Possui graduação em Licenciatura em Matemática pela Universidade Estadual Paulista Júlio de Mesquita Filho (1991), mestrado (1994) e doutorado (1998) em Matemática Aplicada pela Pontifícia Universidade Católica do Rio de Janeiro, tendo realizado pós-doutorado na University of Utah (2008-2010) e atuado como professor visitante na New York University (2016-2018). Atualmente é professor titular na Universidade de São Paulo. Tem experiência na área de Ciência de Dados, Visualização, Processamento Geométrico e Matemática Aplicada. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
O Centro de Ciência de Dados para a Indústria Inteligente atua como um hub de análise de dados avançados para a indústria, visando melhorar a eficiência operacional, a qualidade dos produtos, a inovação e a sustentabilidade, através da aplicação de técnicas de ciência de dados e análise de dados em processos industriais. O contacto com as indústrias será mediado pelo SENAI e operacionaliz…
Desde a década de 1970, a sociedade brasileira vive um processo de transição da ditadura militar para a democracia. Com essa transição política, esperava-se que os conflitos fossem progressivamente sendo resolvidos, reduzindo a violência. Porém, isso não aconteceu. De fato, a transição foi acompanhada por uma explosão de conflitos internos, muitos dos quais associados a crimes urbanos. Ai…
O foco desta proposta é a transferência de conhecimento matemático para outras áreas da ciência, tecnologia e indústria, por meio de um centro de pesquisa estruturado para esse fim. Todo o conhecimento matemático é, em última análise, aplicável se não diretamente, por meio de outros conhecimentos. Em algumas áreas da matemática a aplicação é quase imediata (entretanto, a colocação em prát…
Em muitas áreas das Ciências e Engenharia, imagens fornecem informações sobre problemas reais e a associação por uma máquina de um ou mais rótulos por imagem (anotação), com base nessas informações, conduz a uma decisão sobre o problema. No entanto, o aprendizado de máquina requer que o conteúdo de interesse, denominado amostra, seja manualmente isolado e identificado (rotulado) em imagen…
O workshop contará com 3 minicursos, duas palestras e seminários para discutir parcerias em pesquisa. (AU)
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 visuais a serem desenvolvidos deverão fornecer metáforas visuais criadas a partir de projeção multidimensional e árvores filog…
Este projeto procura combinar vários conjuntos de dados com uma discretização espacial baseada em grafos para extrair padrões complexos relacionados à infra-estrutura urbana e crimes. O objetivo principal é desenvolver ferramentas analíticas assistidas por visualização personalizadas para apoiar a análise de atividades criminosas em áreas urbanas com as características da cidade de São Pa…
Uma pergunta recorrente na análise da evolução temporal de crimes é a correlação entre os Segmentos Urbanos (SU), como setor industrial, área central, regiões de alto, médio e baixo padrão, e os Tipos de Crimes (TC) mais comuns, por exemplo, homicídios, furtos, entre outros. Outra questão relevante neste contexto é entender qual tem sido a evolução criminal associada a cada segmento. A re…
Inegavelmente a situação da criminalidade em grandes areas urbanas vem tornando-se cada vez mais séria. A contribuição da ciência com métodos mais precisos e eficazes para prever e evitar ocorrências que afetem a segurança da sociedade cresce a cada dia. Aprendizado de máquina e ciência de dados têm tido um papel primordial neste contexto de segurança pública. Com o advento das redes neu…
A criminalidade urbana é um grande problema que afeta o bem-estar e a segurança da sociedade, especialmente em grandes metrópoles. Sendo assim, é fundamental a criação de mecanismos que auxiliem os agentes públicos a prevenir a ocorrência de crimes e entender quais fatores influenciam as atividades criminosas. Nesse contexto, métodos de aprendizagem de máquina têm sido aplicados à prediçã…
IA responsável é um tema altamente discutido hoje em dia. Uma das questões relacionadas a este tópico é a necessidade de entender as previsões feitas por modelos preditivos. Em particular, os modelos usados no campo da saúde e criminal precisam ser confiáveis. Em outras palavras, a precisão do modelo não é a única coisa importante a ser considerada, mas também é essencial entender o compo…
A análise de fluxos origem-destino é um problema importante que vem sendo amplamente investigado em diversas áreas científicas, em particular pela comunidade de visualização. O problema torna-se especialmente desafiador quando envolve dados massivos, exigindo mecanismos como agregação de dados e filtragem interativa para viabilizar o processo exploratório. No entanto, a agregação de dados…
O objetivo principal deste projeto de doutorado é desenvolver uma nova metodologia de previsão de crimes baseada em processamento de sinais em grafos e Deep Learning, modelando a cidade de São Paulo de uma maneira natural a nível da rua, com base não apenas em dados históricos de crimes passados, mas também em outras informações sociais e urbanas que podem melhorar as previsões. É inegáve…
CV Lattes
ORCID