Solange Oliveira Rezende.

A 5 edição do MBA em Inteligência Artificial e Big Data, coordenada pela Profa. Dra. Solange Oliveira Rezende, consolida-se como uma das formações mais completas e atualizadas do país na área. Oferecido pelo Instituto de Ciências Matemáticas e de Computação da USP (ICMC/USP), o curso tem duração de 15 meses, e foco em aplicações práticas e estratégicas de IA e Big Data em diferentes setores.Voltado a profissionais de tecnologia, gestores e pesquisadores, o MBA combina excelência acadêmica com conexão direta ao mercado, reunindo professores renomados, projetos aplicados e acompanhamento próximo da evolução dos alunos. A proposta é formar líderes capazes de aplicar soluções inteligentes baseadas em dados, com responsabilidade e visão crítica. A 5a. edição iniciou com 380 alunos matriculados.

A 4 edição do MBA em Inteligência Artificial e Big Data, coordenada pela Profa. Dra. Solange Oliveira Rezende, consolida-se como uma das formações mais completas e atualizadas do país na área. Oferecido pelo Instituto de Ciências Matemáticas e de Computação da USP (ICMC/USP), o curso tem duração de 15 meses, e foco em aplicações práticas e estratégicas de IA e Big Data em diferentes setores.Voltado a profissionais de tecnologia, gestores e pesquisadores, o MBA combina excelência acadêmica com conexão direta ao mercado, reunindo professores renomados, projetos aplicados e acompanhamento próximo da evolução dos alunos. A proposta é formar líderes capazes de aplicar soluções inteligentes baseadas em dados, com responsabilidade e visão crítica. A 4a. edição iniciou com 270 alunos matriculados.

O MBA em Inteligência Artificial e Big Data é um curso de especialização de 400horas, na modalidade EAD, promovido pelo Departamento de Ciências de Computação do Instituto de Ciências Matemáticas e de Computação da USP, São Carlos. A 3a. edição iniciou em 01/07/2023.O mercado apresenta uma demanda cada vez maior por profissionais com conhecimento em Inteligência Artificial e Big Data. O crescimento das contratações de especialistas nessas áreas foi de 74 ao ano nos últimos 4 anos. E no Brasil o mercado está ainda mais carente desses profissionais com boas habilidades para lidar com dados.Para atender esta crescente demanda por essa formação foi criado em 2021 o MBA em IA e Big Data no ICMC/USP. Nossos principais diferenciais são o conteúdo em abrangência e profundidade nessas duas temáticas, a qualificação dos professores e orientadores e o atendimento diferenciado aos alunos para ajuda-los buscar os resultados desejados em termos de aprendizado.O nosso convite é que você profissional venha criar um futuro com Inteligência Artificial mergulhando em grandes bases de dados, construindo assim o seu diferencial para atuação no mercado de trabalho nessas áreas.

O apoio aos Empreendimentos em Economia Solidária (EES) deve considerar aspectos globais da vida dos trabalhadores em Economia Solidária (ES). A partir de ações de educação matemática e também em relação à utilização de recursos tecnológicos entende-se que os agentes associados aos EES, uma vez adquirindo conhecimentos matemáticos e tecnológicos necessários para seus cotidianos de trabalho, terão uma maior compreensão dos processos produtivos nos quais estão inseridos. O processo de apropriação de competências ligadas à autogestão será então fortalecido por tais ações. Nosso maior desafio é exatamente fazê-los motivarem-se quanto à aprendizagem e aplicação da matemática e utilização de tecnologias apropriadas em suas realidades de trabalho, pois muitas vezes as pessoas envolvidas apresentam baixo nível de escolaridade e/ou tiveram em sua vida relações aversivas com o ensino e aprendizagem da matemática, requerendo uma abordagem diferenciada, menos vertical (um professor que ensina a seus alunos) e mais direcionada às necessidades das pessoas dos EES. Para alcançar os objetivos, são propostas inicialmente intervenções informais junto aos associados, sempre pautadas em seu cotidiano de trabalho e a partir de observação participante, de modo que estas se tornem interessantes e prazerosas para eles e, caso haja necessidade, podem ocorrer formações no formato de oficinas pedagógicas com as pessoas dos EES. A partir dos resultados obtidos nas atividades das intervenções que serão realizadas, buscaremos discutir sobre novas formas de ensino-aprendizagem da matemática e de utilização de recursos tecnológicos.

Coordenação de projeto submetido ao MEC para o Edital PROEXT 2015 sobre linha temática: AÇÕES PEDAGÓGICAS DE ECONOMIA SOLIDÁRIA DA CIDADE DE SÃO CARLOS-SP , projeto Pré-aprovado em 25 de abril de 2014 pela Pró-Reitoria de Cultura e Extensão da USP. Projeto classificado, bem avaliado, aprovado e contemplado com recurso (resultado divulgado em abril de 2015). 
Situação: Em andamento; Natureza: Extensão.

Descrição: A motivação para este projeto surgiu a partir da constatação do baixo nível de conhecimento dos vestibulandos em relação aos cursos de graduação oferecidos pelo ICMC da USP, em São Carlos, bem como da observação da dificuldade que esses estudantes encontram para compreender as informações veiculadas nos materiais de comunicação e nos portais do ICMC e da Fuvest. Ao longo dos últimos anos, essa dificuldade tornou-se evidente com a participação do Instituto nas feiras de profissões, nas visitas monitoradas e nas exposições. De maneira empírica, o contato com estudantes nesses eventos deixou claro que as ações de divulgação da USP e de suas unidades, bem como da Fuvest, não ocorrem de forma integrada e não utilizam conteúdos e linguagem adequados a esses públicos. Objetivo principal: estabelecer um canal de comunicação efetivo com os vestibulandos interessados nas áreas de atuação do ICMC, disponibilizando conteúdos relevantes e de qualidade para esse público, por meio da criação de um portal web inovador em termos de linguagem, design e tecnologia empregados. Objetivos secundários: ?Contribuir para a difusão de informações sobre os cursos do ICMC e sobre São Carlos; ?Contribuir para a formação dos discentes do ICMC que participarão do projeto e poderão aplicar conceitos teóricos em um projeto prático; ?Fortalecimento da imagem institucional do ICMC; ?Produção de um projeto-piloto com possibilidade de replicação para outras unidades da USP.

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..

O "Embaixadores ICMC" inspira-se no projeto da PRG, "Embaixadores da USP", que envolve alunos e docentes para divulgar a USP em escolas públicas, assim como nas "Feiras de Profissões" dos campi do Interior e de São Paulo. Estes têm tido um papel importante para divulgar o ICMC e seus cursos, porém, não sabemos da efetividade dessas ações nas cidades próximas a S. Carlos, tampouco junto aos estudantes do Ensino Médio Público, que são potenciais candidatos aos cursos de nossa instituição (Matemática, Estatística e Computação). 
Na década de 1990, o Depto. Matemática envidou esforços para divulgar seu curso na região e isto se refletiu, à época, em uma melhoria na taxa de candidatos/vagas da FUVEST. Com a diminuição da procura pelos nossos cursos nos anos recentes e o aumento das opções de formação superior, acreditamos que uma ação similar possa ser retomada. Assim, os "Embaixadores ICMC" têm por objetivos divulgar nossos cursos em escolas públicas da região, e também a USP, porém agora com apoio de recursos da PRCEU e dos departamentos do ICMC. Também é de interesse divulgar, nessas escolas, o Museu de Computação e as demais atividades acadêmicas e de extensão promovidas neste instituto.

Aprofundar a cooperação acadêmica entre instituições de ensino superior e centros de pesquisa brasileiros e alemães; contribuir para a mobilidade de professores, pesquisadores e estudantes de pós-graduação entre as universidades alemãs e as instituições de ensino superior brasileiras; apoiar projetos conjuntos de pesquisa incentivar a criação de redes de pesquisa.

A Plataforma Integrada Carlos Chagas (PICC) se constitui em uma pedra angular do sistema defomento do CNPq, portanto seus fluxos automatizados e registros processuais contribuem para aceleridade e a otimização das entregas realizadas pelo órgão. Neste bojo, a demanda progressivapor avaliações técnicas qualificadas demanda um processo ainda mais ágil e preciso de indicaçãode pareceristas ad hoc. Observa-se que, atualmente, a escolha desses especialistas pode serimpactada por limitações operacionais, critérios personalizados ou mesmo subjetivos, impactandoassim a esperada eficiência na distribuição destas solicitações para a Comunidade em C,Tamp;I.A incorporação de tecnologias baseadas em Inteligência Artificial (IA) destinadas à modernizaçãodo processo de indicação de pareceristas ad hoc otimizará tal etapa ao identificar e sugerirpareceristas com base em métricas mormente objetivas, fundamentadas em linhas mestras, taiscomo, experiência acadêmica, área de atuação e histórico de acerto de avaliações anteriores.Deste modo, o projeto contribuirá para a redução de possíveis vieses em curso, assim comoefetivará a garantia de que cada proposta seja avaliada pelos especialistas mais adequadosconsiderando ainda a ótima utilização do rol de pareceristas disponíveis. O aprofundamento daautomação resultará também em economia de tempo dos Analistas em Ciência e Tecnologia doConselho, assim contribuindo para o fluxo produtivo e aperfeiçoado do trabalho no do CNPq.

O MBA em Inteligência Artificial e Big Data é um curso de especialização de 400horas, na modalidade EAD, promovido pelo Departamento de Ciências de Computação do Instituto de Ciências Matemáticas e de Computação da USP, São Carlos. A 4a. edição iniciou em 01/07/2024.O mercado apresenta uma demanda cada vez maior por profissionais com conhecimento em Inteligência Artificial e Big Data. O crescimento das contratações de especialistas nessas áreas foi de 74 ao ano nos últimos 4 anos. E no Brasil o mercado está ainda mais carente desses profissionais com boas habilidades para lidar com dados.Para atender esta crescente demanda por essa formação foi criado em 2021 o MBA em IA e Big Data no ICMC/USP. Nossos principais diferenciais são o conteúdo em abrangência e profundidade nessas duas temáticas, a qualificação dos professores e orientadores e o atendimento diferenciado aos alunos para ajuda-los buscar os resultados desejados em termos de aprendizado.O nosso convite é que você profissional venha criar um futuro com Inteligência Artificial mergulhando em grandes bases de dados, construindo assim o seu diferencial para atuação no mercado de trabalho nessas áreas.

xxxx

O projeto proposto no âmbito do Programa de Pesquisa em Políticas Públicas (PPPP FAPESP) visa melhorar a gestão pública da Procuradoria-Geral da Fazenda Nacional (PGFN) por meio de inteligência artificial (IA) em suas atividades jurídicas, em particular, com uso de grandes modelos de língua para análise de processos. A PGFN é responsável por representar a União em questões fiscais, realizar cobranças judiciais e administrativas de créditos tributários e fornecer assessoria ao Ministério da Fazenda. Uma das principais dificuldades atuais é a classificação manual das matérias presentes nas petições iniciais dos processos, um processo demorado e propenso a erros. Outro desafio é a medição do êxito dos processos em diferentes instâncias judiciais. Atualmente, os procuradores da PGFN enfrentam dificuldades em identificar de forma sistemática as chances de sucesso em cada etapa do processo, o que dificulta o planejamento estratégico e a alocação adequada de recursos. Além disso, o projeto busca criar um identificador automatizado de processos com matérias novas ainda não listadas. A PGFN enfrenta o desafio de acompanhar e reagir de forma ágil a estratégias coordenadas por grandes escritórios de advocacia, que testam novas teses tributárias em diferentes estados do Brasil. A detecção manual dessas teses é extremamente difícil devido ao volume de processos ingressantes. A criação de um identificador automatizado permitiria uma atuação proativa da PGFN, possibilitando a elaboração centralizada e urgente de modelos de contra-argumentos para combater eficazmente essas teses desde o seu surgimento, evitando perdas financeiras significativas para a União. Para alcançar esses objetivos, é realizada uma parceria com o Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP) em São Carlos. A ideia geral é avançar no desenvolvimento de grandes modelos de língua (LLM, do inglês Large Language Models), que sejam abertos e permissivos. A colaboração com a academia permite utilizar conhecimento técnico-científico para estender as LLMs abertas e personalizar os modelos conforme as necessidades da PGFN no cenário jurídico, impulsionando significativamente a eficácia e eficiência do sistema, além de possibilitar a colaboração contínua e o desenvolvimento de inovações no domínio jurídico. Os resultados esperados do projeto são divididos em curto, médio e longo prazo. A curto prazo, já se prevê uma avaliação comparativa dos grandes modelos de língua pré-treinados em relação à classificação de matérias tributárias, previsão do êxito de processos judiciais e desenvolvimento de um peticionador automatizado de contestações e recursos. Isso será viabilizado através do desenvolvimento de um módulo de engenharia de prompt, permitindo que os modelos pré-treinados sejam rapidamente condicionados para realizar tarefas específicas da PGFN com poucos exemplos rotulados. A médio prazo, será desenvolvido o ajuste de vocabulário de uma LLM usando córpus textuais históricos da PGFN, visando aumentar o desempenho de tarefas de classificação de processos e apoio à medição de êxito e identificação precoce de novas teses tributárias. A longo prazo, o projeto visa o desenvolvimento de uma LLM própria para PGFN, a partir de ajuste fino de uma LLM pré-treinada, tornando-a mais robusta para o domínio jurídico. Esta LLM será capaz de lidar com tarefas por meio de zero-shot prompt learning, que permitem seu uso em novas tarefas na ausência de dados de treinamento. Para realizar tal ajuste fino de uma LLM, está prevista a criação de uma base de dados treinamento com instruções de alta qualidade, com acompanhamento da área técnica da PGFN, sendo este também um resultado científico relevante, possibilitando a continuidade e a expansão das pesquisas na área jurídica e auxiliando a PGFN em suas atividades futuras.

Desenvolver e implantar o Observatório da Evolução do Sistema Nacional de Pós-Graduação no atendimento à Agenda Nacional de Formação de Pessoal de Nível Superior para realizar a governança permanente do progresso da política pública de formação de mestres e doutores, bem como de desenvolvimento de produção intelectual, nas áreas estratégicas prioritárias declaradas pelas 27 Unidades da Federação do Brasil.

Trata-se de um projeto de pesquisa no âmbito das Ciências da Computação, em subáreas inter-relacionadas de grande destaque atual e de interesse acadêmico e industrial, a saber: Processamento de Imagens e Processamento de Linguagem Natural. Com a análise, a modelagem e o tratamento computacional de dados de imagens e de língua, prevê-se o avanço da fronteira de conhecimento nessas frentes e, consequentemente, das aplicações relacionadas a essas duas modalidades complementares de dados..

O objetivo desta proposta é apresentar a estratégia para a criação do Centro de Excelência em Pesquisa Aplicada em Inteligência Artificial (IA) para a Indústria (CPA-IA), reconhecido a nível nacional e internacional por meio da pesquisa, desenvolvimento e implementação de uma plataforma digital aberta multiusuário de ciência de dados e IA para a Indústria 4.0, a fim de alavancar a modernização, a competitividade, e o desenvolvimento científico e tecnológico da indústria nacional por meio da aceleração e popularização da aplicação da IA para os diversos setores da indústria, para micro, pequenas, médias e grandes indústrias. Isto permitirá, enquanto ferramenta, que o Governo Brasileiro disponibilize um ambiente digital de Inteligência Artificial Industrial (I-AI), dando base à modernização dos processos produtivos e à geração de novos negócios intensivos em conhecimento. O desenvolvimento desta plataforma se dará por uma rede de pesquisadores que compartilhará seu conhecimento em projetos de pesquisa integrados e interdisciplinares. A integração de competências e experiências em IA da rede habilitará um plano nacional de educação e difusão do conhecimento, com a formação de recursos humanos qualificados. Todas estas atividades levarão à geração de produtos inovadores e de propriedade intelectual, gerando patentes e registros de software, fomentando a transferência das tecnologias criadas para os setores público e privado, ao mesmo tempo em que busca a criação de oportunidades inovadoras para o desenvolvimento sustentável e ético da indústria.

Um holobionte é constituído por um hospedeiro e toda a sua comunidade ecológica de microorganismos associados. É uma unidade evolutiva e a seleção de holobiontes é uma importante força evolucionária. Uma característica que ainda é pouco abordada é o papel dos metabólitos secundários nas relações microorganismos-hospedeiro, bem como nas interações quimicamente mediadas entre holobiontes (o conjunto micróbio-hospedeiro) e o ambiente. Nesta proposta, pretendemos investigar: aspectos selecionados da Química de esponjas marinhas holobiontes e como a Química influencia no sucesso evolutivo de esponjas marinhas; como microorganismos participam na transferência química de presas para predadores no ambiente marinho; a Química de grupos selecionados de invertebrados marinhos e de microorganismos associados a invertebrados e plantas, visando a obtenção de novas substâncias químicas bioativas; para explorar ainda mais a Química e a Biologia de "lead compounds" já obtidos, a fim de elaborar estruturas bioativas mais ativas e estruturalmente menos complexas, com o objetivo de explorar ainda mais a Farmacologia desses compostos; investigar a biossíntese de dois grupos selecionados de metabólitos microbianos, a fim de revelar aglomerados de genes e enzimas envolvidas em etapas biossintéticas e prever modificações estruturais de Bioengenharia para melhorar sua atividade biológica; desenvolver uma abordagem inédita para a seleção automatizada de microorganismos. O objetivo final é responder a perguntas desafiadoras, a fim de avançar o conhecimento da adaptação holobiontes, e explorar produtos químicos úteis que influenciam a adaptação dos holobiontes e que resultam no sucesso dos holobiontes na natureza.

Vice-coordenadora do MBA

O crescente uso de redes sociais impactou significativamente na forma com a qual as empresas se relacionam com os seus clientes. Tais mídias tornaram-se um novo meio de comunicação entre estes atores, mas também representam um repositório valioso sobre a reputação de marcas, produtos e serviços. Este fenômeno fez surgir o conceito de gestão de relacionamento com os clientes por intermédio de redes sociais, conhecido pelo acrônimo Social CRM. O Social CRM inclui estratégias, processos e tecnologias para integrar as redes sociais aos sistemas tradicionais de gestão de relacionamento com os clientes. O Social CRM vem cada vez mais sendo utilizado para o entendimento das empresas em relação à percepção dos consumidores quanto aos seus produtos, serviços e propagandas. Entretanto, a área de Social CRM envolve diversos desafios, principalmente pelo fato das opiniões expressas pelos consumidores em portais e redes sociais estarem em formato textual, o qual é um tipo de dado não estruturado. Nesses textos, além de etapas de limpeza, padronização e estruturação necessária para algoritmos de aprendizado de máquina, os quais serão utilizados neste projeto para automação de tarefas e extração de conhecimento, é necessário identificar algumas partes importantes no texto, como os aspectos de um produto ou serviço. Além disso, há a necessidade de em determinadas aplicações ter que informar a categoria dos textos, por exemplo, sentimento positivo ou sentimento negativo, ou se um texto é sobre vendas, divulgação, ou feedback de um consumidor. Por fim, os textos dessas mídias geralmente são curtos, o que impõe desafios adicionais ao aprendizado de máquinas em dados textuais. Com isso, esse projeto visa investigar, propor e implementar técnicas de aprendizado de máquina para a extração de conhecimento e automação de tarefas na gestão de relacionamento com clientes, além da disponibilização de um serviço contendo os principais métodos resultantes da pesquisa. A saber, serão investigados e desenvolvidos (i) métodos de extração de aspectos a partir de textos de consumidores extraídos em plataformas de reclamação, com o objetivo de obter qual o produto ou serviço se trata uma determinada reclamação; (ii) métodos de classificação semi supervisionada de categorias de marketing para textos de consumidores provenientes de redes sociais, com o objetivo de diminuir a quantidade de exemplos rotulados necessária para obter a automação de maneira satisfatória; (iii) métodos de predição para o score de engajamento de consumidores em relação a postagens em mídias sociais, para definir prioridades de atendimento e de marketing (pré-venda e pós-venda); por fim, os métodos supramencionados serão integrados em um (iv) sistema de informação inteligente voltado para Social CRM. Além dos potenciais de inovação técnico-científico nas áreas de análise de redes sociais, inteligência artificial e business, setores estratégicos para o desenvolvimento econômico nacional, o presente projeto também viabiliza a construção de uma rede de pesquisa multidisciplinar e o desenvolvimento de produtos que atendam as necessidades mercadológicas de empresas que usam as redes sociais para a gestão de relacionamento com os clientes

Descrição: O Center for Artificial Intelligence congrega cerca de 120 pesquisadores de várias instituições, com suporte da FAPESP e IBM. O Centro é sediado na USP, nas dependências do InovaUSP, e conduz pesquisas em temas básicos e aplicados da área de inteligência artificial, bem como se preocupa com transferência de tecnologia e difusão..

.

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.

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 (BMF-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..

Descrição: O projeto tem como objetivo mapear o conhecimento, as informações e os dados gerados sobre o domínio "pastagens", com ênfase no subtema "recuperação de pastagens" - incluindo um diagnóstico do ambiente externo -, para subsidiar a gestão estratégica da informação no âmbito do Portfólio de Pastagens. Para isso, aplicará técnicas e ferramentas da Gestão do Conhecimento e da Informação, bem como da Socioeconomia, para oferecer ao Portfólio estudos que norteiem as tomadas de decisão do comitê gestor, no sentido de acelerar o processo de inovação neste tema..

Projeto Temático envolvendo 3 instituições nacionais e 8 instituições internacionais.

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

As empresas que tratam seus negócios na Web oferecem uma vasta quantidade e variedade
de conteúdos Web (isto é, produtos, serviços e informações). Estas empresas sentem a
necessidade de descobrir informações sobre o comportamento e interesse de seus usuários
para poder recomendar a estes os produtos, serviços e informações que lhes são relevantes.
Porém, o comportamento e interesse de um usuário são constantemente influenciados pelo
contexto no qual este se encontra. Por exemplo, um usuário pode desejar assistir um filme
com a sua namorada no sábado à noite ou com os seus amigos durante um dia de semana, e
uma locadora de filmes na Web pode recomendar diferentes tipos de filmes para este usuário
dependendo do contexto no qual este se encontra. Um grande desafio para o uso de sistemas
de recomendação sensíveis ao contexto por sítios Web é a falta de métodos para aquisição
automática de informação contextual para estes sistemas. Diante desse cenário, o objetivo
deste projeto é a pesquisa, proposta e avaliação de métodos de aquisição de informação
contextual para sistemas de recomendação de contéudo Web sensíveis ao contexto.

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.

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 identificar e monitorar vários tipos de eventos a partir de textos publicados em portais de notícias e redes sociais, como detecção de epidemias, análise de sentimentos, e a extração de indicadores políticos e econômicos. Atualmente, a construção de um sensor da web (websensor) é uma tarefa complexa, pois depende de especialistas de domínio para definição dos parâmetros do sensor, isto é, expressões para busca, filtros e monitoramentos de conteúdo textual da web. A necessidade de especialistas de domínio geralmente limita as aplicações envolvendo websensors, uma vez que em muitos problemas não há compreensão clara dos fenômenos que se deseja monitorar. Em vista disso, neste projeto de pesquisa são investigados métodos de aprendizado de máquina 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 aprendizado de máquina semi/não supervisionados, extrair padrões dos textos e assim apoiar a construção de websensors. Dessa forma, espera-se reduzir a dependência de um especialista para definição dos parâmetros dos sensores. Cada websensor aprendido a partir dos textos representa um determinado fenômeno relacionado ao domínio do problema que, então, pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decisão.

O projeto consiste na proposta de uma arquitetura e projeto piloto para uma plataforma sensível ao contexto para recomendação de pontos de interesse.
Projeto: A075/2013
Validade: 12/2016

Applications such as intelligent sensors should be able to collect environment information and to make decisions based on input data. An example is an under-development low-cost sensor to detect and classify insects in their species using laser light and machine learning techniques. This sensor is an important step towards the development of intelligent traps able to attract and selectively capture insect species of interest such as disease vectors or agricultural pests, without affecting the beneficial species. The data gathered by the sensor constitutes a data stream with non-stationary characteristics, since the insects metabolism is influenced by environmental conditions such as temperature, humidity and atmospheric pressure. This research grant proposal has two main objectives: the first one is to develop new algorithms to classify in real-time signals from the sensor obtained from the data stream; the second one is to technologically develop the sensor in order to allow the developed machine learning techniques to be embedded in the sensor

We propose a focused, interdisciplinary research project on data mining and data visualization with a specific focus on marine data. This data is particularly challenging for data mining as it presents only a very sparse set of data points with respect to the volume of the marine space that is being modelled and investigated. It also presents a set of challenges in visualization of data and of modelling results, as the data are inherently three-dimensional and from an unfamiliar context relative to data from on land. We will work in an interdisciplinary team with researchers in data mining, data visualization, and marine biology to develop visualization methods that will be appropriate for marine biology applications of data mining. The data may be derived from multiple disparate sources, including fisheries or scientific surveys, autonomous sensors, satellite data or field studies. For model outputs, we will particularly work on the visualization of results from a new generation of ecosystem model, analogous to the general circulation models used to predict global climate. This model includes all organism types on both land and sea. We face the challenge that it can produce gigabytes to terabytes of outputs, including tracking all organism interactions, individual states, and the spatial distribution of individuals. Thus we need to summarize, extract, and visualize outputs at multiple scales including that of individuals, ecological communities, and the globe. These data need to be visualized in a manner that will then be useful and interpretable for the international policy community..

A proposta deste projeto componente é concentrar as ações de análise e organização sistematizada da informação utilizada e produzida pelo projeto "Impactos do uso agrícola e das mudanças climáticas sobre os recursos hídricos em diferentes ecorregiões brasileiras: diagnose e estratégias mitigadoras" AgroHidro. Desta forma, pretende-se melhorar a gestão do conhecimento técnico-científico na área, por meio de análises cruzadas das informações, bem como subsidiar ações de investigação e disseminação do conhecimento na rede de pesquisa. Pois, em uma rede de pesquisa em um domínio de conhecimento fechado, como a Rede AgroHidro, existe a necessidade de possuir um ferramental de análise da informação especificamente útil à rede, que facilite, não apenas, a identificação de bibliografia e outras fontes de material de divulgação, mas que permita o cruzamento de informações de diversas fontes a fim de avaliar o caminho percorrido pela rede em PD&I; por exemplo, tendências, oportunidades, inserção no contexto nacional e áreas deficitárias em tecnologias para gestão de recursos hídricos. Para isso, precisa-se monitorar tanto a própria produção técnico-científica da rede, no passado e presente, como de outras redes ou iniciativas isoladas que visem objetivos semelhantes de PD&I no mesmo domínio de conhecimento no caso, recursos hídricos. Assim, essa proposta integra soluções de tecnologia da informação dando apoio à análise e organização do conhecimento para suportar ações de pesquisa, desenvolvimento e inovação, na rede AgroHidro, objetivando: 1) obter análises, considerando passado e presente, em tendências tecnológicas, de pesquisa e desenvolvimento, em recursos hídricos no Brasil e localizando as estimativas obtidas no tempo e espaço; 2) contribuir com processos de busca e levantamento tecnológico, com uma organização e recuperação da informação próprias, que demandam análises cruzadas de dados, 3) especificar e validar a organização do conhecimento de recursos.