Professor Titular, desde 2006, e atual Diretor, desde 2022, do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), Campus São Carlos, e Vice-Diretor do Centro de Inteligência Artificial e Aprendizado de Máquina (CIAAM) da USP. Membro da Comissão de Orçamento e Patrimônio da USP de 2024-2026. Bolsista de Produtividade em Pesquisa 1A do CNPq. É coordenador da rede IARA, Inteligência Artificial Recriando Ambientes. Membro do Comitê de Assessoramento de Ciência da Computação do CNPq (CA-CC), de 2024-2027. Coordena o WG12.2 Working Group on Machine Learning and Data Mining da International Federation for Information Processing (IFIP). Membro do Steering Committee of the Artificial Intelligence for Global Health (AI4GH) Project, IDRC, Canada. Foi Vice-Presidente da Sociedade Brasileira de Computação (SBC), de 2019 a 2023, membro do Comitê de Assessoramento de Ciência da Computação do CNPq (CA-CC), de 2018 a 2021 (coordenador de 2019 a 2020). De 2013 a 2017 foi membro do conselho da International Association for Statistical Computing (IASC), do International Institute of Statistics (ISI). Possui Bacharelado (1987) e Mestrado em Ciência da Computação (1990) pela Universidade Federal de Pernambuco, e doutorado em Electronic Engineering pela University of Kent (1994). Seus principais interesses de pesquisa são Aprendizado de Máquina, Mineração de Dados e Ciência de Dados, com aplicações em várias áreas. Publicou vários artigos nessas áreas, alguns deles premiados em conferências organizadas por ACM, IEEE and SBC. Escreveu vários livros, entre eles Inteligência Artificial: Uma abordagem de Aprendizado de Máquina, publicado pelo GrupoGen em 2011 e prêmio Jabuti 2012, e A General Introduction to Data Analytics, publicado pela Wiley, em 2018.Foi Professor Associado na University of Guelph, Canada. Foi ainda Professor Visitante na University of Kent e Pesquisador Visitante na University of Kent e no Alan Turing Institute, UK. Avalia projetos para agências de fomento a pesquisa nacionais: CAPES, CNPq, FAPERJ, FAPESP, FACEPE, FAPEMIG, FINEP e Fundação Serrapilheira, e internacionais: Comisión Nacional de Investigación Científica y Tecnológica, CONICYT (Chile), Croatian Science Foundation, HRZZ (Croácia), Czech Science Foundation, GACR (República Tcheca), Engineering and Physical Sciences Research Council, EPSRC (Reino Unido), Israel Science Foundation, ISF (Israel), Natural Sciences and Engineering Research Council of Canada, NSERC (Canada), Leverhulme Trust (Reino Unido), Ministero dell'Istruzione, dell'Università e della Ricerca, MIUR (Itália) e Swiss National Science Foundation, SNSF (Suíça). Diretor do Centro de Ciências Matemáticas Aplicadas à Indústria da USP. É ainda Vice-Coordenador do MBA em Ciência de Dados do ICMC-USP. , do Conselho Consultivo da Rede MCTI-EMBRAPII de Inovação em Inteligência Artificial (IA), da Rede Ciência para Educação (CpE), do Comitê Diretivo para América Latina e Caribe da International Network for Government Science Advice (INGSA), do Conselho Universitário da Universidade de São Paulo e do Comitê Científico do Advanced Institute for Artificial Intelligence (AI2), do Strategy and Partnerships Board of the UKRI Centre for Doctoral Training in Accountable, Responsible and Transparent AI (ART-AI), at University of Bath, UK. Membro associado da Artificial Intelligence Institute - Te Ipu o te Mahara da University of Waikato, Nova Zelândia e do Grupo de Governança da Estratégia Brasileira de Inteligência Artificial (EBIA) do Ministério de Ciência, Tecnologia e Inovações, do Conselho Tecnológico da Associação Gestora de Fundo Patrimonial Chronos (CHRONOS) e do Comitê de Governança do Indicações Geográficas (IG) São Carlos. Foi membro do Conselho Técnico Científico da Escola de Matemática Aplicada da Fundação Getúlio Vargas (EMAp-FGV) de 2018 a 2020. Membro do UK Expert Advisory Panel of State of Science Report for the risks associated with frontier AI. (Fonte: Currículo Lattes)
Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o(a) pesquisador(a): |
Alta productividad |
Alta productividad |
Elevada produtividade |
Mais itensMenos itens |
Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
Mais itensMenos itens |
TITULO |
Matéria(s) publicada(s) em Outras Mídias ( ): |
Mais itensMenos itens |
VEICULO: TITULO (DATA) |
VEICULO: TITULO (DATA) |
Publicado em 29 de abril de 2019 - Agência FAPESP. Os dados têm valor e, se bem explorados, podem gerar benefícios políticos, sociais e econômicos. Mas, se por um lado há uma infinidade de dados disponíveis para serem coletados e trabalhados, por outro há uma imensa demanda reprimida no Brasil por profissionais da área de computação. A avaliação foi feita no dia 22 de abril, na Assembleia Legislativa de São Paulo (Alesp), por pesquisadores participantes do segundo evento do Ciclo de Palestras ILP-FAPESP 2019, que teve como tema Big data e Machine learning. O ciclo é uma parceria entre o Instituto do Legislativo Paulista (ILP) e a FAPESP.