Resultados para “'Machine Learning (Aprendizado de Máquina)'”

Ederson Naves Fernandes Gonçalves Júnior

docente IFMG - Campus Ouro Branco

Ederson Naves Fernandes Gonçalves Júnior possui formação técnica em Mecânica pelo Instituto Federal de Educação, Ciência e Tecnologia de Minas Gerais (IFMG) - Campus Congonhas (2021). É graduado em Ciência da Computação pela Universidade Federal de Ouro Preto (UFOP - 2025). Atualmente, cursa o mestrado em Ciência da Computação na Universidade Federal de Ouro Preto (UFOP) e é Professor Substituto no IFMG - Campus Ouro Branco. Durante a graduação, fez parte do Laboratório de Computação de Sistemas Inteligentes (CSI-Lab), onde trabalhou com a Identificação de Tumores Cerebrais. Atualmente trabalha com Machine Learning aplicado em cima de Eletroencefalograma (EEG). Seus interesses englobam as áreas de Aprendizado de Máquina, Deep Learning e Reconhecimento de Padrões. Além disso, participou da Empresa Júnior Voluta Soluções Digitais, englobando áreas de criação de aplicativos e sites.

Cassiano Bonin

docente IFSC - Câmpus Florianópolis

Professor do Instituto Federal de Santa Catarina (IFSC) no curso de Engenharia Mecatrônica. Doutor pela Universidade Federal de Santa Catarina (UFSC), desenvolve pesquisa em Modelagem e Controle de Deposição Metálica a Laser utilizando Physics Informed Machine Learning (Aprendizado de Máquina Informado pela Física). Mestre em Mecatrônica e graduado em Engenharia de Controle e Automação (2006) pela UFSC. Possui sólida experiência industrial em manufatura e Engenharia de Confiabilidade voltada a computação em nuvem e sistemas distribuídos. Atua principalmente nos seguintes temas: Inteligência Artificial, Robótica, Automação, Mecatrônica e Propriedade Intelectual

Eraldo Luís Rezende Fernandes

docente IFG - Campus Jataí

professor na Faculdade de Computação da UFMS desde 2014. Possui Doutorado em Informática pela PUC-Rio (2012) com tese em indução de atributos para processamento de linguagem natural com aprendizado de máquina. Realizou estágio de doutorado na Yahoo! Research Barcelona (2010/11) em aprendizado a partir de dados parcialmente anotados. De 2005 a 2013 foi professor do Instituto Federal de Goiás (IFG), onde fundou o grupo de pesquisa AutoLab. Participou do desenvolvimento do projeto pedagógico do curso Técnico em Informática e da reestruturação do projeto pedagógico do curso Tecnologia em Análise e Desenvolvimento de Sistemas. De 2005 a 2013, participou da organização da Semana da Computação do IFG. Tem experiência nas áreas de análise e projeto de algoritmos, aprendizado de máquina, aprendizado de estruturas, aprendizado de representações, extração de informação e otimização combinatória. Em 2012, fez parte da primeira equipe sul-americana a sagrar-se campeã da principal competição internacional da área de linguística computacional, a CoNLL Shared Task, organizada pela Association for Computational Linguistics e que tratou de resolução de correferência em dados multilíngue (árabe, chinês e inglês).

Robercy Alves Da Silva

docente IFRN - Campus Lajes

Professor efetivo na área de EletroEletrônica e Assessor de Desenvolvimento Institucional e Gestão Estratégica do IFRN. Doutor em Ciência da Computação (UFRN-2020). Mestre em Engenharia Elétrica (UFMG-2002). Especialização em Gestão Pública (IFRN-2021). Especialização em Gestão organizacional (FUNCEC-2007). Graduado em Engenharia Elétrica com ênfase em eletrônica (PUC Minas-1993). Licenciatura em Formação Pedagógica de Docentes para a Educação Profissional e Tecnológica com Habilitação em Engenharia Elétrica (IFRN-2016). Tecnólogo em Gestão Pública (Faculdade Nassau-2021). Prática de docência na UFRN, UFOP, UEMG, Faculdade Kennedy e Doctum. Grande experiência em Sistemas de Telecomunicação e Automação Industrial, com atuação comprovada nas seguintes áreas: Redes de Computadores, Áudio, Sistemas Digitais, Sistemas Eletrônicos, Automação Industrial e Residencial, Energias Renováveis, Detecção de Falhas, Inteligência Computacional, Aprendizado de Máquina e Internet das Coisas.

Ricardo Loureiro Soares

docente IFRO - campus Guajará Mirim

Possui graduação em Análise e Desenvolvimento de Sistemas pela Faculdade de Tecnologia SENAC/Pelotas (2007) e mestrado em Modelagem Computacional de Sistemas pela Universidade Federal do Tocantins (2025). Atualmente é professor ebtt do Instituto Federal do Tocantins Campus Palmas. Tem experiência na área de Ciência da Computação, com ênfase em Administração de Banco de Dados, atuando principalmente nos seguintes temas: previsões, banco de dados, desenvolvimento web, planejamento educacional, auto-regressivo e aprendizado de máquina.

Luís Fernando Lopes Grim

docente IFSP - Campus Piracicaba

Doutor (2024) e Mestre em Tecnologia (2018) pela Universidade Estadual de Campinas, também possui Especialização em Tecnologias e Sistemas de Informação pela Universidade Federal do ABC (2013) e graduação em Tecnologia em Processamento de Dados pela Faculdade de Tecnologia de Americana (2010). Já atuou como instrutor de informática, técnico de informática e analista de sistemas em empresas e órgãos públicos, também foi professor temporário na ETEC Dep. Ary de Camargo Pedroso. Atualmente é professor efetivo do Instituto Federal de Educação Ciência e Tecnologia de São Paulo em Piracicaba, tendo atuado também no campus Hortolândia. Tem experiência na área de Ciência da Computação, com ênfase em Arquitetura de Sistemas de Computação, Inteligência Artificial, Aprendizado Profundo, Aprendizado de Máquina, Computação de Alto Desempenho, Programação, e Redes de Computadores.

Danilo Reis De Vasconcelos

docente IFCE - Reitoria

Possui doutorado em Ciência da Computação com foco em Internet das Coisas com o tema de sistemas de recomendação para Fog computing, mestrado em Informática Aplicada pela Universidade de Fortaleza na área de algoritmos genéticos aplicados a segurança pública (2006) e graduação em Engenharia Eletrônica pelo Instituto Tecnológico de Aeronáutica (1988).Especialização no MIT em Data Science e machine Learning (2023) Atualmente é professor no Instituto Federal do Ceará (IFCE). Tendo larga experiência na área de Engenharia Eletrônica e computação atuando principalmente nos seguintes temas: Large Language Models, Machine Learning, Deep Learning, Internet das Coisas, Sistemas de recomendação, Fog Computing. No seu histórico profissional ja trabalhou com Sistemas embarcados, aprendizado de máquinas, Algoritmos genéticos, arquiteturas de software, FPGA, RFID, segurança, Smartcards, projetos eletrônicos.

George Oliveira Barros

docente IFGoiano - Campus Posse

Doutor em Informática pela Universidade de Brasília (UnB). Mestre em Computação Aplicada pela Universidade Estadual de Feira de Santana (UEFS). Bacharel em Sistemas de Informação pela Universidade Estadual do Sudoeste da Bahia (UESB). Possui especialização em Formação Pedagógica no ensino profissional técnico e tecnológico pelo IF Goiano. Tem interesse nas áreas de visão computacional, aprendizado de máquina e aplicações WEB. Atua desde 2017 como professor efetivo do Instituto Federal de Educação, Ciência e Tecnologia Goiano (Campus Posse).

Jorge Souza Azevedo Moniz Barreto

docente

Possui Mestrado em Computação Aplicada pela UEFS, especialista em Engenharia de Sistemas pela ESAB - Escola Superior Aberta do Brasil, graduação em Redes de Computadores pelo Centro Universitário da Bahia (2009). Tem experiência na área de Administração de Redes e suporte a Sistema e Banco de Dados, atuando principalmente nos seguintes temas: Inteligência Computacional, Machine Learning, Banco de Dados, SQL, Redes de computadores, Python, SNMP e Gerenciamento de Redes, Programação Mobile. Professor efetivo do Instituto Federal de Educação, Ciências e Tecnologia da Bahia, campus Euclides da Cunha.

Rodrigo De Oliveira Almeida

tecnico IFSudesteMG - Campus Muriaé

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).

Marcos Yuzuru De Oliveira Camada

docente IFC - Campus Ibirama

Possui o grau de Bacharel em Ciência da Computação (2005) e Especialista em Sistemas Distribuídos (2007) pela Universidade Federal da Bahia, Mestre em Engenharia de Automação e Sistemas pela Universidade Federal de Santa Catarina (2009), Doutor em Engenharia Elétrica pela Universidade Federal da Bahia (2020). Atualmente é professor de Educação Básica, Técnica e Tecnológica (EBTT) do Instituto Federal de Educação, Ciência e Tecnologia Baiano - Campus Catu desde 2011, onde tem ministrado diversas disciplinas em diferentes modalidades de cursos (superior, subsequente, PROEJA e médio integrado), como também tem orientado e coorientado trabalhos de conclusão de curso e projetos de pesquisa/extensão/inovação. Também atuou como professor EBTT no Instituto Federal de Educação, Ciência e Tecnologia Catarinense - Campus Avançado de Ibirama (2011). Tem experiência na área de Ciência da Computação. As principais áreas de pesquisa de interesse atuais são Sistemas Inteligentes com ênfase em Algoritmos de Aprendizado de Máquina e Redes Neurais Profundas, Interação Humano Robô voltada para Tecnologias Assistivas, Pensamento Computacional com ênfase no ensino de Inteligência Artificial e Redes de Sensores Sem Fio com ênfase em protocolos de comunicação.

Rafael Coimbra Pinto

docente IFRS - Campus Canoas

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/

Carlos Henrique Domiciano

docente IFRJ - Campus Volta Redonda

Mestre em Engenharia Mecânica com área de concentração em Automação e Dinâmica de Sistemas pela Universidade de Taubaté, UNITAU (2024), com pesquisa voltada na aplicação da Inteligência Artificial e do Machine Learning. Atuo como Instrutor de Educação Profissional Técnica na Firjan/SENAI na área de Automação com foco no ensino, elaboração de conteúdos e métodos que facilitem o aprendizado. Participei na elaboração dos planos de estudo referência para o curso de Mecatrônica e integrei a equipe que elaborou os itens aplicados ao sistema de avaliação do ensino profissionalizante SAEP. Bacharel em engenharia Elétrica / Eletrônica pela Faculdade de Engenharia de Resende FER/AEDB (2007). Atuei na condução de equipes de manutenção do processo e limpeza de gás e produtos carboquímicos em áreas classificadas.

Alex Sandro Da Cunha Rêgo

docente IFPB - Campus João Pessoa

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.

Gilberto De Melo Júnior

docente IFB - Campus Samambaia

Professor at the Federal Institute of Education, Science and Technology of Brasília (IFB) at the Samambaia Campus since 2025, in the area of Computer Science and PhD student in the Electrical and Computer Engineering Program at the Federal University of Goiás (2024-). He has a bachelor's degree in Computer Networks Technology from the State University of Goiás (UEG, 2008-2010) and in Control and Automation Engineering from the Federal Institute of Goiás (IFG, 2011-2017), with a sandwich period at the Technische Hochschule Deggendorf - Germany (THD, 2015-2016). He also completed the Latu Sensu postgraduate degree in Higher Education Teaching from the Cândido Mendes University (2019) and a master's degree in Electrical and Computer Engineering with an emphasis in Computer Engineering from the Federal University of Goiás (UFG, 2020), where he is currently pursuing a doctorate in the same program. He was a substitute professor at the Federal Institute of Goiás (IFG, 2018 - 2020) and was a full professor at the Federal Institute of Pará (IFPA, 2020 - 2024). Interest in the areas of Machine Learning, Deep Learning, Biomedical Signals, Automation and Programming Languages (C, MATLAB, Python and R).

Suzana Viana Mota

docente IFNMG - Campus Almenara

Professora do Instituto Federal do Norte de Minas Gerais - Campus Almenara, mestra em Engenharia Elétrica pela Unicamp, graduada em Sistemas de Informação pela PUC - Campinas. Possui experiência na área de Computação, principalmente na área de Inteligência Artificial, nas subáreas de: Visão Computacional, Deep Learning e Machine Learning. É coordenadora da comunidade AIGirls, uma comunidade feminina nacional que promove a participação e inclusão de mulheres nas áreas de Inteligência Artificial e Ciência de Dados. Também coordena o projeto Tech Ladies - IFNMG que visa a permanência, êxito e inclusão de alunas nos cursos de Tecnologia do IFNMG. Mais informações www.suzanamota.com.br