Departamento de Ciências de Computação

Ricardo Marcondes Marcacini

Possui doutorado em Ciências de Computação pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (2014), mestrado em Ciências de Computação pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (2011) e graduação em Bacharelado em Informática pela Universidade de São Paulo (2009). Atualmente é docente no Instituto De Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP). Tem trabalhado como revisor para periódicos e conferências internacionais e nacionais na área de inteligência computacional. Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, atuando principalmente nos temas de mineração de dados e textos (data and text mining, predictive analytics, data science, big data), aprendizado de máquina e inteligência analítica.

  • http://lattes.cnpq.br/3272611282260295 (02032023)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise:
  • Endereço: Universidade de São Paulo. . Instituto de Ciências Matemáticas e de Computação. Avenida Trabalhador Sancarlense CEP 13566590 - São Carlos, SP - Brasil
  • Grande área: [sem-grandeArea]
  • Área: [sem-area]
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (11)
    1. 2010-2010. TIENA - Tecnologia Inovadoras em mineração de textos para a Espacialização de Notícias Agrícolas - piloto cana-de-açúcar
      Este projeto tem o objetivo de organizar notícias agrícolas sobre uma dada cultura, por meio de técnicas inovadoras em mineração de textos, em três categorias: tópicos ou assuntos, cobertura temporal e cobertura espacial. A cobertura temporal visa em primeiro plano um estudo da evolução daquele tópico ou assunto em relação aos demais, em intervalos de tempo, ou seja, como foi a tendência de dispersão desse tópico ao longo do tempo e futuramente como ela se relaciona aos modelos de previsão de safra. A cobertura espacial visa compreender qual é a cobertura geográfica daquela notícia, podendo ser de caráter geral (nacional) ou relativa a alguma micro ou macro-região geográfica, e, também futuramente poder-se-á analisar esse fator junto aos modelos de previsão de safra.
      Membro: Ricardo Marcondes Marcacini.
    2. 2007-2007. Gestão de pessoas e identificação de competências estratégicas em unidades descentralizadas da Embrapa - o caso Embrapa Pecuária Sudeste
      O projeto objetiva desenvolver e validar uma metodologia para o dimensionamento do quadro de pessoal e para a definição de competências estratégicas para Unidades Descentralizadas da Embrapa. A metodologia proposta será validada na Embrapa Pecuária Sudeste. Na primeira etapa da proposta são identificadas e priorizadas as tecnologias-chave para a unidade. Em seguida, as competências estratégicas para atender às demandas identificas são definidas. A terceira etapa contempla o mapeamento de competências existentes e sua projeção no médio/longo prazo e a evolução do quadro de pessoal da unidade.
      Membro: Ricardo Marcondes Marcacini.
      O projeto objetiva desenvolver e validar uma metodologia para o dimensionamento do quadro de pessoal e para a definição de competências estratégicas para Unidades Descentralizadas da Embrapa. A metodologia proposta será validada na Embrapa Pecuária Sudeste. Na primeira etapa da proposta são identificadas e priorizadas as tecnologias-chave para a unidade. Em seguida, as competências estratégicas para atender às demandas identificas são definidas. A terceira etapa contempla o mapeamento de competências existentes e sua projeção no médio/longo prazo e a evolução do quadro de pessoal da unidade. Por fim, na última etapa, serão levantadas as dificuldade e limitações da metodologia adotada.
      Membro: Solange Oliveira Rezende.
    3. 2014-2014. Web@cidadania: uma plataforma para desenvolvimento de aplicativos sociais a partir de dados governamentais abertos
      A popularização da internet tem sido crucial para promover novas formas de participação social e colaboração de cidadãos em prol de objetivos em comum. Quando esses objetivos envolvem, por exemplo, ações para participação de cidadãos na gestão pública com a fiscalização da origem e destino de recursos, manifestações sociais e campanhas de conscientização, então tais ações representam uma cultura de colaboração social denominada Webcidadania. A aprovação da Lei de Acesso à Informação, deu um grande passo para a promoção da cultura de Webcidadania no Brasil, pois garante a abertura e acesso dos dados governamentais para qualquer cidadão interessado, podendo receber e compartilhar, pela Internet, os dados requisitados. Nesse sentido, surgiu o paradigma de Dados Governamentais Abertos (DGA), que fortalece o movimento de Webcidadania e consolida o regime democrático por meio da participação cidadã na gestão pública. A proposta central deste projeto de extensão é promover, discutir e facilitar o desenvolvimento de aplicativos sociais a partir de DGAs como forma de fortalecer ações de Webcidadania no Brasil. Para tal, será disponibilizada uma plataforma online denominada 'Web@Cidadania' com um conjunto de ferramentas de análise de dados e uma interface intuitiva que permite a livre manipulação dos dados, possibilitando gerar visualizações conforme os interesses específicos de cada cidadão, bem como compartilhar tais visualizações nas redes sociais. A existência de plataformas para incentivo à Webcidadania não apenas fortalece políticas de transparência governamental e controle social sobre ações do governo, mas também atua como um mecanismo para que os governos possam melhorar sua gestão pública.
      Membro: Ricardo Marcondes Marcacini.
      A popularização da internet tem sido crucial para promover novas formas de participação social e colaboração de cidadãos em prol de objetivos em comum. Quando esses objetivos envolvem, por exemplo, ações para participação de cidadãos na gestão pública com a fiscalização da origem e destino de recursos, manifestações sociais e campanhas de conscientização, então tais ações representam uma cultura de colaboração social denominada Webcidadania. A aprovação da Lei de Acesso à Informação, deu um grande passo para a promoção da cultura de Webcidadania no Brasil, pois garante a abertura e acesso dos dados governamentais para qualquer cidadão interessado, podendo receber e compartilhar, pela Internet, os dados requisitados. Nesse sentido, surgiu o paradigma de Dados Governamentais Abertos (DGA), que fortalece o movimento de Webcidadania e consolida o regime democrático por meio da participação cidadã na gestão pública. A proposta central deste projeto de extensão é promover, discutir e facilitar o desenvolvimento de aplicativos sociais a partir de DGAs como forma de fortalecer ações de Webcidadania no Brasil. Para tal, será disponibilizada uma plataforma online denominada 'Web@Cidadania' com um conjunto de ferramentas de análise de dados e uma interface intuitiva que permite a livre manipulação dos dados, possibilitando gerar visualizações conforme os interesses específicos de cada cidadão, bem como compartilhar tais visualizações nas redes sociais. A existência de plataformas para incentivo à Webcidadania não apenas fortalece políticas de transparência governamental e controle social sobre ações do governo, mas também atua como um mecanismo para que os governos possam melhorar sua gestão pública..
      Membro: Solange Oliveira Rezende.
    4. 2016-2016. Aprendizado não Supervisionado de Websensors aplicado em Desafios de Big Data para Agronegócios
      Motivada pela diversidade de aplicações que podem ser derivadas por meio de algoritmos para extração de conhecimento da web, uma nova direção de pesquisa denominada Websensors tem como objetivo converter padrões extraídos de várias fontes da web em um conjunto de sinais, representado por meio de séries temporais, que permitem observar, estudar e monitorar o comportamento de um fenômeno de interesse. Devido ao grande volume de dados, variedade de fontes de informação e requisitos de velocidade para análise desses dados, os websensors são modelos computacionais com grande potencial para lidar com os desafios atuais relacionados à temática de Big Data; que recentemente tem recebido muita atenção na literatura e indústria pelos resultados promissores obtidos na resolução de tarefas complexas de tomadas de decisão. Nesse contexto, entre as atividades recentes desenvolvidas pelos membros do GEPIC (Grupo de Estudo e Pesquisa em Inteligência Computacional - UFMS), há um particular interesse em explorar websensors aplicado em desafios de Big Data para o domínio de agronegócios. Atividades prévias, como a coleta e organização de uma base de 14 anos de notícias (composta por milhões de registros) e resultados preliminares tem demonstrado que este é um caminho promissor. Dessa forma, a proposta geral deste projeto é utilizar conhecimento implícito em uma base histórica de milhões notícias sobre agronegócios no Brasil para aprender padrões, ao longo do tempo, que possam ser explorados para explicar o comportamento passado e predizer comportamento futuro no domínio de agronegócios, com apoio de algoritmos de aprendizado não supervisionado de máquina.
      Membro: Ricardo Marcondes Marcacini.
      Motivada pela diversidade de aplicações que podem ser derivadas por meio de algoritmos para extração de conhecimento da web, uma nova direção de pesquisa denominada Websensors tem como objetivo converter padrões extraídos de várias fontes da web em um conjunto de sinais, representado por meio de séries temporais, que permitem observar, estudar e monitorar o comportamento de um fenômeno de interesse. Devido ao grande volume de dados, variedade de fontes de informação e requisitos de velocidade para análise desses dados, os websensors são modelos computacionais com grande potencial para lidar com os desafios atuais relacionados à temática de Big Data; que recentemente tem recebido muita atenção na literatura e indústria pelos resultados promissores obtidos na resolução de tarefas complexas de tomadas de decisão. Nesse contexto, entre as atividades recentes desenvolvidas pelos membros do GEPIC (Grupo de Estudo e Pesquisa em Inteligência Computacional - UFMS), há um particular interesse em explorar websensors aplicado em desafios de Big Data para o domínio de agronegócios. Atividades prévias, como a coleta e organização de uma base de 14 anos de notícias (composta por milhões de registros) e resultados preliminares tem demonstrado que este é um caminho promissor. Dessa forma, a proposta geral deste projeto é utilizar conhecimento implícito em uma base histórica de milhões notícias sobre agronegócios no Brasil para aprender padrões, ao longo do tempo, que possam ser explorados para explicar o comportamento passado e predizer comportamento futuro no domínio de agronegócios, com apoio de algoritmos de aprendizado não supervisionado de máquina.
      Membro: Solange Oliveira Rezende.
    5. 2017-2017. Mineração de Dados para Predição de Evasão em Ambientes de Ensino a Distância
      Estratégias de combate à evasão no ensino superior têm recebido grande atenção nos últimos anos. As estratégias tradicionais são baseadas na revisão dos projetos pedagógicos dos cursos, além da implantação de políticas de assistência estudantil, como apoio financeiro e psicológico aos alunos. O uso destas estratégias tradicionais é mais desafiador quando o principal meio de interação com os alunos é pelo ambiente computacional EAD. No entanto, esses ambientes armazenam um rico conjunto de dados que refletem o comportamento dos alunos, desde o registro de acesso e tempo utilizado nos recursos didáticos, atividades de avaliação, até a interação do aluno em fóruns de discussão. Métodos para Mineração de Dados são promissores para extrair conhecimento útil desses dados e, assim, apoiar processos de tomada de decisão. Assim, o objetivo deste projeto é desenvolver uma plataforma de Mineração de Dados com foco na predição de evasão para o sistema UAB. Na etapa de extração de conhecimento da plataforma, serão desenvolvidos algoritmos de aprendizado de modelos preditivos, ou seja, que identificam padrões nos dados históricos dos perfis de alunos desistentes; sendo capaz de predizer se um novo perfil entrou no grupo de risco da evasão. Como resultado, a plataforma será distribuída livremente, permitindo integrar com qualquer ambiente EAD.
      Membro: Ricardo Marcondes Marcacini.
      Estratégias de combate à evasão no ensino superior têm recebido grande atenção nos últimos anos. As estratégias tradicionais são baseadas na revisão dos projetos pedagógicos dos cursos, além da implantação de políticas de assistência estudantil, como apoio financeiro e psicológico aos alunos. O uso destas estratégias tradicionais é mais desafiador quando o principal meio de interação com os alunos é pelo ambiente computacional EAD. No entanto, esses ambientes armazenam um rico conjunto de dados que refletem o comportamento dos alunos, desde o registro de acesso e tempo utilizado nos recursos didáticos, atividades de avaliação, até a interação do aluno em fóruns de discussão. Métodos para Mineração de Dados são promissores para extrair conhecimento útil desses dados e, assim, apoiar processos de tomada de decisão. Assim, o objetivo deste projeto é desenvolver uma plataforma de Mineração de Dados com foco na predição de evasão para o sistema UAB. Na etapa de extração de conhecimento da plataforma, serão desenvolvidos algoritmos de aprendizado de modelos preditivos, ou seja, que identificam padrões nos dados históricos dos perfis de alunos desistentes; sendo capaz de predizer se um novo perfil entrou no grupo de risco da evasão. Como resultado, a plataforma será distribuída livremente, permitindo integrar com qualquer ambiente EAD
      Membro: Solange Oliveira Rezende.
    6. 2018-2018. Sigad-Livre: Plataforma Pública para Promoção e Difusão de Tecnologias Livres de Gestão Arquivística de Documentos
      Projetos que buscam promover e difundir soluções tecnológicas para a comunidade representam uma das principais atividades de extensão universitária para a área de Ciência de Computação e Sistemas de Informação. No caso do Sigad-Livre, também é nítida a questão da indissociabilidade do Ensino ? Pesquisa ? Extensão; uma vez que a primeira fase do projeto é oriunda de atividades de ensino e pesquisa. A realização deste projeto de extensão também se justifica pela interdisciplinaridade que proporciona, em que os estudantes, técnico (s) e docentes envolvidos utilizarão conhecimentos provenientes das áreas de Arquivologia e Sistemas de Informação, especialmente, mas também de Administração Pública, Direito, entre outras. Além disso, o projeto contribui para a função social da universidade que, por meio do ensino, da pesquisa e da extensão visa oferecer à sociedade conhecimentos e ferramentas necessárias às soluções dos problemas contemporâneos.
      Membro: Ricardo Marcondes Marcacini.
    7. 2019-2019. Plataforma de Gerenciamento de Provas Virtuais
      Uma plataforma web completa para gerenciamento de provas virtuais com o diferencial de incorporar provas adaptativas, inteligência artificial para apoiar correção de questões discursivas e detecção de plágio, bem como integração com ferramentas de acessibilidade para deficiência auditiva e visual.
      Membro: Ricardo Marcondes Marcacini.
    8. 2013-2013. Agrupamento Hierárquico de Textos para Aprendizado não Supervisionado de Websensors
      A popularização de plataformas web para publicação de conteúdo textual tem motivado o desenvolvimento de métodos para extração automática de conhecimento implícito nos textos. Em particular, uma nova gama de estudos e aplicações tem sido proposta para explorar a web como um grande e poderoso 'sensor social'', permitindo monitorar vários tipos de eventos a partir de textos publicados em portais de notícias e redes sociais, como detecção de epidemias, análise de sentimentos, bem como a extração de indicadores políticos e econômicos. Por outro lado, a construção de um sensor da web (websensor) é uma tarefa complexa, pois depende de especialistas de domínio para definição dos parâmetros do sensor, ou seja, expressões para busca, filtro e monitoramento de conteúdo textual da web. A necessidade de especialistas de domínio geralmente limita essas aplicações, pois em muitos problemas não há compreensão clara dos fenômenos que se deseja monitorar. Neste projeto de pesquisa são investigados métodos não supervisionados de aprendizado de máquina, em particular, agrupamento hierárquico de textos para apoiar a construção automática de websensors. A ideia básica é utilizar uma amostra de documentos textuais do domínio do problema e, em conjunto com algoritmos de agrupamento hierárquico para extração de padrões dos textos, apoiar a tarefa de aprendizado não supervisionado de websensors. Dessa forma, espera-se reduzir a dependência de um especialista para definição dos parâmetros dos sensores. Cada websensor representa um determinado fenômeno que pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decisão.
      Membro: Ricardo Marcondes Marcacini.
    9. 2019-2019. Aprendizado de Websensors para Agronegócios
      Período: 01/03/2019 até 01/03/2021 Coordenador: Ricardo M. Marcacini Processo: 426663/2018-7 Financiador: CNPq
      Membro: Ricardo Marcondes Marcacini.
      O agronegócio é uma das principais atividades econômicas do Brasil, representando anualmente (desde 2006) uma média de 21% do PIB brasileiro, acumulando um crescimento de 4,4% em 2016, mesmo em período de recessão econômica. Por outro lado, a cadeia produtiva do agronegócio é considerada complexa devido aos muitos fatores envolvidos, como efeitos climáticos, controle de pragas e doenças, controle de insumos (e.g. fertilizantes, sementes, defensivos, vacinas e máquinas), serviços de crédito (e.g. câmbio e taxas de juros), as atividades de produção de agricultura e pecuária propriamente ditas; e as etapas pós-produção, como embalagem, armazenagem, industrialização, transporte e distribuição. Esta diversidade de fatores é responsável pelo conceito de riscos e incertezas da cadeia produtiva do agronegócio, com a principal consequência de que o preço de venda durante a etapa de comercialização foge ao controle do produtor. Assim, uma gestão moderna do agronegócio incorpora instrumentos para gerenciamento de riscos com o objetivo de amenizar tais incertezas e conferir uma estabilidade mínima ao produtor. Nesse contexto, o gerenciamento de riscos com uso de mercado de futuros, como a Bolsa de Mercadorias e Futuros da BOVESPA (BM&F-BOVESPA) tem se tornado cada vez mais popular, atingindo 1.860.877 contratos de derivativos relacionados ao agronegócio em 2016. Neste mercado, o produtor (avesso ao risco) transfere o risco de oscilação do preço para empresas e/ou indivíduos que operam no mercado de futuros e que esperam receber um prêmio para assumir tal risco. Definir boas estratégias de gerenciamento de riscos depende de um conjunto adequado de informações sobre problema para determinar intervalos de variação de preços no futuro. Neste projeto é proposto um produto denominado Websensors Analytics para inovar o gerenciamento de riscos em agronegócios. Websensors é um framework de aprendizado de máquina com o diferencial de coletar e combinar grandes bases de informações disponíveis em diversas fontes sobre agronegócios, como notícias e boletins especializados, e utilizar tais bases de dados em conjunto com indicadores oficiais (como cotações de preços) para melhorar tarefas de análise preditiva de preços. Esta proposta de inovação tecnológica é baseada em 4 anos de pesquisa na área, com resultados promissores para apoiar o desenvolvimento deste produto. Além da ausência de produtos nacionais similares nesta área específica, o agronegócios está em acentuada expensão e exigirá cada vez mais de soluções inovadoras para aumentar a eficiência deste setor..
      Membro: Solange Oliveira Rezende.
    10. 2020-2020. Representações semanticamente enriquecidas para mineração de textos em português: Modelos e Aplicações
      Com a crescente geração e disponibilização de textos, seja internamente nas organizações ou na Web, técnicas de Mineração de Textos têm se tornado essenciais no apoio à análise e extração de conhecimento desses dados. Independentemente da aplicação ou técnica utilizada, o tratamento semântico dos textos é um grande desafio do processo de mineração. Esse desafio é ainda maior quando se considera textos escritos no idioma português, visto as particularidades do idioma e o limitado volume de recursos e pesquisas desenvolvidas. Nesse contexto, este projeto visa avançar as pesquisas da área de Mineração de Textos, com foco no idioma português, e disseminar o conhecimento da área por meio da aplicação em diferentes problemas do mundo real. Assim, serão investigados e propostos modelos de representação de textos semanticamente enriquecidos, abordando tanto representações no modelo espaço-vetorial quanto representações em rede, bem como sua aplicação no aprendizado baseado em uma única classe. Para viabilizar a pesquisa, coleções de textos escritos em português serão coletadas, preparadas e caracterizadas, disponibilizando à comunidade informações consolidadas sobre coleções rotuladas e disponibilizadas para pesquisa. Por fim, as representações semanticamente enriquecidas serão avaliadas e aplicadas em diferentes problemas práticos de Mineração de Textos, como análise de sentimentos, sistemas de recomendação, detecção de notícias falsas, descoberta baseada em literatura e mineração de eventos
      Membro: Ricardo Marcondes Marcacini.
      Com a crescente geração e disponibilização de textos, seja internamente nas organizações ou na Web, técnicas de Mineração de Textos têm se tornado essenciais no apoio à análise e extração de conhecimento desses dados. Independentemente da aplicação ou técnica utilizada, o tratamento semântico dos textos é um grande desafio do processo de mineração. Esse desafio é ainda maior quando se considera textos escritos no idioma português, visto as particularidades do idioma e o limitado volume de recursos e pesquisas desenvolvidas. Nesse contexto, este projeto visa avançar as pesquisas da área de Mineração de Textos, com foco no idioma português, e disseminar o conhecimento da área por meio da aplicação em diferentes problemas do mundo real. Assim, serão investigados e propostos modelos de representação de textos semanticamente enriquecidos, abordando tanto representações no modelo espaço-vetorial quanto representações em rede, bem como sua aplicação no aprendizado baseado em uma única classe. Para viabilizar a pesquisa, coleções de textos escritos em português serão coletadas, preparadas e caracterizadas, disponibilizando à comunidade informações consolidadas sobre coleções rotuladas e disponibilizadas para pesquisa. Por fim, as representações semanticamente enriquecidas serão avaliadas e aplicadas em diferentes problemas práticos de Mineração de Textos, como análise de sentimentos, sistemas de recomendação, detecção de notícias falsas, descoberta baseada em literatura e mineração de eventos.
      Membro: Solange Oliveira Rezende.
    11. 2020-2020. Aprendizado de Representações para Mineração de Eventos
      Um dos principais desafios da Minerac ̧ao de Eventos é obter uma representação estruturada da base de eventos; um processo complexo devido as múltiplas componentes e diferentes tipos de dados. O Aprendizado de Representações é inspirado em metodos de aprendizado profundo que se mostraram promissores na analise de imagem, texto, vídeo e audio. Neste projeto de pesquisa, o objetivo e investigar Aprendizado de Representações para eventos, como parte do processo de Mineração de Eventos. Algumas iniciativas existentes na literatura foram propostas sem considerar restrições espaço-temporais dos eventos. As várias componentes dos eventos apresentam informações valiosas que são úteis para guiar o aprendizado da nova representação do espaço dimensional, sendo importante estender tais iniciativas para incorporar requisitos específicos do problema de Mineração de Eventos.
      Membro: Ricardo Marcondes Marcacini.

Prêmios e títulos

  • Total de prêmios e títulos (1)
    1. Menção Honrosa - Melhores Artigos do Webmedia 2022 - Video Summarization using Text Subjectivity Classification. Webmedia 2022. 2022.
      Membro: Ricardo Marcondes Marcacini.

Participação em eventos

  • Total de participação em eventos (8)
    1. On combining Websensors and DTW distance for kNN Time Series Forecasting. 2016 23rd International Conference on Pattern Recognition (ICPR)
    2. . Brazilian Conference on Intelligent Systems (BRACIS'14)
    3. Agrupamento Hierárquico e Multivisão de Eventos por meio de Grafos de Consistência. Symposium on Knowledge Discovery, Mining and Learning (KDMiLe)
    4. Agribusiness Time Series Forecasting using Perceptually Important Events. XLIV Latin American Computing Conference
    5. Identificação de Competências por meio de Agrupamentos Hierárquicos. C3N - Congresso Trinacional de Ciências
    6. Improving Consensus Clustering of Texts using Interactive Feature Selection. 22nd International World Wide Web Conference
    7. Torch: a tool for building topic hierarchies from growing text collections. Workshop de Ferramentas e Aplicações (WFA)
    8. Uma Abordagem para Seleção de Grupos Significativos em Agrupamento Hierárquico de Documentos. VII Encontro Nacional de Inteligência Artificial (ENIA)

Organização de eventos

  • Total de organização de eventos (12)
    1. . Chair no Encontro Nacional de Inteligência Artificial e Computacional (ENIAC). Brazilian Conference on Intelligent Systems. 2014. Organizacao
    2. . Organização Técnica (Website) do II International Workshop on Web and Text Intelligence (WTI 2009). ICMC/USP. 2009. Organizacao
    3. . 1ª Escola Regional de Aprendizado de Máquina e Inteligência Artificial de São Paulo ? ERAMIA-SP. SBC (CEIA). 2020. Organizacao
    4. . Concurso de Teses e Dissertações em Inteligência Artificial e Computacional. SBC (CEIA). 2020. Organizacao
    5. . Workshop Semantics (ICMC/USP). ICMC/USP LABIC. 2020. Organizacao
    6. . Concurso de Teses e Dissertações em Inteligência Artificial e Computacional. FURG / Brazilian Conference on Intelligent Systems (BRACIS). 2020. Organizacao
    7. . 1ª ESCOLA REGIONAL DE APRENDIZADO DE MÁQUINA E INTELIGÊNCIA ARTIFICIAL DE SÃO PAULO. CEIA / SBC. 2020. Organizacao
    8. . SE&R 2022: Automatic Speech Recognition for spontaneous and prepared speech & Speech Emotion Recognition in Portuguese. International Conference on the Computational Processing of Portuguese. 2022. Organizacao
    9. . Encontro Nacional de Inteligência Artificial e Computacional (ENIAC). SBC. 2022. Organizacao
    10. . Area Chair no 17th Ibero-American Conference on Artificial Intelligence.. IBERAMIA. 2022. Nao_informado
    11. . Workshop Semantics 2022 (LABIC/ICMC/USP). LABIC/ICMC/USP. 2022. Nao_informado
    12. . Workshop Semantics 2021 (LABIC/ICMC/USP). LABIC/ICMC/USP. 2021. Nao_informado

Lista de colaborações



(*) Relatório criado com produções desde 1970 até 2023
Data de processamento: 10/05/2023 08:54:02