Linhas de Pesquisa - Instituto de Computação

Resultados de Seleções

Mestrado (2023/1):

Resultado da seleção para o Mestrado em Computação com matrícula de 14 a 16 de fevereiro de 2023.

Candidatos aceitos no mestrado, concorrendo a bolsa, em ordem de prioridade:

1. João Pedro López da Cruz
2. Elenice dos Santos Costa (*)
3. Bárbara Aranha Ramos
4. Henrique Soares Rodrigues
5. André Luis Alves Silveira
6. André Fernandes Gonçalves
7. Arthur de Oliveira Paiva
8. Lucas Amaral dos Santos Barroso Leite
9. Leonardo Venâncio Teixeira
10. Luiz Fernando Coelho Passos
11. Diogo Ledermann Firmino Pinto
12. Lucas Dirk Gomes Ferreira
13. Miguel Domingos Brito

(*) aluno já matriculado, não ocupa vaga

Candidatos aceitos no mestrado, sem concorrer a bolsa, em ordem alfabética:

1. Arthur Almeida Vianna
2. Beatriz Lopes Souza
3. Bruno Menezes dos Santos
4. Carlos Cesar de Moraes Santos
5. Cintya Guimarães Gomes
6. Cristiano Santana do Nascimento
7. Douglas Ferreira Brum
8. Edel da Silva Melo
9. Edgard Braz Alves
10. Fabio da Silva Junior
11. Gabriel Inácio dos Santos Moreira
12. Glaucio de Oliveira Almeida
13. Jenniffer Crystine Souza dos Santos
14. Jonatas de Menezes Bento
15. Leandro Oliveira da Silva
16. Leonardo Martins Reigoto
17. Marcius Origenes Pereira Rodrigues
18. Mariangela Gomes de Souza Nascimento
19. Matheus Veloso da Silva
20. Michelangelo José de Mello Lima e Souza Lopes
21. Otavio Henrique Flaeschen Oliveira
22. Pedro Augusto Alcantara Ribeiro Moraes
23. Pedro Henrique Costa Monteiro Cabrita
24. Rafael Lins Pinheiro
25. Thiago da Silva Barradas
26. Victor Hugo Corpas dos Santos Guaraná
27. Vinícius João de Barros Vanzin
28. Vinicius Luis Nunes de Amorim
29. Vinicius Velleda Pacheco

Informações sobre a matrícula online:

- Enviar foto digitalizada no ato da matrícula online.
- Os candidatos aceitos que ainda não tiverem concluído a Graduação deverão apresentar declaração de
sua instituição no ato de sua primeira matrícula, informando que concluirão os requisitos do curso até o
último dia útil do mês seguinte ao início das aulas, ou seja, até o dia 31/05/2023. Essa também será a
data limite para apresentar o certificado de conclusão do curso de Graduação, após a qual não terão suas
matrículas homologadas e serão desligados do Programa. Candidatos aceitos com bolsa deverão apresentar o certificado de conclusão do curso de Graduação no ato de matrícula, perdendo o direito à
garantia de bolsa a partir dessa data.
- A matrícula dos novos alunos deverá ser realizada online através do formulário eletrônico disponibilizado
no sítio http://posgrad.ic.uff.br/formularios-e-requerimentos no período de 14 a 16 de fevereiro.

Doutorado (2023/1):

Resultado da seleção para o Doutorado em Computação com matrícula de 14 a 16 de fevereiro de 2023.

Candidatos aceitos no doutorado, concorrendo a bolsa, em ordem de prioridade:

1. Maria Luiza Furtuozo Falci
2. Rodrigo dos Santos Oliveira
3. Annie Vianna Amorim
4. Magaywer Moreira de Paiva
5. Errol Wilderd Mamani Condori
6. Franklin Jordan Ventura Quico
7. Pedro Vianna Mesquita
8. Daniel Otavio da Cunha Cota

Candidatos aceitos no doutorado, sem concorrer a bolsa, em ordem alfabética:

1. Allan Costa Nascimento dos Santos
2. André Ribeiro Breitinger
3. Fernando Pereira Gonçalves de Sá
4. Paulo Roberto Siqueira da Costa Júnior
5. Renata Nunes Velozo

Informações sobre a matrícula online:

- Enviar foto digitalizada no ato da matrícula online.
- Os candidatos aceitos que ainda não tiverem concluído o Mestrado deverão apresentar declaração de
sua instituição no ato de sua primeira matrícula, informando que concluirão os requisitos do curso até o
último dia útil do mês seguinte ao início das aulas, ou seja, até o dia 31/05/2023. Essa também será a
data limite para apresentar o certificado de conclusão do curso de Mestrado, após a qual não terão suas
matrículas homologadas e serão desligados do Programa. Candidatos aceitos com bolsa deverão
apresentar o certificado de conclusão do curso de Mestrado no ato de matrícula, perdendo o direito à
garantia de bolsa a partir dessa data.
- A matrícula dos novos alunos deverá ser realizada online através do formulário eletrônico disponibilizado
no sítio http://posgrad.ic.uff.br/formularios-e-requerimentos no período de 14 a 16 de fevereiro de 2023.

Inteligência Artificial

	A linha de pesquisa de Inteligência Artificial investiga e desenvolve artefatos computacionais que possuam características associadas às habilidades envolvidas com a inteligência. Tais habilidades incluem a representação de conhecimento, a percepção e atuação em um ambiente, o raciocínio e explicação do processo de tomada de decisões, o aprendizado a partir de experiência e a partir de interações com o ambiente, a manipulação e criação de abstrações, a aquisição e manipulação de linguagem, e a adaptação de conhecimento para ajustar-se a novas situações. Considerando a abrangência das possibilidades de atuação dos métodos de IA em diversas áreas sensíveis, a linha de pesquisa também investiga os aspectos de ética, responsabilidade e confiabilidade dos sistemas de IA, com o ser-humano no centro. A linha também investiga a aplicação e evolução das habilidades citadas para resolver problemas do mundo real, incluindo cidades, governos, redes sociais, saúde e bem-estar social.

Professores:

Disciplinas:

Obrigatórias da Linha de Pesquisa

Aprendizado de Máquina
Inteligência Artificial
Inteligência Computacional
Lógica e Especificação
Mineração de Dados
Sistemas Multiagentes

Optativas

Inteligência Coletiva
Processamento de Linguagem Natural

Obrigatórias do Curso Recomendadas

Estrutura de Dados e Algoritmos
Teoria da Computação
Tratamento de Incertezas

Tópicos de Pesquisa:

Aprendizado de Máquina Relacional

A maioria das abordagens de Aprendizado de Máquina assume que os exemplos são independentes e distribuídos de forma homogênea. Entretanto, dados do mundo real são compostos de múltiplos objetos heterogêneos, suas propriedades e seus relacionamentos. Nesse tópico de pesquisa, investigamos métodos de aprendizado de máquina que aprendam a partir de dados dependentes e distribuídos de forma heterogênea, para contemplar os aspectos relacionais dos dados. As abordagens investigadas incluem aprendizado estatístico relacional, transferência de aprendizado e adaptação de modelos relacionais, e aprendizado de representações em formato de embeddings para grafos e bases de conhecimento.

Aprendizado de Representações para Linguagem Natural

Neste tópico, investigamos métodos para aprender representações vetoriais (embeddings) a partir de textos, usando modelos de linguagem. Tais representações são parte essencial da resolução de tarefas de Processamento de Linguagem Natural usando Aprendizado de Máquina. As tarefas incluem transferência de estilo em textos, classificação de textos, e busca usando linguagem natural. Os métodos investigados têm como ponto focal a transferência de aprendizado, para o aproveitamento de bases e recursos. Damos preferência aos textos e informações escritas na língua Portuguesa.

Cidades Inteligentes e Sustentáveis

Neste tópico abordamos temas de pesquisa associados a diferentes setores estratégicos do tema: Cidades Inteligentes, Digitais e Sustentáveis. Em termos de métodos, utilizamos técnicas tradicionais e inovadoras da Inteligência Artificial, Inteligência Computacional e Processamento de Alto Desempenho. Em termos de aplicações, incluímos os segmentos de: Mobilidade Urbana e Social, Energias alternativas/Renováveis, Transporte Urbano e Transporte Multi-modal, Veículos Verdes (Drones, carros elétricos, etc.), Logística Reversa (coleta de diferentes tipos de lixo urbano, logística e planejamento estratégico no segmento de entregas e de devolução de mercadorias no e-commerce entre outros).

Evolução do Conhecimento e Lógica

Neste tópico estudamos como podemos representar o conhecimento em sistemas multi-agentes. Como a comunicação (pública ou privada) entre agentes muda o conhecimento dos mesmos. Baseados nesses modelos, estudamos a evolução de informações em redes sociais. Como modelo usamos lógicas modais: lógicas temporais, lógicas de conhecimento e crença em sistemas multi-agentes e lógicas epistêmicas dinâmicas.

IA Explicável

Métodos caixa-preta têm alcançado o estado-da-arte em muitas aplicações que utilizam IA. Entretanto, a dificuldade em interpretar a decisão tomada por tais modelos pode ser um empecilho para a ampla adoção de IA na solução de problemas críticos. Nesse tópico, investigamos, em particular, a criação de modelos interpretáveis baseados em lógica e o aprendizado de explicações a partir de tarefas de linguagem natural.

IA para bem-estar social

Nesse tópico, construímos aplicações que estejam relacionadas com as metas de desenvolvimento sustentável da Agenda ONU 2030. Espera-se que a Inteligência Artificial possa contribuir para o desenvolvimento de ações que ajudem na criação de um mundo mais justo, próspero e sustentável para as futuras gerações. Em particular, temos contribuído para o objetivo 3 (saúde e bem-estar), com aplicações envolvendo saúde mental, 16 (paz, justiça e instituições eficazes), com aplicações envolvendo o processo eleitoral e documentos da área jurídica, 4 (educação de qualidade), com aplicações de letramento midiático para combater a desinformação, 5 (igualdade de gênero), com aplicações para combater discurso ofensivo e de ódio e vieses em modelos de linguagem, e 11 (cidades e comunidades sustentáveis), com tópico próprio nesta página.

IA para Saúde

Nesse tópico, estudamos e construímos aplicações de aprendizado de máquina nas áreas da saúde. Está alinhado com a Visão Estratégica da Saúde Digital para o Brasil 2020-2028, publicado pelo Ministério da Saúde. Os temas estudados incluem a natureza dos dados clínicos e o uso do aprendizado de máquina para estratificação de risco, modelagem da progressão de doenças, medicina de precisão, suporte ao diagnóstico, descoberta de subtipos de doenças, e aprimoramento de fluxos de trabalho. Nesse contexto, podem ser utilizados modelos lineares generalizados, análise de sobrevivência, inferência causal, inferência Bayesiana, aprendizado por reforço, redes neurais (CNNs, RNNs, ...), e outros. Os dados de treinamento incluem imagens médicas (TC, RM, Raio-X, ...), sinais fisiológicos (ECG, EEG, ...), dados clínicos estruturados e semi-estruturados, públicos ou privados, este último com a aprovação do Comitê de Ética em Pesquisa.

IA para Segurança e Defesa

Neste tópico, abordamos técnicas inovadoras da Inteligência Artificial, Inteligência Computacional, Otimização e Processamento de Alto Desempenho para propor soluções em diversos problemas que surgem em setores estratégicos no contexto de Segurança & Defesa. Uma das nossas prioridades atuais se refere ao tema: "Segurança Pública em centros urbanos" fazendo uso de tecnologias que incluem o uso de câmeras fixas e móveis (VANTS/Drones), biometrias e multi-biometrias, Localização otimizada de facilidades no contexto de segurança pública, Perícias, Engenharia Legal entre outras questões.

Avaliação

O PGC atualmente é classificado na CAPES com conceito 6. Abaixo são listados documentos importantes relacionados à Avaliação da CAPES.

Ciência de Dados

	Ciência de Dados é uma linha de pesquisa e aplicação interdisciplinar centrada no estudo e análise de dados de diversos domínios - tais como saúde, educação, esportes, jogos, segurança, cidades, governos, astronomia, biologia, economia, engenharias, química, entre outros - que visa apoiar a tomada de decisão e a eficiência nos processos desses domínios. Nessa linha de pesquisa, são estudados e propostos métodos de análise e visualização de dados, incluindo conceitos e técnicas de diversas áreas do conhecimento, tais como Estatística, Banco de Dados, Mineração de Dados, e Aprendizado de Máquina.

Professores:

Disciplinas:

Obrigatórias da Linha de Pesquisa

Aprendizado de Máquina
Bancos de Dados Distribuídos
Mineração de Dados

Optativas

Biologia Computacional
e-Science
Gerência de Dados Semiestruturados
Gerência de Grandes Volumes de Dados
Visualização de Dados
Web Semântica: Tecnologia e Aplicações

Obrigatórias do Curso Recomendadas

Estrutura de Dados e Algoritmos
Tratamento de Incertezas

Tópicos de Pesquisa:

Análise de Dados

Trata-se de um tópico de pesquisa interdisciplinar centrado no estudo e desenvolvimento de técnicas de mineração e visualização de dados, com aplicação em múltiplos domínios, tais como saúde, educação, esportes, jogos, segurança, cidades, governos, astronomia, biologia, economia, engenharias, química, entre outros. A análise e exploração desses dados visam apoiar a tomada de decisão e a eficiência nos processos desses diversos domínios. Alguns temas de pesquisa explorados pelo grupo de professores e seus alunos são: (i) mineração de opinião e análise de sentimento, (ii) mineração de dados incertos, (iii) algoritmos de seleção supervisionada de atributos, (iv) mineração de dados biológicos, e (v) mineração de repositórios de software.

e-Science

Estuda métodos e algoritmos para auxiliar o cientista na condução de suas pesquisas, propondo soluções para todo o ciclo de vida do experimento científico: concepção, execução e análise. Em todas as etapas, preocupa-se com a gerência dos dados de proveniência do experimento. Especificamente em relação a proveniência, há uma preocupação em capturar os dados de entrada e intermediários, assim como as ações feitas pelos cientistas que levaram aos resultados do experimento. Com isso, é possível apoiar a reprodução, auditoria e depuração dos experimentos.

Ciência de Dados em Segurança Cibernética

Pesquisa o uso de métodos orientados a dados (data-driven) no contexto da Segurança Cibernética. Isso inclui, por um lado, compreender como a Ciência de Dados pode ser utilizada durante um ataque cibernético e, por outro lado, desenvolver métodos orientados a dados para realizar a detecção de ataques cibernéticos. Apresentamos, a seguir, alguns dos temas pesquisados nesta linha: (i) ataques furtivos a sistemas de controle em rede; (ii) identificação de bots em redes sociais; (iv) detecção de ataques DDoS a partir de dados de SIEM; (iii) classificação de malware via aprendizado de máquina.

Corpo Docente

	Professor	Credenciamento	Tipo de	Habilitado a	Lattes	Google
	Professor	válido até	credenciamento	orientar D.Sc.?	Lattes	Scholar
1.	Alexandre Plastino de Carvalho	31/12/2023	Permanente	Sim	Acessar	Acessar
2.	Aline Marins Paes Carvalho	31/12/2023	Permanente	Sim	Acessar	Acessar
3.	André Maues Brabo Pereira	31/12/2023	Permanente	Sim	Acessar	Acessar
4.	Anselmo Antunes Montenegro	31/12/2023	Permanente	Sim	Acessar	Acessar
5.	Antônio Augusto de Aragão Rocha	31/12/2023	Permanente	Sim	Acessar	Acessar
6.	Aura Conci	31/12/2023	Permanente	Sim	Acessar	Acessar
7.	Bruno Lopes Vieira	31/12/2023	Permanente	Sim	Acessar	Acessar
8.	Célio Vinicius Neves de Albuquerque	31/12/2023	Permanente	Sim	Acessar	Acessar
9.	Celso da Cruz Carneiro Ribeiro	31/12/2023	Permanente	Sim	Acessar	Acessar
10.	Daniel Cardoso Moraes de Oliveira	31/12/2023	Permanente	Sim	Acessar	Acessar
11.	Daniela Gorski Trevisan	31/12/2023	Permanente	Sim	Acessar	Acessar
12.	Débora Christina Muchaluat Saade	31/12/2023	Permanente	Sim	Acessar	Acessar
13.	Diego Gimenez Passos	31/12/2023	Permanente	Sim	Acessar	Acessar
14.	Esteban Walter Gonzalez Clua	31/12/2023	Permanente	Sim	Acessar	Acessar
15.	Eugene Francis Vinod Rebello	31/12/2023	Colaborador	Sim	Acessar	Acessar
16.	Fábio Protti	31/12/2023	Permanente	Sim	Acessar	Acessar
17.	Flávia Coimbra Delicato	31/12/2023	Permanente	Sim	Acessar	Acessar
18.	Flavia Cristina Bernardini	31/12/2023	Permanente	Sim	Acessar	Acessar
19.	Flávio Luiz Seixas	31/12/2023	Permanente	Não	Acessar	Acessar
20.	Igor Machado Coelho	31/12/2023	Permanente	Sim	Acessar	Acessar
21.	Igor Monteiro Moraes	31/12/2023	Permanente	Sim	Acessar	Acessar
22.	Isabel Cristina Mello Rosseti	31/12/2023	Permanente	Sim	Acessar	Acessar
23.	José Viterbo Filho	31/12/2023	Permanente	Sim	Acessar	Acessar
24.	Julio Cesar Stacchini de Souza	31/12/2023	Permanente	Sim	Acessar	Acessar
25.	Leandro Augusto Frata Fernandes	31/12/2023	Permanente	Sim	Acessar	Acessar
26.	Leandro Santiago de Araújo	31/12/2023	Permanente	Não	Acessar	Acessar
27.	Leonardo Gresta Paulino Murta	31/12/2023	Permanente	Sim	Acessar	Acessar
28.	Lúcia Maria de Assumpção Drummond	31/12/2023	Permanente	Sim	Acessar	Acessar
29.	Luciana Cardoso de Castro Salgado	31/12/2023	Colaborador	Sim	Acessar	Acessar
30.	Luis Antonio Brasil Kowada	31/12/2023	Permanente	Sim	Acessar	Acessar
31.	Luís Felipe Ignácio Cunha	31/12/2023	Permanente	Não	Acessar	Acessar
32.	Luiz André Portes Paes Leme	31/12/2023	Permanente	Não	Acessar	Acessar
33.	Luiz Satoru Ochi	31/12/2023	Permanente	Sim	Acessar	Acessar
34.	Marcos de Oliveira Lage Ferreira	31/12/2023	Permanente	Sim	Acessar	Acessar
35.	Maria Cristina Silva Boeres	31/12/2023	Permanente	Sim	Acessar	Acessar
36.	Mario Roberto Folhadela Benevides	31/12/2023	Permanente	Sim	Acessar	Acessar
37.	Milton Brown Do Coutto Filho	31/12/2023	Permanente	Sim	Acessar	Acessar
38.	Paulo de Figueiredo Pires	31/12/2023	Permanente	Sim	Acessar	Acessar
39.	Raphael Carlos Santos Machado	31/12/2023	Permanente	Sim	Acessar	Acessar
40.	Ricardo Leiderman	31/12/2023	Permanente	Sim	Acessar	Acessar
41.	Simone de Lima Martins	31/12/2023	Permanente	Sim	Acessar	Acessar
42.	Troy Costa Kohwalter	31/12/2023	Permanente	Não	Acessar	Acessar
43.	Uéverton dos Santos Souza	31/12/2023	Permanente	Sim	Acessar	Acessar
44.	Vanessa Braganholo Murta	31/12/2023	Permanente	Sim	Acessar	Acessar
45.	Vânia de Oliveira Neves	31/12/2023	Permanente	Não	Acessar	Acessar
46.	Yuri Abitbol de Menezes Frota	31/12/2023	Permanente	Sim	Acessar	Acessar