CV Lattes
ResearcherID
ORCID
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação (FEEC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
João Marcos Travassos Romano nasceu no Rio de Janeiro em 12 de abril de 1960. Graduou-se em Engenharia Elétrica pela Universidade Estadual de Campinas (1981), é Mestre em Engenharia Elétrica pela Universidade Estadual de Campinas (1984) e Doutor pela Université de Paris XI, Orsay (1987), em Processamento de Sinais e Automação. Atualmente é Professor Titular da Faculdade de Engenharia Elétrica e de Computação da Universidade Estadual de Campinas (FEEC/UNICAMP), onde é docente em regime de dedicação exclusiva desde 1988. É, desde abril de 2021, Pró-Reitor de Pesquisa da UNICAMP. Foi Diretor Associado (2003-2007) e Diretor (2015-2019) da FEEC/UNICAMP. Foi Presidente da Sociedade Brasileira de Telecomunicações (SBrT) de 2000 a 2004. Recebeu da UNICAMP o Prêmio de Reconhecimento Acadêmico "Zeferino Vaz", edição de 2008, pelo destaque nas atividades de docência e pesquisa, e o Prêmio PROEC, pelo destaque na atividades de extensão, na edição de 2020. Foi Professor Visitante no Conservatoire National des Arts et Metier (CNAM/Paris), na Université de Paris-Descartes e na École Normale Supérieure de Cachan, França. É co-autor do livro Unsupervised Signal Processing: Channel Equalization and Source Separation, editado pela CRC Press (Taylor and Francis Group LLC) em 2011. É Sócio Emérito da SBrT e 'Senior Member' do IEEE. Seus grandes temas de interesse em pesquisa dizem respeito a teoria e métodos de processamento de sinais e filtragem, a aprendizado de máquina, e a várias potenciais aplicações e temas correlatos, tais como telecomunicações, sísmica, separação cega de fontes, sistemas de recomendação e de apoio à decisão etc. É, desde abril de 2021, o Diretor do BI0S - Brazilian Institute of Data Science, um Centro de Pesquisa Aplicada em Inteligência Artificial aprovado no âmbito de Acordo de Cooperação Científica e Tecnológica entre FAPESP e MCTIC/CGI. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o(a) pesquisador(a): |
| La inteligencia artificial llega a la salud en Brasil |
| A inteligência artificial chega à saúde |
| Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o(a) pesquisador(a): |
| FAPESP, MCTI e CGI.br anunciam a constituição de seis Centros de Pesquisa em Inteligência Artificial |
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias (0 total): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
O equipamento multiusuário que está sendo solicitado à FAPESP nesta chamada irá implementar armazenamento (storage) em larga escala para a Infraestrutura do Repositório Institucional de Pesquisa na Unicamp (RIPU). Seu principal objetivo é consolidar a infraestrutura de pesquisa dos vários repositórios existentes na Universidade em um único espaço. Este equipamento permitirá planejarmos a …
O Centro de Pesquisa em Inteligência Artificial - Brazilian Institute of Data Science (BI0S) tem como principal objetivo desenvolver soluções de estado da arte em ciência dos dados e inteligência artificial (IA), propondo soluções para problemas relevantes e conectando a academia, empresas, startups, a sociedade e o setor público em um ecossistema integrado de inovação. Ele vai contribuir…
Este projeto faz uso da reserva técnica institucional e visa canalizar os recursos disponíveis para auxiliar na melhoria da infraestrutura de pesquisa da FEEC. Visa a manutenção e o melhoramento em infraestruturas coletivas de apoio pesquisa e está focado na rede de informática. A FEEC decidiu usar o plano de recursos da RTI da FAPESP na reforma da rede sem fio de seus blocos prediais C,…
A Prof. Daniela Donno é uma especialista conhecida em técnicas de processamento de sinais para processamento de dados sísmicos, área em que nosso grupo de pesquisa tem se interessado bastante nos últimos anos. O objetivo do processamento sísmico é estimar as propriedades da subsuperfície de uma região de interesse a partir de medidas feitas por sensores colocados na superfície. Essa infor…
Desde 1990, o International Telecommunications Symposium (ITS) é organizado a cada quatro anos pela Sociedade Brasileira de Telecomunicações, sendo um dos principais fóruns de pesquisa nas áreas de telecomunicações e processamento de sinais da América Latina. O ITS2014 será realizado ao longo de 4 dias, de 17 à 20 de agosto de 2014, no Centro de Convenções Rebouças, localizado na Av. Rebo…
O objetivo do projeto é estruturar um podcast voltado para inteligência artificial sob responsabilidade do BI0S - Brazilian Center of Data Science, apoiado pela FAPESP no Processo 2020/09838-0. O BI0S vem tendo uma atuação em ciência de dados, incluindo o uso de big data, inteligência artificial e aprendizado de máquina para resolver problemas da sociedade relacionados a suas 3 trilhas de…
O objetivo do projeto é estruturar um podcast voltado para inteligência artificial sob responsabilidade do BI0S - Brazilian Center of Data Science, apoiado pela FAPESP no Processo 2020/09838-0. O BI0S vem tendo uma atuação em ciência de dados, incluindo o uso de big data, inteligência artificial e aprendizado de máquina para resolver problemas da sociedade relacionados a suas 3 trilhas de…
Definimos de modo bastante genérico um sinal como toda entidade que carrega informação. A fim de melhor analisar a informação de interesse contida em um sinal, diversas técnicas foram desenvolvidas, dentre as quais têm especial relevância os diferentes métodos de decomposição de sinais. Tais métodos são empregados segundo as características que queremos extrair ou mesmo em função de certa…
Um dos problemas mais tradicionais em processamento de sinais é o de desconvolução, cujo objetivo é recuperar um sinal distorcido por um dado sistema. Tal problema é ainda bastante desafiador em sua vertente não-supervisionada, onde a recuperação é conduzida sem o conhecimento a priori do sistema e com acesso a apenas algumas informações sobre a estrutura do sinal original. Dentre as poss…
Em diversas situações práticas encontramos problemas de tomada de decisão envolvendo múltiplos critérios. Muitos desses problemas possuem características específicas que podem gerar resultados enviesados, principalmente com relação à dimensão dos dados do problema. Por exemplo, quando há um número elevado de critérios, muitos deles podem ser desnecessários quanto à sua expressividade no m…
Modelos de Aprendizado de Máquina têm recebido muita atenção em uma variedade de problemas devido aos seus resultados surpreendentes e à sua capacidade de aprender a partir de dados. Contudo, a aplicação de tais modelos em problemas socioeconômicos-tais como concessão de crédito, predição de reincidência criminal, seleção de estudantes, entre outros- levantou preocupações éticas. Dados te…
O presente projeto é composto de duas linhas de pesquisa que possuem em comum uma formulação via problemas inversos, a ser solucionada por meio de métodos de processamento de sinais, particularmente os baseados em estimação esparsa.Na primeira linha de pesquisa, pretendemos dar continuidade a nossos trabalhos em separação cega de fontes, explorando mais profundamente as relações entre os …
Diversas situações práticas podem ser modeladas como problemas de tomada de decisão multicritério (MCDM). Geralmente, os métodos usados para lidar com problemas em MCDM não levam em consideração a informação estrutural dos dados, como a interação entre critérios. Por exemplo, critérios correlacionados podem enviesar a análise de decisão, favorecendo uma alternativa específica. Neste conte…