Formado em Engenharia Agrícola pela Universidade Estadual de Campinas (1984), Mestrado em Engenharia Elétrica pela Universidade Estadual de Campinas (1989) na área de Automação e Controle. Doutorado Sistemas de Suporte à Decisão, Universidade de Cranfield (1995), no Silsoe College. Atualmente é Professor Livre-Docente da Faculdade de Engenharia Agrícola da Universidade Estadual de Campinas (UNICAMP). Tem experiência na área de Sistemas Inteligentes Aplicados à Agiricultura, atuando principalmente nos temas Sistemas de Suporte à Decisão, Mineração de Dados e Sistemas Especialistas. Foi membro do NATI (Núcleo de Assessores de Tecnologia e Inovação) do CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico), do Conselho de Orientação do Grupo Gestor de Educação à Distância da UNICAMP e do Conselho do InovaSoft (Centro de Inovação em Software da Unicamp). Coordenador da Pós-Graduação do Programa de Pós-Graduação em Engenharia Agrícola da Faculdade de Engenharia Agrícola da UNICAMP (Jul/2013 a Jul/2015). Recebeu da UNICAMP, em 2012, o Prêmio de Reconhecimento Acadêmico "Zeferino Vaz". Desde 2015, Coordenador de um nó no Brasil da Rede BigDSSAgro, coordenado pela Universidade de Lleida, Espanha, no âmbito do CYTED. Membro da Equipe de um Projeto de Pesquisa IberoAmericano (AgIoT: Agricultural Internet of Things and Data Analytics to Make Better Decisions), financiado pelo CYTED (2021-2025), coordenado pelo Prof. Diego Dujovne (Chile). (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) |
No planejamento agrícola da safra de cana-de-açúcar, é necessário conhecer e entender a produtividade da cultura em função do ambiente de produção, manejo, clima, variedade e idade de corte. Atualmente, as estimativas de produtividade mais empregadas na usinas são subjetivas, onde especialistas, através de experiência e avaliações de campo, realizam este trabalho. Dentre modelos de previs…
O contexto da Internet das Coisas permite não só que o produtor agrícola possa melhorar seu processo de tomada de decisão, mas também que os estudos desbravem características das culturas agrícolas por meio do monitoramento intensivo das condições ambientais e do seu crescimento. Para o caso do tomateiro, efeitos da temperatura no crescimento são observados, por exemplo, para temperaturas…
A disponibilidade de microeletrônicos e sensores de baixo custo simplifica o desenvolvimento de sistemas capazes de adquirir, processar e modelar diversos fatores internos de uma casa de vegetação. Um desses sensores é a câmera, que pode ser utilizada para identificar frutos, doenças e pragas em cultivos. Neste trabalho será implementado um sistema de aquisição e processamento de imagens …
Modelos dinâmicos de crescimento de culturas associados à imensa massa de dados disponíveis têm sido enxergados como parte da resposta ao problema de uma Agricultura mais eficiente quanto ao uso de recursos. Apesar de tais modelos demandarem etapas de calibração sem as quais seu desempenho preditivo pode ser insuficiente para auxílio na tomada de decisão, o monitoramento em tempo real pod…
'Mineração de Dados' (Data Mining) e 'Descoberta de Conhecimento em Bancos de Dados' (KDD - Knowledge Discovery in Databases) são áreas de conhecimento relativamente recentes e tem sido crescente sua utilização pela comunidade acadêmica. Na área de Ciências Agrárias, a utilização de técnicas de Mineração de Dados tem se mostrado ser uma alternativa importante, tendo em vista os avanços te…
CV Lattes
ORCID