos mínimos quadrados dos resíduos dados descritos por variáveis de tipo intervalo usando funções de kernel. A apresentação será concluída relembrando as vantagens e os desafios dessa área.

 

Coloquialista:
Prof. Francisco de A.T. de Carvalho
Centro de Informatica - CIn/UFPE

Short Bio:  

Atua como professor e pesquisador do CIn-UFPE desde 1999 e é professor titular da UFPE desde 2011. Coordenou vários projetos de pesquisa com financiamento (CNPq, FACEPE). Atualmente é pesquisador 1A do CNPq. Em 2021 recebeu o Prêmio de Mérito Científico da SBC (Sociedade Brasileira de Computação). Está na faixa de 2% dos cientistas mais influentes do mundo na área de Inteligência Artificial e Processamento de Imagens ao longo de toda a sua carreira e nos anos de 2019 e 2020 segundo estudo da Plos Biology/Elsevier. Está entre os 50 autores mais influentes e foi o décimo quarto autor mais produtivo (dentre 13970) na área de automatic clustering algorithms considerando um período de 30 anos (entre 1989 e 2019) segundo estudo da Neural Computing and Applications. Suas contribuições científicas foram realizadas em Aprendizagem de Máquina, com ênfase em aprendizado não supervisionado e aprendizado de máquina a partir de dados simbólicos. Atua como árbitro de várias revistas internacionais em sua área de conhecimento. Atuou como membro do CA-CC do CNPq (07/2017 a 06/2020) e como membro da CDCT da FACEPE (08/2006 a 07/2009 e de 11/2021 a 10/2023). No CIn atuou como coordenador de pós-graduação, chefe de departamento e membro do conselho departamental. Na UFPE foi membro do Conselho Universitário, CCEPE e Câmaras de Pesquisa e Pós-Graduação. Formou 24 mestres e 10 doutores e publicou mais de 200 artigos (periódicos e conferências). Os trabalhos publicados tem boa repercussão (h-index 33 no Google Acadêmico). Atuou como Professor Visitante em universidades estrangeiras (Université Paris-Dauphine, Seconda Universita degli Studi di Napoli Itália, Sri Jayachamarajendra College of Engineering Mysore, RWTHA Aachen University, Université Paris Descartes, University of Campania Luigi Vanvitelli) e pesquisador visitante do INRIA (Paris-Rocquencourt). Colaborou ativamente para a consolidação da área de aprendizado de máquina no Brasil. Foi membro titular de comissões da área da SBC (CERN e CEIA). Foi eleito membro do conselho da International Association for Statistical Computing - IASC (2009 a 2013). Em 2020 tornou-se membro da Academia Pernambucana de Ciências.


Data, horário e local:
08 de Abril de 2022 (sexta-feira) - 16h
Ambiente Virtual: Google Meet

Segue endereço do Webinar:

https://meet.google.com/ocj-xjhp-sik

Orientações:
1. Entrar com o microfone desligado.
2. Entrar com o email institucional (@
ufpe.br)

Data da última modificação: 07/04/2022, 20:39

Contato Contato

Chefia
+55-81-2126-7605 / +55-81-2126-7606 / +55-81- 2126.8450 Ramal: 2326
Secretaria de Pós-Graduação
+55-81-2126-7640

Localização Localização