Eduardo Raul Hruschka.

Fundador e Líder do Centro de Ciência de Dados da Escola Politécnica da USP, em parceria com o Banco Itaú

Modelos para aprendizado não supervisionado podem fornecer restrições flexíveis que auxiliem na classificação de dados. Neste contexto, assume-se que objetos semelhantes do conjunto alvo (formado pelos dados novos, cujas classes são desconhecidas) provavelmente compartilham do mesmo rótulo de classe. Este projeto de pesquisa se baseou numa abordagem que recebe como entradas estimativas de distribuições de probabilidades de classes para os objetos do conjunto-alvo, bem como uma matriz de similaridades entre os pares desses objetos. Tais estimativas são obtidas a partir de classificadores previamente treinados no conjunto de treinamento. A matriz de similaridades pode ser obtida de diversas formas, dentre as quais destaca-se a abordagem baseada em agregadores de agrupadores de dados. A partir dessas entradas, um algoritmo de otimização fornece estimativas refinadas das distribuições de probabilidades de classes, consequentemente permitindo obter uma classificação de consenso dos dados do conjunto-alvo. O algoritmo empregado admite o uso de uma grande variedade de funções de perda, bem como de diversos métodos para classificação e agrupamento de dados, desta forma permitindo grande flexibilidade em aplicações práticas de mineração de dados. Entretanto, tal algoritmo possui parâmetros críticos que, na prática, necessitam ser definidos pelo usuário. Neste projeto de pesquisa foram investigadas formas de contornar essa dificuldade. Além disso, foram estudadas formas de lidar com classes originalmente não previstas no conjunto de treinamento. Por fim, aplicações em cenários de aprendizado semi-supervisionado e em transferência de conhecimento foram investigadas.

OBSERVAÇÃO: Não houve pagamento de bolsas no período em que o docente esteve afastado sem vencimentos das suas atividades no ICMC/USP. Entretanto, o projeto foi desenvolvido normalmente, gerando 12 artigos em periódicos internacionais indexados (oito no estrato Qualis A1, um no A2 e três no B1), quatro artigos em congressos especializados e um capítulo de livro, vinculados à finalização de 4 teses de doutorado.

O objetivo central deste projeto é a promoção do uso as ciências matemáticas e, em especial da matemática aplicada, estatística e ciência da computação como um recurso industrial. Pretendemos realizar essas atividades dentro de um ambiente interdisciplinar, enfatizando a transferência de tecnologia e a educação e difusão do conhecimento para aplicações na indústria e no governo. As atividades serão organizadas por um centro de referência em pesquisa especialmente estruturado e adaptado para esta finalidade. A principal estratégia do Centro é a construção de uma infra-estrutura forte no que diz respeito aos recursos humanos, equipamentos computacionais avançados, oportunidades de colaboração e outras facilidades, a fim de promover a cooperação interdisciplinar com a indústria e, mais especificamente, com os setores de manufatura, governo e serviços. O Centro irá incentivar os grupos de pesquisa acadêmica a colaborar com aplicações práticas e produzir novos conhecimentos científicos. Os grupos de pesquisa participantes do CeMEAI demonstraram experiência na produção de trabalhos acadêmicos de alta qualidade em suas áreas de atuação e, em muitos casos, também em aplicações relevantes, como evidenciado pelos vários trabalhos já realizados pelos pesquisadores principais, tanto acadêmicos como em cooperação coma a Indústria. Este projeto envolve um grande número de pesquisadores e instituições --- para detalhes ver http://www.cemeai.icmc.usp.br/
Minha participação no projeto, como pesquisador principal, foi encerrada em 2014, por conta do meu afastamento do ICMC/USP.

Este projeto visa a criação do Núcleo de Apoio à Pesquisa de Aprendizado de Máquina em Análise de Dados, NAP-AMAD. O principal objetivo do NAP-AMAD é o estabelecimento de um centro interdisciplinar e multidisciplinar de excelência no uso de Aprendizado de Máquina (AM) em análise de dados em São Paulo, Brasil, de reconhecimento internacional. O centro deve estimular colaborações de pesquisa e desenvolvimento entre universidade e empresas ou instituições governamentais cujos dados podem ser analisados através de técnicas de AM. O NAP-AMAD é composto por docentes, pesquisadores e estudantes da Universidade de São Paulo e de diversas outras universidades e centros de Pesquisa, do Brasil e do exterior. O NAP-AMAD será baseado no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC / USP).

A quatidade de dados gerados por diferentes fontes tem crescido em escalas cada vez maiores. Um dos grandes desafios da computação definidos pela Sociedade Brasileira de Computação é a gestão desses grandes volumes de dados. A necessidade de analisar esses dados de forma automática e as dificuldades encontradas têm demandado o desenvolvimento de novos métodos de Aprendizado de Máquina que possam lidar com os vários problemas associados a esse desafio. Um desses problemas é a atualização de hipóteses induzidas por algoritmos de Aprendizado de Máquinas que permaneçam válidam quando novos dados são incluídos na base ou conjunto de dados. Esse problema é na área de pesquisa Data Streams ou Fluxos Contínuos de Dados. Este projeto investigará as principais alternativas investigadas pelos grupos de pesquisa brasileiro e argentino para lidar com esses problemas assim como irá propor novos métodos para tal. Os métodos investigados serão experimentalmente avaliados de acordo com a metodologia correntemente utilizada pela comunidade de pesquisa na área, utilizando para isso os testes estatísticos relevantes. Como resultado, espera-se contribuições científicas que levem ao avanço das pesquisas nesses dois temas, a formação pesquisadores que possam atuar com competência e autonomia nessas sub-áreas e a publicação de trabalhos científicos que permitam a divulgação dos resultados obtidos em veículos de qualidade.

Este projeto de pesquisa abordará métodos para aprendizado de máquina não supervisionado e algumas de suas aplicações em mineração de dados. Em particular, serão propostos, implementados e avaliados experimentalmente algoritmos para: (i) agrupamento de dados colaborativo; e (ii) seleção de atributos não supervisionada. O ferramental resultante desses desenvolvimentos será também aplicado em outros problemas práticos de interesse (e.g., Bioinformática e Mineração de Textos).

Este projeto de pesquisa abordará algoritmos híbridos para aprendizado de máquina não supervisionado e algumas de suas aplicações em mineração de dados. Em particular, serão estudados, propostos, implementados e avaliados algoritmos para agrupamento de dados baseados em Estatística e em Computação Evolutiva (Evolucionária). O ferramental resultante desses desenvolvimentos será também aplicado em outros problemas práticos de interesse (Projeto financiado pela FAPESP entre 08/2010 e 07/2011 e pelo CNPq entre 09/2011 e 07/2012).

O projeto conta com a colaboração de pessoal dos grupos de aprendizado de maquina do ICMC-USP, do CIN-UFPE e do DIMAP-UFRN. Este projeto investigará a utilização de sistemas híbridos de aprendizado de máquina em classificação e agrupamento de dados. O coordendor geral do projeto é o Prof Andre C P L F de Carvalho do ICMC-USP. Os coordenadores locais são a Profa. Teresa Ludermir (CIn-UFPE) e o Prof. Marcilio Souto (DIMAP-UFRN).

Este projeto de pesquisa abordará dois temas em mineração de dados: (i) Agrupamento de Dados (clustering) e (ii) Preparação de Dados. No tocante ao primeiro tema, serão estudados algoritmos para agrupamento de dados, critérios de validade para estimar o número de clusters, e otimização de partições por meio de algoritmos evolutivos. Em relação ao segundo tema, serão investigadas técnicas para substituição de valores ausentes e para seleção de atributos. Este projeto foi iniciado na Universidade Católica de Santos em Março de 2007 e, em Outubro de 2007, foi transferido para o ICMC/USP.

Este projeto de pesquisa abordará dois temas em mineração de dados: (i) Agrupamento de Dados (clustering) e (ii) Preparação de Dados. No tocante ao primeiro tema, serão estudados algoritmos para agrupamento de dados, critérios de validade para estimar o número de clusters, e otimização de partições por meio de algoritmos evolutivos. Em relação ao segundo tema, serão investigadas técnicas para substituição de valores ausentes e para seleção de atributos. Particularmente, este projeto se concentrará em desenvolver, implementar e avaliar métodos para mineração de dados. Observação: Este projeto foi iniciado na Universidade Católica de Santos em Agosto de 2006 e, em Outubro de 2007, foi transferido para o ICMC/USP.

Este projeto se concentrará em desenvolver, implementar e avaliar métodos para mineração de dados, particularmente no que tange às técnicas de agrupamento de dados (clustering). Serão investigados três tópicos principais: Algoritmos evolutivos para clustering, ferramentas e algoritmos para "fuzzy clustering" e suas aplicações ao projeto automático de sistemas fuzzy e redes neurais. Este projeto foi iniciado na Universidade Católica de Santos em Outubro de 2006 e, em Outubro de 2007, foi transferido para o ICMC/USP. A continuação deste projeto foi aprovada no Edital Universal de 2008

Este projeto teve por objetivos principais propor, implementar e avaliar algoritmos para preparação de dados especificamente projetados para selecionar atributos relevantes e para preencher valores ausentes, tanto em problemas de classificação quanto em problemas de agrupamento (clustering)

Projeto com escopo em pesquisas teóricas e aplicadas na área de Computação Natural, isto é: 1) ferramentas computacionais (algoritmos) desenvolvidas com inspiração na natureza; 2) modelos de simulação e emulação de sistemas naturais; e 3) novos paradigmas de computação que envolvem a utilização de mecanismos naturais para armazenagem e processamento de informação

O objetivo principal desse projeto foi permitir a execução de aplicações específicas das áreas de bioinformática, petróleo e mineração de dados em grades computacionais via um portal Web, denominado PortalGIGA.

O processo de descoberta de conhecimento em bancos de dados é útil em vários domínios da ciência, bem como em várias aplicações práticas, dentre as quais se destacam aquelas que envolvem os Sistemas de Informação. Nesse contexto, os bancos de dados representam depósitos de conhecimento em potencial, que podem ser explorados para descobrir relações, padrões e regras. O processo de descoberta de conhecimento é interativo e iterativo e tem ênfase na aplicação de técnicas de mineração de dados ("data mining"), as quais envolvem basicamente três etapas: preparação de dados, utilização de um algoritmo de mineração de dados e a análise das informações obtidas. Estas três etapas são interdependentes e, por este motivo, a abordagem ideal para extrair informações relevantes em bancos de dados consiste em considerar as inter-relações entre cada uma das etapas e sua influência no resultado final. Neste sentido, este projeto de pesquisa permitiu o desenvolvimento de metodologias que levam em consideração o processo de mineração de dados como um todo.

Aplicações de Mineração de Dados (MD) requerem o processamento de enormes quantidades de dados. Assim sendo, tais aplicações podem se beneficiar do uso de técnicas de processamento paralelo, de implementações baseadas em clusters de PCs e de grades computacionais. Este projeto desenvolveu a implementação de um ferramental que suporta a execução da ferramenta WEKA aproveitando recursos ociosos em um cluster de PCs