Luis Gustavo Nonato.

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.

Recent regulatory laws provide the right of a meaningful explanation of the logic underlying automated decision-making processes. This fact has to leverage the design of mechanisms capable of explaining and interpreting black box machine learning systems involved in any automated decision-making processes. This project proposes the development of novel model agnostic visualization assisted explainable machine learning tools able to operate in multiresolution while being applicable to not only predictive models but also to other machine learning tasks such as clustering. We will validate our methods mostly to cluster dynamic graphs.

O objetivo principal do projeto é o desenvolvimento de ferramentas analíticas inovadoras com base em técnicas de Ciência de Dados e Inteligência Artificial, a quais deverão auxiliar os órgãos de segurança municipais em seus processos de tomada de decisão. Tais ferramentas buscam viabilizar estudos de fenômenos criminais complexos, como a identificação de padrões de crimes e suas dinâmicas, apontando as variáveis que propiciam o surgimento e a permanência de tais padrões ao longo do tempo. As ferramentas propostas neste projeto devem fornecer aos órgãos encarregados da segurança puública uma capacidade analítica muito além da que está disponível atualmente.

In many areas of the Sciences and Engineering, images provide important information about real problems and the assignment by a machine of one or multiple labels per image (annotation) leads to a decision about the problem. However, the machine learning process requires the manual isolation and identification (label assignment) of the content of interest, named sample, in training images. As unlabeled images and samples per image grow large in number, their manual annotation becomes infeasible, leading us to the following research questions: What is the most intuitive way specialists can teach machines to annotate images? What are the tasks and challenges involved in this process? How to minimize human effort with maximum efficacy in machine learning? What can machines and specialists learn from their interaction? This thematic project aims at finding answers to these questions by the study and development of methods for image annotation in large scale, and the construction of decision-making systems (with no user participation) and decision-support systems, where machines and specialists cooperate with and learn from each other continuously. The methodology exploits the complementary skills of humans, better in knowledge abstraction, and machines, superior in large scale data processing, in a repetitive way and free of fatigue. The project divides the problem into two steps: sample extraction and interactive machine learning, in view of building a sequence of operations for automated annotation of new images or annotation with minimum user intervention. The study searches to combine image features learned from the data with features that derive from the knowledge of the specialists about the application. The project still aims at technological and scientific innovations for the diagnosis of gastrintestinal parasites in humans and vertebrate animals, by the automated acquisition and annotation of optical microscopy images, and to demonstrate the extension of the methods to other application domains, the project includes studies of medical image annotation using multi-object shape models and interactive annotation of remote sensing images.

In this project we propose the development of simple and efficient algorithms based on discretizations of low order differential forms to process surfaces represented by polygon meshes. The mathematical foundations required to analyze and optimize these algorithms will also be investigated. Our philosophy is to use as simple as possible mathematical methods, relying on advanced methods only if they are strictly necessary. Many different fields can benefit from the developments we are proposing here, including computer vision, visualization, and data analysis.

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.

Este projeto visa desenvolver novas técnicas e paradigmas que contribuam para o avanço da área de visualização de dados científicos e abstratos, com ênfase no tratamento e manipulação de dados de alta dimensão, multimodais e variantes no tempo. Os novos paradigmas a serem desenvolvidos deverão fornecer metáforas visuais criadas a partir de técnicas de projeção multidimensional e árvores filogenéticas, buscando facilitar a compreensão, exploração e mineração visual de, entre outros, dados textuais, coleções de imagens ou músicas e dados de sensoriamento em nanoescala. Além de primitivas geométricas como unidade de representação visual, propomos usar estruturas de árvores e combinações de
entidades geométricas com entidades abstratas a fim de criar um arcabouço unificado de manipulação e representação visual de dados de alta dimensão. Este projeto também inova na proposta de trazer métodos de visualização e exploração visual
para o contexto de dispositivos portáteis. Os desenvolvimentos aqui propostos permitirão manter os grupos de pesquisa envolvidos na vanguarda da pesquisa na área, em nível mundial, fomentando a criação de propriedade intelectual nacional e a transferência tecnológica.

Métodos espectrais e topológicos têm ganhado grande destaque nas áreas de processamento geométrico e visualização. A natureza hierárquica das estruturas oriundas de persistência topológica e dos auto-espaços associados ao operador de Laplace tornam métodos espectrais e topológicos ferramentas poderosas para representação e processamento de grandes conjuntos de dados. Neste projeto, pretendemos explorar tais métodos em problemas ligados a visualização de dados massivos e também na geração e discretização de modelos tridimensionais para fins de simulação numérica. Mais especificamente, propomos o desenvolvimento de novas metodologias
que combinem métodos espectrais e topológicos visando principalmente propor soluções mais eficazes e robustas que as existentes atualmente.

O avanço da computação científica tem promovido um desenvolvimento sem precedentes na história da sociedade humana. A popularização do computador pessoal, o advento da Internet, o desenvolvimento da comunicação sem fio, da computação distribuída de alto desempenho, de banco de dados distribuídos e a sua mineração gerando novos conhecimentos, das técnicas de monitoração, da visualização científica, da realidade virtual e da modelagem e simulação computacional de sistemas complexos, permeiam atualmente todas as atividades humanas gerando grandes e profundas modificações

Projeto Temático: Este projeto visa o desenvolvimento de um conjunto de bibliotecas voltada para simulação de escoamentos ao redor de aeronaves e problemas de interação fluido estrutura.

Projeto de Colaboração Internacional Brasil - Alemanha.

Este projeto de pesquisa visa incorporar técnicas de processamento de imagens aos algoritmos de reconstrução a partir de seções planares e também explorar o uso do ferramental de tomografia computadorizada em reconstrução a partir de imagens de projeções.

Este projeto de pesquisa visa desenvolver estruturas de dados topológicas que possam ser utilizadas por pessoal não especializado. Para isso, uma nova concepção de operadores topológicos e mecanismos de encapsulamento de informações são empregados. Além disso, a partir de dados amostrados, pretende-se empregar o controle topológico oferecido por tais estruturas na elaboração de técnicas para construção de modelos apropriados para simulação numérica.

Este projeto tem por objetivo desenvolver um software para simulação de escoamentos em aeronaves. O módulo do projeto referente a movimento de malhas e interpolação está sendo pelo nosso grupo.

Após o surgimento de novas tecnologias como ressonância magnética, ultra-sonografia e
endoscopia, tornou-se importante a criação de técnicas de reconstrução tridimensional a partir de seções planares. Este projeto de pesquisa visa desenvolver um ambiente de modelagem e visualização onde modelos tridimensionais
de objetos serão gerados a partir de imagens médicas. O processo de geração
dos modelos é baseado em geometria computacional. Ferramentas capazes de realizar simulações como: cirurgias virtuais, exploração de estruturas internas e dimensionamento de objetos estão incorporadas ao sistema desenvolvido.