Cibele Maria Russo Novelli.

Este projeto de mestrado propõe o estudo e desenvolvimento métodos inferenciais e preditivos para análise e modelagem de dados de crimes no estado de São Paulo, com ênfase na impunidade. Inserido no projeto temático Criminalidade, insegurança e legitimidade: uma abordagem transdisciplinar"\ (Processo: 22/09091-8), o estudo visa desenvolver metodologias analíticas inovadoras para investigar fenômenos complexos associados à impunidade, criminalidade, sensação de insegurança e legitimidade das instituições de justiça.

O objetivo deste projeto é estudar propriedades do método SHAP e compará-lo ao Lasso para seleção de variáveis, utilizando métricas como precisão, recall e acurácia em bancos de dados simulados e reais. Será realizada uma análise abrangente das metodologias do SHAP e do Lasso, seguida de experimentos utilizando métricas de classificação, como precisão, recall, pontuação F1 e acurácia. Os testes serão conduzidos em cenários com bancos de dados simulados e reais.

O objetivo deste projeto é estudar propriedades do método SHAP e compará-lo ao Lasso para seleção de variáveis, utilizando métricas como precisão, recall e acurácia em bancos de dados simulados e reais. Será realizada uma análise abrangente das metodologias do SHAP e do Lasso, seguida de experimentos utilizando métricas de classificação, como precisão, recall, pontuação F1 e acurácia. Os testes serão conduzidos em cenários com bancos de dados simulados e reais.

Assim, neste projeto é proposta a adaptação da rede neural de aprendizado profundo como a Long-Short TermMemory (LSTM) para que durante o seu treinamento tenha uma etapa que permita a escolha do subconjunto de atributos ideal para que não haja perdasignificativa no desempenho em comparação ao conjunto completo de atributos disponíveis para otreinamento. Assim, o algoritmo terá uma seleção embutida de atributos durante o seu treinamento.O presente projeto se justifica pela necessidade de se obter métodos para seleção de subconjunto deatributos, de forma que esse subconjunto seja representativo do conjunto de atributos original, eliminandoredundâncias e ruídos, e que seja executado com um tempo computacional satisfatório.

Descrição: Tendo como base técnicas de Ciência de Dados e Inteligência Artificial, este projeto visa desenvolver metodologias analíticas inovadoras para investigar fenômenos complexos associados à criminalidade, à persistência de sentimentos de insegurança na população e seus efeitos na legitimidade democrática. O estudo da relação entre criminalidade, sensação de insegurança e legitimidade das instituições de justiça também é foco principal do projeto. Outro importante objetivo é formar e capacitar recursos humanos para que estejam aptos a empregar técnicas de Ciência de Dados e Inteligência Artificial no campo das Ciências Humanas e Sociais (CHS), trazendo novas perspectivas de abordagem e formação diferenciada para os profissionais e pesquisadores..

Esta pesquisa visa avaliar a percepção dos(as) membros(as) da comunidade USP sobre a inclusão e pertencimento. Para isso, será aplicado um questionário padronizado com questões sobre o clima institucional universitário, a diversidade, comportamentos e interações, assim como investigar seus efeitos na formação acadêmica e profissional, na satisfação e bem-estar dos integrantes da comunidade. Denominamos esse questionário de ?Questionário PRIP: Inclusão e pertencimento na USP?, um survey online, que será aplicado aos(às) alunos(as) de graduação e pós-graduação, servidores(as) técnico-administrativos(as), docentes e pesquisadores(as) em pós-doutorado, dos campi da USP na capital, no interior e no litoral. Nesse questionário, os participantes responderão a questões relacionadas à sua posição institucional, sua experiência acadêmica e profissional, experiências pessoais, informações socioeconômicas e demográficas e finalmente percepções, inserção e pertencimento no ambiente institucional. O convite à participação será enviado a todos(as) os(as) membros(as) da USP com vínculo acadêmico ou profissional, pelos seus e-mails institucionais. A partir deste levantamento, considerando um plano amostral previamente definido, serão produzidas análises e relatórios que identifiquem as possíveis associações entre o clima institucional e o aproveitamento das potencialidades da comunidade. Este estudo, assim como as análises e debates sobre os resultados, são propostos pela Pró-Reitoria de Inclusão e Pertencimento - PRIP USP.

Neste projeto desenvolvemos modelos de Teoria de Resposta ao Item, motivados pelo cálculo das notas do Exame Nacional do Ensino Médio (Enem) desenvolvido pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep). São comparados diversos modelos com um, dois e três parâmetros e é considerada a análise de diagnóstico para os modelos desenvolvidos. Além disso, são propostas análises de impacto da pandemia de COVID-19 à avaliação do Enem.

Este projeto propõe o desenvolvimento, análise e modelagem de dados de COVID-19 utilizando modelos de classificação, florestas aleatórias e modelos para séries temporais, utilizando ferramentas como Python, django, R Shiny, além do gerenciamento de versões com Git e Github.

A importância de modelos com efeitos mistos é inquestionável em problemas com dados correlacionados, como dados longitudinais ou medidas repetidas. No contexto de modelos lineares com efeitos mistos, uma extensa teoria está desenvolvida e vários resultados estão apresentados na literatura. Modelos lineares com efeitos mistos têm sito estudados extensivamente com uma literatura rica resultante. Também, modelos lineares generalizados mistos têm sido investigados com bastante intensidade. Entretanto, modelos mistos não lineares, essenciais em áreas como farmacocinética, curvas de crescimento ou dados industriais, têm sido menos explorados. Esses modelos são notoriamente mais complexos para serem aplicados na prática. Neste projeto, estamos interessados no desenvolvimento de modelos não lineares com efeitos mistos em que os componentes aleatórios têm distribuição não-normal.

Descrição: The main challenge of this project is that of promoting the interaction of its members with industry and the interaction amongst the groups that are part of it. There are basically four different research groups involved in this project: Optimization and Operations Research, Computational Fluids Dynamics, Risk Assessment and Computational Intelligence and Software Engineering. The strategy of the CEPID-CeMEAI is to primarily put together the most prominent groups working in applications of the mathematical sciences in the State of São Paulo and direct their work towards effective applications arising from industry. The inclusion of different groups, besides promoting interdisciplinary interaction between researchers, will allow servicing to a greater number of problems. The selected groups have demonstrated scientific excellence in the first place, and in many cases, have relevant applications..
Situação: Em andamento; Natureza: Pesquisa.

O desenvolvimento de modelos elípticos lineares e não lineares com efeitos mistos é essencial quando se trata de dados correlacionados. Em particular, alguns problemas das áreas de farmacocinética, curvas de crescimento, dados econômicos ou industriais apresentam características não lineares e podem requerer modelos mais sofisticados para um ajuste adequado. Neste projeto, propomos o desenvolvimento e a análise de modelos elípticos mistos, lineares e não lineares, como forma de obter estimativas com propriedades interessantes, como a robustez contra observações aberrantes e pouca sensibilidade a perturbações de várias naturezas. Essa linha de pesquisa inclui a modelagem de estruturas de média-covariância, bastante utilizada quando existem padrões de heteroscedasticidade nos dados, além do desenvolvimento de ferramentas para a validação e diagnóstico dos modelos propostos. Além disso, é bastante apropriado discutir a forma de inclusão e interpretação dos efeitos aleatórios nos modelos não lineares e a discussão de testes de hipóteses para avaliar componentes de variância, além da avaliação das propriedades dos estimadores e da comparação de métodos de estimação. Diversas aplicações com conjuntos de dados reais serão consideradas.

Projeto para utilização de recursos do Laboratório de Computação Científica Avançada LCCA da Universidade de São Paulo.

O objetivo deste projeto é dar suporte a pesquisas recentes envolvendo pesquisadores argentinos, brasileiros e chilenos. As principais linhas de pesquisa abordadas neste projeto são modelos mistos, modelos para a análise de dados de sobrevivência e teoria assintótica de alta ordem. com enfoque particular em modelos com erros elípticos, modelos Birnbaum-Saunders, modelos lineares generalizados e métodos de diagnóstico.

Neste projeto exploramos o desenvolvimento e análise de modelos de regressão com erros nas variáveis.

O objetivo deste projeto é dar suporte às pesquisas recentes que têm sido desenvolvidas por pesquisadores brasileiros e chilenos nas áreas de modelagem estatística de regressão e estender essa colaboração para pesquisadores argentinos. As principais linhas de pesquisa do projeto são: desenvolvimento de metodologias de diagnóstico em modelos de contornos elípticos semiparamétricos, modelos de contornos elípticos não lineares, modelos de regressão Birnbaum-Saunders, modelos de mistura de escala normal, modelos mistos com efeito aleatório não gaussiano e teoria assintótica de alta ordem.

O objetivo principal deste projeto é o estudo da associação entre conjuntos de variáveis. Utilizaremos metodologia estatística baseada em modelos de regressão, aqui encarados num sentido amplo. Trataremos tópicos conhecidos na literatura como Análise de Dados Categorizados, Análise de Sobrevivência, Análise de Regressão, Análise de Dados Longitudinais, etc. Contudo, o foco do projeto estará dirigido para o emprego de modelos mistos, dada sua flexibilidade para contemplar algumas características dos fenômenos investigados que não podem ser incorporadas por meio de modelos clássicos. Nessa classe de características, destacamos heteroscedasticidade, correlação entre observações e efeitos individuais. Em particular, pretendemos avaliar diferentes formulações desses modelos, ajustá-los a conjuntos de dados por diversos métodos de estimação, estudar formas alternativas para testar hipóteses sobre sua compatibilidade com os dados, avaliar as propriedades estatísticas dos estimadores e testes propostos, implementar a metodologia computacionalmente e aplicar os resultados a problemas práticos de diversas áreas de pesquisa