Possui graduação em Redes de Computadores pelo Instituto Federal de Mato Grosso (2014) e Especialização em Redes e Telecomunicações pela Faculdade do Pantanal (2015), cursando mestrado em computação na Universidade Federal Fluminense. Atualmente é professor EBTT do Instituto Federal de Educação Ciência e Tecnologia de Rondônia. Tem experiência na área de Ciência da Computação, com ênfase em Aprendizado por Reforço, aprendizado de máquina e Inteligência Artificial.
Doutorado em engenharia Elétrica e de Computação pela UFRN. É coordenador do Núcleo Avançado de Inovação Tecnológica (NAVI) do IFRN, e pesquisador do Laboratório de Inovação Tecnológica em Saúde (LAIS) da UFRN. Membro do Corpo Editorial e Revisor da Revista Brasileira de Inovação Tecnológica em Saúde (R-BITS). Tem experiência na área de Inovação Tecnológica em Saúde, Análise de Algoritmos, Aprendizado de Máquina, Complexidade de Computação, Aprendizagem por Reforço e Buscas Reativas e Deep Learning.
Doutor em Computação pela Universidade Federal Fluminense (UFF), com estágio de doutorado sanduíche no Laboratoire d'Informatique de Paris 6 da Sorbonne Université (LIP6), França. Mestre em Ciência da Computação pela Universidade Federal do Acre (UFAC). Especialista em Infraestrutura para Internet pela Universidade Federal do Acre (UFAC) e em Gestão de Tecnologia da Informação pela Anhanguera/LFG. Graduado em Redes de Computadores pela Faculdade Barão do Rio Branco. É professor da carreira de Ensino Básico, Técnico e Tecnológico (EBTT) do Instituto Federal do Acre (IFAC). Desenvolve pesquisas na área de Ciência da Computação, com ênfase em inteligência artificial aplicada a redes de computadores, especialmente no emprego de aprendizado por reforço para escalonamento adaptativo de recursos em redes móveis 5G e futuras redes 6G. Seus interesses de pesquisa incluem gerenciamento de recursos de rádio, otimização de redes, qualidade de serviço (QoS), qualidade de experiência (QoE) e aplicações de inteligência artificial em sistemas de comunicação. É autor de publicações em periódicos e conferências científicas nacionais e internacionais.
Doutor pelo Programa de Pós-Graduação em Computação (PPGC) da UFRGS com foco em aprendizado por reforço (CAPES 7). Mestrado pelo PPGC-UFRGS (CAPES 7), na área de previsão de séries temporais com redes neurais artificiais e modelos de misturas de gaussianas. Graduação em Ciência da Computação pela UFRGS. Experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, especialmente Redes Neurais. Atuou como pesquisador de Pós-Doutorado em Inteligência Artificial no Instituto de Informática da Universidade Federal do Rio Grande do Sul (UFRGS). Atualmente professor do Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul (IFRS), onde também atua como pesquisador nas áreas de aprendizagem de máquina, robótica e jogos digitais. Atuou como desenvolvedor por 12 anos, incluindo 7 anos no Ministério Público Federal e 1 ano e meio na Companhia de Processamento de Dados do Município de Porto Alegre (PROCEMPA). Site profissional: https://rafaelcp.github.io/
Mestre em Engenharia Elétrica e de Computação (2026) e Bacharel em Ciência da Computação (2013) pela Universidade Federal de Goiás (UFG). Possui experiência na docência do ensino técnico e superior, além de sólida trajetória na área de Tecnologia da Informação em organizações públicas e privadas. Atualmente, é Analista de Tecnologia da Informação no Instituto Federal Goiano (IF Goiano) e Coordenador Geral de Sistemas de Informação Substituto deste Instituto.
Possui graduação em Tecnologia Superior Em Processamento de Dados - Facudades Objetivo (1991) e mestrado em Engenharia Elétrica e de Computação pela Universidade Federal de Goiás-UFG (2004) e Doutor em Ciência da Computação pela UFG (2024), Pesquisador e professor em regime de dedicação exclusiva do ensino médio, técnico e tecnológico do Instituto Federal de Educação, Ciência e Tecnologia de Goiás-IFG. Tem experiência na área de desenvolvimento de sistemas, de grande e pequeno porte. Atualmente desenvolve projetos nos seguintes temas: Deep learning, redes neurais artificiais, EEG, RFID, e desenvolvimento de sistemas computacionais e informática.
Possui graduação em Tecnologia em Informática pelo CEFET-PR, Unidade Ponta Grossa (2003), mestrado em Engenharia Elétrica e Informática Industrial pela UTFPR (2009) e doutorado pela Faculty of Electrical Engineering and Informatics da Budapest University of Technology and Economics (2024) na Hungria. Atualmente é professor da Universidade Tecnológica Federal do Paraná (UTFPR). Atua na área de Ciência da Computação e Engenharia Eletrônica, desenvolvendo pesquisas nos temas: Protocolos de Comunicação, Ciência de Dados, aprendizado por reforço (Reinforcement Learning) e Inteligência Artificial.
Possui graduação em Engenharia Civil pela Universidade Federal de Ouro Preto (1990), Especialização em Tecnologia para uso do Aço (1994), Especialização em Matemática (1997), Especialização em Geotecnia (2002), Especialização em Engenharia de Materiais (2004) e Mestrado em Engenharia de Materiais (2005), Doutorado em Engenharia de Materiais (2011) todos pela Universidade Federal de Ouro Preto. Atualmente é professora do Instituto Federal de Minas Gerais (IFMG) campus Ouro Preto. Tem experiência de ensino na área da Matemática e de pesquisa na área de Matemática Aplicada, Engenharia Geotécnica e Engenharia de Materiais, com ênfase em Reforço de Solos, Análise e Seleção de Materiais, Compósitos, Polímeros e Fibras Vegetais.
Possui Diploma de Mestre em Engenharia civil: Área de concentração em Estruturas e Construção Civil pela Universidade Federal do Pará - UFPA (2019). Especialização em Engenharia de Segurança do Trabalho pela Universidade da Amazônia - UNAMA (2017). Graduação em Engenharia Civil pela Universidade Federal do Pará (2007). Atua desde 2011 como Professor e Pesquisador do Instituto Federal de Educação, Ciência e Tecnologia do Pará - IFPA. Tem experiência na área de Engenharia Civil atuando principalmente nos seguintes temas: Estruturas de concreto armado, reforço estrutural, Qualidade na Construção Civil e Engenharia de Segurança do Trabalho.
Possui graduação em Engenharia Elétrica pela Universidade Federal de Santa Maria (2008) e mestrado (2009) e doutorado (2015) em Engenharia Elétrica pela Pontifícia Universidade Católica do Rio de Janeiro.
Doutora em Ciência da Computação pela Universidade Federal de Uberlândia, Minas Gerais, Brasil. Tenho experiência como Analista de Sistemas com foco principal na plataforma Java e aplicação de conceitos de UX/UI Designer. Sou entusiasta e desenvolvedora nas tecnologias Python e NodeJS. Atualmente sou professora com dedicação exclusiva no Instituto Federal do Triângulo Mineiro. Realizo pesquisa científica na área de Inteligência Artificial, em que os temas de interesse são: Aprendizado de Máquina, Visão Computacional, Reconhecimento de Padrões e Teoria de Jogos. Além disso, tenho pesquisas relacionadas a temáticas que envolvem Computação Gráfica, Informática na Educação e Inclusão de Meninas em carreiras STEM. Em relação à inovação, além de projetos tenho experiência na organização de eventos como Hackathons. Atualmente atuo como Diretora de Tecnologia da Informação e Comunicação no Instituto Federal do Triângulo Mineiro.
Mestrando em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (INPE) de São José dos Campos (SP), com foco em: aprendizado de máquina, clima espacial, choques interplanetários e análise de dados.
Pós Doutorado com ênfase em Aprendizado de Máquina aplicado à Ciência Florestal (predição de produtividade, manutenção em máquinas florestais, custo de operações, etc), pela UNESP de Botucatu (2021-2022, 2022-2024, 2024-2026). Doutor em Biotecnologia, com tese sobre predição de rotas metabólicas de enzimas vegetais utilizando aprendizado de máquina - UNESP de Botucatu (Biotecnologia); Mestre em Biotecnologia Vegetal, com dissertação sobre transformação genética vegetal com utilização de Marker Free Technology - Universidade Federal de Lavras; Bacharel em Agronomia pela Universidade Federal de Viçosa. Experiência em aprendizado de máquina, linguagem programação Python e R, análises estatísticas, biologia molecular (sistema de remoção de marcadores de seleção por recombinação sítio-específica - Marker Free Technology) e micropropagação (cana-de-açúcar e espécies florestais nativas). Trabalhos realizados em colaboração nas áreas de análise de co-expressão de genes, sistemas biológicos e reconhecimento de padrões de genes de resistência em plantas por meio de aprendizado de máquina (trabalho em parceria com a University of Hertfordshire - UK, sob supervisão do Dr. Henrik Stotz).
Professor do Instituto Federal de Ciência, Educação e Tecnologia da Paraíba (IFPB), campus João Pessoa. Doutor em Ciência da Computação pela Universidade Federal de Campina Grande, UFCG (2016). Mestre em Ciência da Computação pela Universidade Federal de Campina Grande, UFCG, (2004). Graduado em Ciência da Computação pelo Centro Universitário de João Pessoa - UNIPE (2001). Tem experiência na área de Ciência da Computação, com ênfase em Aprendizado de Máquina, Treinamento em dados desbalanceados, Ciência de Dados, Processamento de Linguagem Natural, Modelos de Linguagem em Larga Escala (LLM), Análise de Sentimentos e Computação Aplicada à Saúde.
Ajalmar Rocha Neto é mestre (2006) e doutor (2011) em Inteligência Artificial, com ênfase na área de Aprendizado de Máquinas, tendo realizado seu mestrado e doutorado no Departamento de Engenharia de Teleinformática da Universidade Federal do Ceará (UFC). Além disto, é bacharel (2004) em Ciência da Computação pela Universidade Estadual do Piauí (UESPI). Fez doutorado sanduíche (2010-2011) também em Aprendizado de Máquinas na Faculdade de Engenharia da Universidade do Porto (FEUP) em Portugal, tendo desenvolvido suas atividades no Instituto de Engenharia e Sistemas de Computadores (INESC). É atualmente bolsista de produtividade do CNPq com projeto na área de aprendizado de máquinas (para o triênio 2024-2027) e, portanto, encontra-se no seleto grupo de pesquisadores reconhecidos pelos pares em sua área de atuação. Teve outros 2 projetos de bolsa de produtividade contemplados também em aprendizado de máquinas, sendo bolsista de produtividade desde 2018. Em 2011, ganhou o prêmio "Best Paper of Young Research" no IWANN'2011, e por isto passou um mês realizando pesquisa conjunta com um grupo de aprendizado de máquina do Centro de Investigación en Tecnologías de La Información y de las Comunicaciones (CITIC) de la Universidad De Granada (UGR). Desde 2007 é professor do Instituto Federal do Ceará (IFCE) e atualmente coordena o Laboratório de Inteligência Artificial (LIA) do programa de pós-graduação em ciência da computação (PPGCC) do IFCE. É docente permanente do Programa de Pós-Graduação em Ciência da Computação (PPGCC) e do Programa de Pós-graduação em Engenharia de Telecomunicações (PPGET), ambos do IFCE. É colaborador do Programa de Pós-graduação em Engenharia de Teleinformática (PPGETI) da UFC. Nestes programas realiza orientação de alunos de mestrado e doutorado. Em termos de publicação, tem mais de 80 artigos (em periódicos, conferências nacionais e internacionais) na área de inteligência artificial/aprendizado de máquinas; bem como possui patente concedida e diversos registros de software. Os temas de interesse de pesquisa em Inteligência artificial são aprendizado de máquina, visão computacional, computação gráfica, dentre outras.
Brenno de Mello é doutor pelo Programa de Doutorado em Ciência da Computação da Universidade Federal da Bahia (PGCOMP-UFBA), participante do grupo de pesquisa LABIA e WISER, pesquisando principalmente os seguintes temas: Internet das Coisas, Mineração de Fluxo de Dados, Fog Computing, Redes Neurais, Concept Drift e Aprendizado Contínuo Online. Mello possui mestrado em Ciência da Computação pela UFBA (2020) e graduação em Análise e Desenvolvimento de Sistemas pelo Instituto Federal da Bahia (2016). Professor da carreira EBTT no IFBA desde 2024, ministrando disciplinas de Algoritmos e Linguagens de Programação. Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Informação, atuando como Analista de Sistemas.