Especialistas Seniores em Covid-19 com atuação no Brasil

Aline Marins Paes Carvalho

Aline Paes é professora associada do Instituto de Computação da Universidade Federal Fluminense (UFF). É mestre e doutora em Engenharia de Sistemas e Computação, com ênfase em Inteligência Artificial, pela COPPE-Sistemas, UFRJ, tendo feito estágio de doutoramento (sanduíche) por um ano no Imperial College London, UK, sob a supervisão do Professor Stephen Muggleton. Foi bolsista do CNPq de pós-doutorado júnior na COPPE-Sistemas, UFRJ, sob a supervisão do professor Valmir Carneiro Barbosa. Atualmente, é Jovem Cientista do Nosso Estado pela FAPERJ e bolsista de produtividade do CNPq. Aline Paes atua na área de Ciência da Computação, com ênfase em Inteligência Artificial, com interesses e contribuições nos seguintes temas: aprendizado de máquina relacional, integrado a técnicas neurais, estatísticas e lógicas, aprendizado de representações para linguagem natural, atualização e adaptação de modelos, revisão de teorias e aprendizado por transferência, IA explicável, indução de programas, jogos e IA para bem-estar social. Seu nome era Aline Marins Paes até 2010. (Texto informado pelo autor)

  • https://lattes.cnpq.br/0506389215528790 (24/10/2021)
  • Rótulo/Grupo:
  • Bolsa CNPq: Nível 2
  • Período de análise:
  • Endereço: Universidade Federal Fluminense, Instituto de Computação. Rua Passo da Pátria 156 - Bloco da Computação - Sala 530 São Domingos 24210240 - Niterói, RJ - Brasil Telefone: (21) 26295678 URL da Homepage: www.ic.uff.br/~alinepaes
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • 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 (20)
    1. 2021-Atual. Aprendizado de Maquina Relacional Adaptativo e suas Aplicacoes em IA para Bem-estar Social
      Descrição: Aprendizado de Máquina Relacional atenta-se em construir de forma automática modelos que resolvam tarefas em domínios com múltiplos objetos, suas dependências, e seus relacionamentos. Tal é o caso, por exemplo, de domínios descritos a partir de grafos de conhecimento, cujos nós são entidades e arestas anotadas representam as relações entre as entidades. As técnicas desenvolvidas nessa área abrangem uma variedade de formalismos para representar os dados e o espaço de hipóteses. Algumas partem de símbolos observados diretamente, se baseando em formalismos lógicos. Outras contam com atributos latentes, usando, por exemplo, aprendizado de representações baseado em redes neurais. Algumas relaxam a suposição de dependência para executar inferência probabilística em modelos gráficos. Existem, ainda, tentativas de combiná-los: a área de aprendizado neuro-simbólico combina os dois primeiros enquanto aprendizado estatístico relacional combina o primeiro e o último. Apesar das diferenças nos formalismos, a maioria dos métodos de aprendizado assume que os exemplos de treinamento e teste pertencem à mesma distribuição e que todas as variáveis do domínio são disponibilizadas de antemão. Tal suposição desatende aos requerimentos de generalização em domínios ou tarefas distintas daquelas a partir das quais o aprendizado foi executado. Porém, domínios e tarefas correlatos ou mais abrangentes podem conter informação útil e reutilizável, ainda mais em face de uma quantidade reduzida de exemplos anotados. Por outro lado, recentemente, arquiteturas para aprendizado de representações a partir de textos também têm sido vislumbradas como executando aprendizado relacional, ao considerar dependências locais e globais entre palavras e sentenças. Nesse caso, o formato de aprendizado mais comum baseia-se justamente na reutilização de modelos treinados para domínios ou tarefas genéricas. Este projeto apoia-se na premissa que algoritmos de aprendizado devem sempre visar a generalização, seja considerando múltiplas tarefas ou domínios, e mesmo quando a quantidade de exemplos anotados é limitada. Para tanto, serão desenvolvidos algoritmos de aprendizado de máquina relacional que iniciem o aprendizado a partir de um modelo aprendido para um domínio/tarefa fonte e o ajustem para outros domínios e tarefas alvo, usando um ou mais dentre os formalismos mencionados acima. Os métodos desenvolvidos serão aplicados, primordialmente, para abordar problemas incluídos em três das metas para o desenvolvimento sustentável estabelecidas na Agenda ONU 2030. Argumenta-se que tais metas são essenciais para alavancar o desenvolvimento das sociedades atuais, em termos de prosperidade, igualdade, democracia, e qualidade de vida, sem comprometer as gerações futuras. Para abordar tais problemas serão considerados múltiplos objetos e suas relações, documentos e colocações em formato textual. Espera-se, assim, produzir soluções que contribuirão para o desenvolvimento científico e tecnológico do país como produtor de métodos em IA, e com soluções baseadas em IA para problemas envolvendo proteção da democracia, cuidados com a saúde mental e segurança pública.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (12) / Doutorado: (5) . Integrantes: Aline Marins Paes Carvalho - Coordenador / Vítor Lourenço - Integrante / Paulo Mann - Integrante / Daniel Pinheiro da Silva Junior - Integrante / Sidney Araújo Melo - Integrante / Jéssica Soares dos Santos - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    2. 2020-Atual. Niteroi organizada e segura: estudo do impactos das chuvas - Programa de Desenvolvimento de Projetos Aplicados
      Descrição: Estudos recentes das ONU apontam que 68% da população mundial viverá em regiões urbanas até 2050. Um dos grandes desafios gerados pelo aumento da população das grandes cidades é a criação de políticas públicas de controle do processo de urbanização. Se por um lado regiões urbanas que crescem de forma estruturada gerenciam melhor seus recursos e serviços, e oferecem melhor qualidade de vida a sua população, regiões que evoluem desordenadamente usualmente enfrentam problemas com transportes públicos, trânsito, enchentes, deslizamentos de encostas, etc. Os problemas ocasionados pela urbanização desordenada podem ser estudados por meio de diversos indicadores, presentes não apenas nos conjuntos de dados disponibilizados pelas prefeituras e prestadoras de serviços de grandes centros urbanos, mas também em conjuntos de dados alternativos como os de redes sociais, aplicativos de celular, etc. Neste projeto, usaremos dados da prefeitura e de fontes alternativas para estudar problemas ocasionados pelas chuvas na cidade de Niterói. Utilizaremos conhecimentos das áreas de Engenharia de Dados, Inteligência Artificial, Otimização e Visualização de Informação para produzir estudos que apoiem os três principais focos de atuação do pilar ?A Niterói que Queremos Será: Organizada e Segura? do planejamento estratégico ?Niterói Que Queremos?: mobilidade urbana, infraestrutura e segurança. Neste contexto, tentaremos responder questões como: Qual o impacto das chuvas no trânsito da cidade? Quais as áreas da cidade mais afetadas por grandes volumes de chuva? Como chuvas interferem nas rotas de policiamento e na ocorrência de crimes?. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (2) . Integrantes: Aline Marins Paes Carvalho - Integrante / Daniel Cardoso Moraes de Oliveira - Integrante / Marcos Lage - Coordenador / Isabel Rosseti - Integrante / Yuri Frota - Integrante / Lhaylla Crissaff - Integrante / Antônio Augusto Aragão Rocha - Integrante. Financiador(es): Prefeitura Municipal de Niterói - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    3. 2019-2020. Sistema de visualizacao do poro ao poco com metodologias integradas de analise petrofisica: Software Geometria
      Descrição: A avaliação da estrutura interna de materiais porosos é de suma importância em diversas áreas do conhecimento, tais como: ciência dos materiais, engenharia química, medicina e petróleo. Nesse sentido, existe uma busca contínua por métodos de caracterização de materiais porosos, e uma das técnicas utilizadas é a RMN (Ressonância Magnética nuclear), que pode fornecer estimativas de porosidade, distribuição de tamanho de poros, permeabilidade, saturação irredutível, entre outras propriedades petrofísicas. O sistema Geo Poço atualmente utiliza técnicas de IA e análises de imagem para reconhecimento de breakouts e fraturas e nessa nova etapa do projeto serão utilizadas essas e outras técnicas para analisar as imagens de RMN e microtomografias, incorporando metodologias de pesquisa na área de petrofísica, na escala de poro ou poço.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (2) . Integrantes: Aline Marins Paes Carvalho - Integrante / Esteban Clua - Coordenador / Ricardo Leiderman - Integrante / Mauro Biondi - Integrante / Eduardo Charles Vasconcelos - Integrante / Bruno Marques - Integrante.
      Membro: Aline Marins Paes Carvalho.
    4. 2019-Atual. Inteligencia Artificial Explicavel para Impacto Social com Aprendizado de Representacoes Adaptativo
      Descrição: A área recentemente denominada de Inteligência Artificial (IA) para o bem-estar social (AI for Social Good) investiga como desenvolver soluções baseadas em IA para resolver problemas da sociedade atual, tendo como inspiração as metas para o desenvolvimento sustentável (ONU-MDS) estabelecidas pelas Organização das Nações Unidas. Argumenta-se que, tais metas e suas respectivas soluções são essenciais para alavancar o desenvolvimento das sociedades atuais, em termos de prosperidade, igualdade, democracia, e qualidade de vida, sem comprometer as gerações futuras. Entretanto, acreditamos que, por mais benéficas que sejam tais soluções baseadas em IA, elas acabarão por não serem totalmente aceitas pela sociedade e governos se não oferecerem um processo de tomada de decisão transparente. Assim, nesse projeto, temos como foco desenvolver soluções de Aprendizado de Máquina para abordar alguns dos problemas citados nas ONU-MDS utilizando processos de predições explicáveis. Para amparar o processo explicável e ao mesmo tempo se aproximar de como os dados são dispostos no mundo real, as amostras serão modeladas por meio de objetos, suas propriedades e relações, obedecendo a um formato estruturado. Os modelos aprendidos serão ou inerentemente explicáveis, usando métodos de aprendizado baseados em lógica, ou serão embutidos de explicabilidade, quando forem aprendidos a partir de transformações vetoriais usando técnicas de aprendizado de representações com Deep Learning. Nesse caso, para extrair as explicações do processo de inferência, nos valeremos de métodos de argumentação em lógica e diagramas de causalidade, de forma a conectar as causas relevantes e suas respectivas consequências que conduzem à resposta retornada pelo método. Ainda, para permitir a reutilização dos modelos aprendidos em novos domínios, em novas tarefas, e ainda em processos de tomada de decisão sequenciais, os métodos serão desenvolvidos a partir de técnicas adaptativas, como transferência de aprendizado e aprendizado online. Esperamos obter soluções que terão alto impacto na solução de problemas comuns da sociedade, ao mesmo tempo em que contribuiremos cientificamente com o estado-da-arte em Aprendizado de Máquina, com o desenvolvimento de métodos relacionais adaptativos e processos de inferência transparentes e explicáveis.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (4) / Doutorado: (5) . Integrantes: Aline Marins Paes Carvalho - Coordenador / Vítor Lourenço - Integrante / Paulo Mann - Integrante / Daniel Pinheiro da Silva Junior - Integrante / Henrique Bueno - Integrante / Sidney Araújo Melo - Integrante / Jéssica Soares dos Santos - Integrante / Marcelo Andrade R. D'Almeida - Integrante / Wallace Ferreira Baleroni - Integrante / Júlia Figueiredo Simão Falcão - Integrante / Daniel Orlandi - Integrante. Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    5. 2019-Atual. Crescimento desordenado de cidades: Usando dados para entender problemas e propor solucoes
      Descrição: Estudos recentes apontam que 68% da população mundial viverá em regiões urbanas até 2050. Um dos grandes desafios gerados pelo aumento da população das grandes cidades é a criação de políticas públicas de controle do processo de urbanização. Se por um lado regiões urbanas que crescem de forma estruturada gerenciam melhor seus recursos e serviços, e oferecem melhor qualidade de vida a sua população, regiões que evoluem desordenadamente usualmente enfrentam problemas com transportes públicos, trânsito, enchentes, deslizamentos de encostas entre outros. Os problemas ocasionados pela urbanização desordenada podem ser estudados através de diversos indicadores, descritos não apenas através de conjuntos de dados disponibilizados pelas prefeituras e prestadoras de serviços de grandes centros urbanos, mas também através de dados alternativos como os de redes sociais, aplicativos de celular, entre outros. Neste projeto, usaremos dados urbanos de fontes oficiais e alternativas para entender problemas relacionados ao processo de urbanização de grandes cidades, propor soluções e simular os efeito das soluções propostas. Utilizaremos conhecimentos das áreas de Banco de Dados, Engenharia de Software, Inteligência Artificial, Linguagens Formais, Otimização, Visão Computacional e Visualização de Informação para produzir metodologias, algoritmos e sistemas que dêem suporte a setores sensíveis da administração urbana como mobilidade urbana e infraestrutura, tentando responder questões como: Como melhorar o transporte público sem precisar de investimentos em obras de infraestrutura? Como preparar a cidade para a ocorrência de grandes volumes de chuva?. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Aline Marins Paes Carvalho - Integrante / Vanessa Braganholo - Integrante / Daniel Cardoso Moraes de Oliveira - Integrante / Marcos Lage - Coordenador / Leandro Augusto Frata Fernandes - Integrante / Bruno Lopes Vieira - Integrante / Yuri Frota - Integrante / Antonio Augusto de Aragão Rocha - Integrante / Vânia de Oliveira Neves - Integrante.
      Membro: Aline Marins Paes Carvalho.
    6. 2019-Atual. Apoio Computacional ao Desenho de Novas Drogas para Tratamento de Zika Usando Computacao em Larga-Escala Centrada em Dados
      Descrição: O vírus da Zika (ZIKV) faz parte de um grupo de doenças emergentes infecciosas que afetam em especial habitantes de países em desenvolvimento, incluindo o Brasil. O ZIKV é o responsável por graves anomalias congênitas em bebês, em especial a microcefalia. Dessa forma, para a populac?a?o desses pa??ses, a descoberta de novas drogas que possam ser usadas como tratamento para o ZIKV e? uma prioridade. Embora o Brasil tenha avanc?ado significativamente na u?ltima de?cada em va?rios campos da cie?ncia, as pesquisas em a?reas multidisciplinares como a bioinforma?tica ainda se encontram em amadurecimento, e estas desempenham um papel fundamental para a descoberta de novas drogas para o tratamento do ZIKV. Diversas pesquisas de sucesso no ramo da bioinforma?tica te?m proposto protocolos in silico (baseado em simulac?o?es computacionais) que utilizam ana?lises filogene?ticas/filogeno?micas e mais recentemente as ana?lises farmacofilogeno?micas. Esses protocolos normalmente envolvem um conjunto de programas que executam simulac?o?es cient??ficas e que sa?o encadeados formando um fluxo coerente de atividades, ao qual denominamos workflow. Entretanto, gerenciar um experimento nesse contexto na?o é ?uma tarefa trivial. Cada execuc?a?o de um workflow para descoberta de novas drogas para o ZIKV pode consumir e produzir um grande volume de dados, o que comumente requer o uso de ambientes de Processamento de Alto Desempenho (PAD), como clusters e supercomputadores, aliado a te?cnicas de paralelismo. Apesar de tais ambientes serem bastante utilizados, nos últimos anos temos visto o crescimento dos Ambientes de Computação em Larga Escala Centrada em Dados (DISC), que se baseiam em clusters de computadores de hardware comum, e seus frameworks associados como o Apache Spark que fornece processamento eficiente em memória. Um dos maiores desafios na gere?ncia de experimentos cient??ficos nesses ambientes DISC reside na distribuic?a?o das execuc?o?es das atividades dos workflows nos recursos de forma eficiente. Ale?m disso, devemos nos preocupar com a gere?ncia de metadados e com a ana?lise dos resultados obtidos, seja por meio de representação visual ou utilizando técnicas de aprendizado de máquina. O objetivo principal deste projeto de pesquisa esta? no desenvolvimento de novas te?cnicas de gere?ncia de experimentos cient??ficos baseados em simulac?a?o com o foco no apoio a? descoberta de novas drogas para o tratamento de ZIKV. Essa gere?ncia engloba a distribuic?a?o das simulac?o?es em ambientes DISC heteroge?neos (que envolvem nuvens de computadores, GPUs e clusters de computadores) e ana?lise dos resultados por meio de algoritmos de aprendizado de ma?quina e lo?gica. Todo o desenvolvimento sera? alicerc?ado em dados e processos reais fornecidos pela Fundação Oswaldo Cruz (FIOCRUZ) e pelo Laborato?rio Nacional de Bioinforma?tica (LabInfo) do Laborato?rio Nacional de Computac?a?o Cient?fica.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (5) / Doutorado: (3) . Integrantes: Aline Marins Paes Carvalho - Integrante / Leonardo Murta - Integrante / Vanessa Braganholo - Integrante / Marta Mattoso - Integrante / Daniel Cardoso Moraes de Oliveira - Coordenador / Isabel Rosseti - Integrante / Bruno Lopes Vieira - Integrante / Kary Ann del Carmen Ocaña Gautherot - Integrante / Yuri Frota - Integrante / Lúcia Maria de Assumpção Drummond - Integrante / Cristina Boeres - Integrante / Marcos Bedo - Integrante / Carla Osthoff - Integrante / Victor Ströele de Andrade Menezes - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    7. 2019-Atual. MEAnS: Aprendizado de Maquina Explicavel com Aplicacoes para o Bem-Estar Social
      Descrição: A área recentemente denominada de Inteligência Artificial (IA) para o bem-estar social (\textit{"AI for Social Good"}) investiga como desenvolver soluções baseadas em IA para resolver problemas da sociedade atual, tendo como inspiração as metas de desenvolvimento sustentável (MDS) estabelecidas pelas Nações Unidas. Argumenta-se que, tais metas e suas respectivas soluções são essenciais para alavancar o desenvolvimento das sociedades atuais, em termos de prosperidade, igualdade, democracia, e qualidade de vida, sem comprometer as gerações futuras. Entretanto, acreditamos que, por mais benéficas que sejam tais soluções baseadas em IA, elas não serão bem aceitas pela sociedade e governos se não oferecerem um processo de decisão transparente. Assim, nesse projeto, temos como foco desenvolver soluções de Aprendizado de Máquina para abordar alguns dos problemas citados nas MDS utilizando predições explicáveis. Serão desenvolvidos métodos baseados em Aprendizado Relacional e Aprendizado por Reforço, uma vez que os problemas selecionados estão ou em formato estruturado ou requerem um processo sequencial, contínuo, e adaptativo de tomada de decisão, justificando, respectivamente, o uso das duas sub-áreas mencionadas. Em ambos os casos, utilizaremos representações latentes embutidas em um espaço Euclidiano, de forma a se aproveitar de implementações recentes de Aprendizado Profundo (\textit{Deep Learning}). Ao mesmo tempo, ao desenvolver técnicas fundamentadas em IA explicável, aliviaremos o aspecto de caixa-preta oriundo do aprendizado baseado em representações latentes inerente aos métodos de Aprendizado Profundo. Para extrair as explicações do processo de inferência, nos valeremos de métodos de argumentação em lógica e diagramas de causalidade, de forma a conectar as causas relevantes e suas respectivas consequências que conduzem à resposta retornada pelo método. Esperamos, com isso, obter soluções que terão alto impacto na solução de problemas comuns da sociedade, ao mesmo tempo em que contribuiremos cientificamente com o estado-da-arte em Aprendizado de Máquina, com o desenvolvimento de métodos de inferência transparente e explicável.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (5) . Integrantes: Aline Marins Paes Carvalho - Coordenador / Valmir Carneiro Barbosa - Integrante / Esteban Clua - Integrante / Daniel de Oliveira - Integrante / Paulo Mann - Integrante / Henrique Bueno - Integrante / Sidney Araújo Melo - Integrante / Ashey Noblega - Integrante / Jéssica Soares dos Santos - Integrante / Marcelo Andrade R. D'Almeida - Integrante / Wallace Ferreira Baleroni - Integrante / Júlia Figueiredo Simão Falcão - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    8. 2018-Atual. Red Tematica Iberoamericana sobre Aplicaciones TICs para Ciudades Inteligentes
      Descrição: La propuesta de red temática TICs4CI plantea la creación de un entorno colaborativo abierto en el cual cada uno de los miembros del consorcio contribuya con su experiencia en la investigación y en el desarrollo de aplicaciones TICs para "ciudades inteligentes". El planteamiento del esquema de colaboración permitirá un enriquecimiento mutuo entre los miembros de la red, a la vez que facilitará el intercambio de las distintas soluciones, las cuales serán desarrolladas en una forma open-source. Los desarrollos serán validados en entornos reales por usuarios finales (empresas privadas e instituciones públicas). Desenvolvimentos relacionados con el desarrollo científico-tecnológico de la acción financiada y del área temática del Programa CYTED (Ciencia y tecnologia para el desarroyo - Madrid) para 2018 y una duración de 48 MESES (4 años). que la propuesta P517RT0176... Situação: Em andamento; Natureza: Pesquisa. Integrantes: Aline Marins Paes Carvalho - Integrante / Esteban Clua - Integrante / Aura Conci - Integrante / Débora Christina Muchaluat Saade - Integrante / Angel Sappa - Coordenador.
      Membro: Aline Marins Paes Carvalho.
    9. 2018-Atual. Solucoes Computacionais baseadas em Inteligencia Artificial para Uso Eficiente dos Dados do Campo de Libra
      Descrição: Construir um ambiente de análise semântica, desenvolver um sistema baseado em IA para uso no ambiente semântico e construir modelos de Aprendizado de Máquina a partir dos dados coletados no ambiente semântico.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado profissional: (3) / Doutorado: (3) . Integrantes: Aline Marins Paes Carvalho - Integrante / Esteban Clua - Coordenador / Daniel Cardoso Moraes de Oliveira - Integrante / Sidney Araújo Melo - Integrante / Ashey Noblega - Integrante / Alexandre Plastino - Integrante / Mauro Biondi - Integrante / Thaylon Guedes - Integrante.
      Membro: Aline Marins Paes Carvalho.
    10. 2017-2019. Desenvolvimento de Tecnicas e Algoritmos para Analise de Dados de Monitoramento da Construcao de Pocos
      Descrição: O processo de perfuração de poços de petróleo é extremamente dinâmico e um dos mais caros. A possibilidade de ter previsibilidade nas ocorrências pode evitar ou mitigar enormes perdas, tanto financeiras como humanas. Assim torna-se imprescindível a aplicação de técnicas e ferramentas que agilizem o processo de extração de informações relevantes para a tomada de decisão. Neste estudo pretende-se mapear técnicas de análise de dados de monitoramento, que possibilitem inferir eventos relevantes, na forma de padrões e predições, para as atividades de perfuração de poços de petróleo. O projeto também pretende mapear, à luz de cenários pré-definidos, um conjunto de técnicas que permitam a representação, análise e acesso eficiente à padrões em séries multidimensionais, obtidas a partir de observações levantadas das atividades de perfuração de poços de petróleo... Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado profissional: (3) / Doutorado: (1) . Integrantes: Aline Marins Paes Carvalho - Coordenador / Esteban Clua - Integrante / Fabiana Leta - Integrante / Gilson Lima - Integrante / Eduardo Charles Vasconcelos - Integrante / Geraldo Ferreira - Integrante / Evandro Pereira - Integrante.
      Membro: Aline Marins Paes Carvalho.
    11. 2016-2019. UFFeScience: Apoio Computacional a Experimentos de Larga Escala para Desenho de Novas Drogas para Tratamento de Doencas Tropicais
      Descrição: Doenças Tropicais Negligenciadas se refere a um grupo de doenças tropicais endêmicas que afetam em especial habitantes da Ásia, África e da América Latina. Algumas dessas DTN são responsáveis por altas taxas de mortalidade nessas regiões. Assim, para a população desses países, a descoberta de novas drogas que possam ser usadas como tratamento para as DTN é uma prioridade. Em especial no cenário brasileiro, e mais especificamente no estado do Rio de Janeiro, diversas DTN atingem parte da população, como por exemplo, a Dengue. Embora o Brasil tenha avançado significativamente na última década em vários campos da ciência, as pesquisas em áreas multidisciplinares como a bioinformática ainda estão em amadurecimento, e estas desempenham um papel fundamental para o desenvolvimento do país e do estado e para a descoberta de novas drogas para o tratamento das DTN. Diversas pesquisas de sucesso no ramo da bioinformática têm proposto protocolos in-silica (baseado em simulações computacionais) que utilizam análises filogenéticas/filogenônicas e mais recentemente as análises farmacofilogenônicas. Esses protocolos normalmente envolvem um conjunto de programas que executam simulações científicas e que são encadeados formando um fluxo coerente de atividades, ao qual denominamos workflow. Em um mesmo experimento de bioinformática para descoberta de novas drogas para DTN é comum que tenhamos mais de um workflow e que este mesmo workflow seja executado diversas vezes, variando-se dados de entrada e parametrização de configuração, a fim de confirmar ou refutar uma determinada hipótese. Entretanto, gerenciar um experimento nesse contexto não é uma tarefa trivial. Cada execução de um workflow pode consumir e produzir um grande volume de dados, o que comumente requer Processamento de Alto Desempenho (PAD) aliada a técnicas de paralelismo para produzir resultados em tempo hábil. A demanda por técnicas de gerência de experimentos em ambientes de PAD vem crescendo a cada ano, ao mesmo tempo em que surgem novos ambientes como as nuvens de computadores (que podem ser multi-site e federadas) e as unidades de processamento gráfico de propósito geral (GPGPUs). Um dos maiores desafios na gerência de experimentos científicos nesses ambientes reside na distribuição das execuções das atividades dos workflows nos recursos de forma eficiente. Essas execuções podem ser distribuídas em mais de um ambiente (cluster local, nuvem e GPGPU) e essa heterogeneidade insere uma complexidade adicional (e grande) no processo. Além disso, devemos nos preocupar com a gerência de metadados e com a análise dos resultados obtidos. Diversas pesquisas na área de mineração de dados e aprendizado de máquina têm sido propostas com foco na análise de grandes volumes de dados. Entretanto, os dados biológicos produzidos por esses experimentos não podem ser representados como tuplas chave-valor, como acontece tradicionalmente em algoritmos de mineração de dados (e.g. K-means). Dados biológicos são normalmente multi-relacionados, o que demanda técnicas de aprendizado de máquina mais complexas como a mineração de dados multi-relacional (MDMR). Uma vez que essas técnicas possam ser aplicadas/adaptadas no contexto de experimentos de bioinformática para descoberta de novas drogas podemos descobrir novos padrões de sequências, funções de genes e interações proteína-proteína que alavanquem investigações na terapia de DTN. O objetivo principal deste projeto de pesquisa está no desenvolvimento de novas técnicas de gerência de experimentos para DTN. Situação: Desativado; Natureza: Pesquisa. Integrantes: Aline Marins Paes Carvalho - Integrante / Vanessa Braganholo - Integrante / Daniel Cardoso Moraes de Oliveira - Coordenador / Cristina Nader Vasconcelos - Integrante / Isabel Rosseti - Integrante / Christiano de Oliveira Braga - Integrante / Bruno Lopes Vieira - Integrante / Yuri Frota - Integrante. Financiador(es): FAPERJ - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    12. 2016-2018. BioMiningHPC: Arquitetura baseada em Workflows, Mineracao e Proveniencia de Dados de Experimentos de Bioinformatica para Ambientes HPC no Apoio ao Estudo de Doencas Negligenciadas e Doencas Genomicas Raras em Humanos - APQ1 FAPERJ
      Descrição: Embora o Brasil tenha avançado significativamente nos últimos anos em vários campos das Ciências e tecnologias afins, pesquisas em áreas multidisciplinares como a bioinformática ainda são nascentes, mesmo sendo fundamentais para o desenvolvimento biotecnológico do país. As pesquisas biomédicas/biotecnológicas têm alavancado descobertas científicas devido à exploração da grande quantidade de dados coletada de pesquisas genômicas/proteômicas para a descoberta de padrões de sequências, funções de genes e interações proteína-proteína que alavanquem investigações de biomarcadores e/ou na terapia de doenças. Por outro lado, recentes progressos nas pesquisas na mineração de dados têm levado ao desenvolvimento de numerosos métodos eficientes/escaláveis para mineração, interessantes para os padrões/conhecimento em grandes bancos de dados e.g. métodos de classificação eficiente, análises de valores/resultados atípicos, frequência, métodos de análise de padrões estruturados, ferramentas de análise de dados temporal/espacial, e visualização. O desafio em questão é a melhor maneira de tornar experimentos de mineração de dados biológicos em larga escala em uma metodologia exitosa. Neste caso, o cientista precisa de um grau de abstração para poder atrelar as atividades domínio específicas da bioinformática a aquelas que melhor se adéquam ao algoritmo de mineração e acopla-los em uma arquitetura. Esses experimentos podem ser modelados como workflows e interconectados a Sistemas de Gerenciamento de Workflows Científicos, Sistemas de Gerenciamento de Banco de Dados e Sistemas Web. Desta maneira, workflows podem usufruir das vantagens de paralelismo e distribuição de ambientes de computação de alto desempenho como clusters de supercomputadores e recentemente nuvens. No entanto, a integração/uso desses ambientes apresentam outros muitos desafios relacionados principalmente à gerência de recursos em larga escala i.e. dados, tarefas, simulações computacionais, número de processadores.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Aline Marins Paes Carvalho - Integrante / Vanessa Braganholo - Integrante / Marta Mattoso - Integrante / Daniel Cardoso Moraes de Oliveira - Integrante / Luiz Gadelha - Integrante / Antônio Tadeu Azevedo Gomes - Integrante / Ana Tereza Ribeiro de Vasconcelos - Integrante / Kary Ann del Carmen Ocaña Gautherot - Coordenador.
      Membro: Aline Marins Paes Carvalho.
    13. 2016-Atual. Instituto de Estudos Comparados em Administracao de Conflitos - INCT-InEAC
      Descrição: O presente projeto aprovado na Chamada Nº 16/2014 INCT/MCT/CNPq/CAPES/FAPs do Programa Institutos Nacionais de Ciência e Tecnologia/CNPq, é resultado de articulação de uma rede nacional e internacional de instituições de ensino, pesquisa e extensão, reunidos há 06 anos no Instituto Nacional de Ciência e Tecnologia/Instituto de Estudos Comparados em Administração Institucional de Conflitos (INCT/In-EAC), aprovado, em abril de 2009, na Chamada Nº 15/2008 MCT/CNPq/FNDCT/CAPES/FAPEMIG/FAPERJ/FAPESP/ Institutos Nacionais de Ciência e Tecnologia. Esse programa é aqui consolidado e ampliado no sentido de promover ainda mais o trabalho de interlocução, inédito no Brasil, entre as ciências sociais e as ciências sociais aplicadas, especialmente entre a Antropologia e o Direito. A rede reunida nesse projeto integra Instituições e Grupos de pesquisa e programa de pós-graduação de sete estados brasileiros (RJ, MG, SP, PE, BA, RS, DF) e cinco países (Canadá, Argentina, França, Estados Unidos e Portugal). Este novo INCT tem como escopo da atuação a análise dos processos de administração institucional de conflitos e as formas não institucionais, especialmente, os processos de demanda de direitos e por reconhecimento por parte de diversos atores. Essas duas vias de pesquisa articulam-se com as ações propostas na área da transferência de conhecimento. No primeiro caso, trata-se de ações fortemente ancoradas nas tecnologias de formação, capacitação e interlocução como operadores dos sistemas de Segurança Pública, de Justiça e de outras burocracias estatais, gerando espaços de desconstrução e construção de matrizes e práticas institucionais e corporativas arraigadas nas formas de fazer do Estado no Brasil. No segundo caso, as ações serão inovadoras no sentido da construção de tecnologias sociais que promovam não a aplicação unilateral do conhecimento, mas a construção conjunta de formas de intervenção na esfera e nos espaços públicos que considerem diferentes pontos de vista e reivindicações das pessoas envolvidas nos conflitos tratados pelas agências públicas. No campo da atuação internacional do Instituto, as estratégias são tendentes à internacionalização de nossos pesquisadores e não só da produção por eles elaborada, como a publicação em revistas estrangeiras e participação em eventos acadêmicos internacionais. O foco da internacionalização do presente projeto é vencer os obstáculos impostos pela exclusão de nossa área do Programa Ciência Sem Fronteiras, para promover o intercâmbio institucional e fluido entre pesquisadores, estudantes e professores dos países envolvidos, como vistas à troca de experiências de pesquisa, de ambientes acadêmicos, mas, principalmente, para criar oportunidades para realização de pesquisas de campo em outros países, com a finalidade de produzir resultados que possam ser contrastados àqueles aqui obtidos. Assim, destaca-se que esse projeto se funda em uma perspectiva comparada e multidisciplinar de análise, pioneira no Brasil em relação à interlocução entre o Direito e as Ciências Sociais, no entendimento da Segurança Pública como um campo de disputas e consensos que vai além da criminalidade e da intervenção repressiva. LINHAS DE PESQUISA: 1. Concepções e sentidos de "igualdade", "cidadania" e "violência" 2. Processos de administração de conflitos: práticas institucionais e moralidades 3. Direitos, mercados e mobilizações coletivas.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Aline Marins Paes Carvalho - Coordenador / Thaiane Oliveira - Integrante.
      Membro: Aline Marins Paes Carvalho.
      Descrição: O presente projeto aprovado na Chamada Nº 16/2014 INCT/MCT/CNPq/CAPES/FAPs do Programa Institutos Nacionais de Ciência e Tecnologia/CNPq, é resultado de articulação de uma rede nacional e internacional de instituições de ensino, pesquisa e extensão, reunidos há 06 anos no Instituto Nacional de Ciência e Tecnologia/Instituto de Estudos Comparados em Administração Institucional de Conflitos (INCT/In-EAC), aprovado, em abril de 2009, na Chamada Nº 15/2008 MCT/CNPq/FNDCT/CAPES/FAPEMIG/FAPERJ/FAPESP/ Institutos Nacionais de Ciência e Tecnologia. Esse programa é aqui consolidado e ampliado no sentido de promover ainda mais o trabalho de interlocução, inédito no Brasil, entre as ciências sociais e as ciências sociais aplicadas, especialmente entre a Antropologia e o Direito. A rede reunida nesse projeto integra Instituições e Grupos de pesquisa e programa de pós-graduação de sete estados brasileiros (RJ, MG, SP, PE, BA, RS, DF) e cinco países (Canadá, Argentina, França, Estados Unidos e Portugal). Este novo INCT tem como escopo da atuação a análise dos processos de administração institucional de conflitos e as formas não institucionais, especialmente, os processos de demanda de direitos e por reconhecimento por parte de diversos atores. Essas duas vias de pesquisa articulam-se com as ações propostas na área da transferência de conhecimento. No primeiro caso, trata-se de ações fortemente ancoradas nas tecnologias de formação, capacitação e interlocução como operadores dos sistemas de Segurança Pública, de Justiça e de outras burocracias estatais, gerando espaços de desconstrução e construção de matrizes e práticas institucionais e corporativas arraigadas nas formas de fazer do Estado no Brasil. No segundo caso, as ações serão inovadoras no sentido da construção de tecnologias sociais que promovam não a aplicação unilateral do conhecimento, mas a construção conjunta de formas de intervenção na esfera e nos espaços públicos que considerem diferentes pontos de vista e reivindicações das pessoas envolvidas nos conflitos tratados pelas agências públicas. No campo da atuação internacional do Instituto, as estratégias são tendentes à internacionalização de nossos pesquisadores e não só da produção por eles elaborada, como a publicação em revistas estrangeiras e participação em eventos acadêmicos internacionais. O foco da internacionalização do presente projeto é vencer os obstáculos impostos pela exclusão de nossa área do Programa Ciência Sem Fronteiras, para promover o intercâmbio institucional e fluido entre pesquisadores, estudantes e professores dos países envolvidos, como vistas à troca de experiências de pesquisa, de ambientes acadêmicos, mas, principalmente, para criar oportunidades para realização de pesquisas de campo em outros países, com a finalidade de produzir resultados que possam ser contrastados àqueles aqui obtidos. Assim, destaca-se que esse projeto se funda em uma perspectiva comparada e multidisciplinar de análise, pioneira no Brasil em relação à interlocução entre o Direito e as Ciências Sociais, no entendimento da Segurança Pública como um campo de disputas e consensos que vai além da criminalidade e da intervenção repressiva. LINHAS DE PESQUISA: 1. Concepções e sentidos de "igualdade", "cidadania" e "violência" 2. Processos de administração de conflitos: práticas institucionais e moralidades 3. Direitos, mercados e mobilizações coletivas. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Roberto Kant de Lima - Coordenador / MARCO ANTONIO DA SILVA MELLO - Integrante / Lenin dos Santos Pires - Integrante / Fábio Reis Mota - Integrante / RONALDO JOAQUIM DA SILVEIRA LOBÃO - Integrante / JAQUELINE SINHORETTO - Integrante / Edílson Márcio Almeida da Silva - Integrante / LUIS ROBERTO CARDOSO DE OLIVEIRA - Integrante / Ana Paula Mendes de Miranda - Integrante / Simoni Lahud Guedes - Integrante / Maria Stella Amorim - Integrante / Laura Graziela F F Gomes - Integrante / Paulo Gabriel Hilu da Rocha Pinto - Integrante / ROBERTA DE MELLO CORRÊA - Integrante / KÁTIA SENTO SÉ MELLO - Integrante / HAYDÉE GLÓRIA CRUZ CARUSO - Integrante / Neiva Vieira da Cunha - Integrante / Lucía Eilbaum - Integrante / Eliane Cantarino O'Dwier - Integrante / Fernanda Duarte Lopes Lucas da Silva - Integrante / Frederico Policarpo de Mendonça Filho - Integrante / Jaqueline de Oliveria Muniz - Integrante / Sofia Tiscornia - Integrante / Rodrigo Ghiringhelli de Azevedo - Integrante / Daniel Schroeter Simião - Integrante / Glaucia Maria Pontes Mouzinho - Integrante / Bárbara Gomes Lupetti Baptista - Integrante / Marcos Alexandre Veríssimo - Integrante / Virgínia Karla Vivas Taveira - Integrante / Lúcio Pinho Duarte - Integrante / Maria Victoria Pita - Integrante / Claudio Salles - Integrante / Pedro Heitor Barros Geraldo - Integrante / Flavia Medeiros Santos - Integrante / Sonia Maria Oliveira de Castro - Integrante / Marta Fernández y Patallo - Integrante / Boris Maia e Silva - Integrante / José Colaço - Integrante / Izabel Saenger Nuñez - Integrante / Klever Paulo Leal Filipo - Integrante / Monica Garelli Machado - Integrante / Victor Rangel - Integrante / Michel Lobo - Integrante / João Vitor Freitas Duarte Abreu - Integrante / Sabrina Souza da Silva - Integrante / Wagner de Mello Brito - Integrante / Rafael Mário Iorio Filho - Integrante / Vivian Gilbert Ferreira Paes - Integrante / Mirian Alves de Souza - Integrante / Josie da Silva Lessa - Integrante / Nalayne Pinto - Integrante / Carlos Abraão Moura Valpassos - Integrante / Eduardo Cerqueira Batitucci - Integrante / Jacqueline Sinhoretto - Integrante / Soraya Silveira Simões - Integrante / Patricia Silveira de Farias - Integrante / Talitha Mirian do Amaral Rocha - Integrante / Fernanda Duarte - Integrante / Yolanda Gaffree Ribeiro - Integrante / Luciane Patrício - Integrante / Marcelo da Silveira Campos - Integrante / Antonio Claudio Ribeiro da Costa - Integrante / Cristina Teixeira Marins - Integrante / Yuri José de Paula Motta - Integrante / Lucas Ribeiro Rocha - Integrante / Mateus Rangel Costa Vieira - Integrante / Joana Penêdo - Integrante / Maurício Guimarâes - Integrante / Karinna Souza - Integrante / Rebeca Lima - Integrante / Marcus menezes - Integrante / Bruna Alvarenga - Integrante / Mylene Castro - Integrante / Nínive Condeixa Gomes - Integrante / Naylane Mendnça Pinto - Integrante / fernanda bestetti de vasconcellos - Integrante / milena dalla bernardina - Integrante / juliana vinuto - Integrante / maria carolina schilitter - Integrante / luana martins - Integrante / camila farias - Integrante / paula de almeida pereira - Integrante / caroline momente - Integrante / Sula Omari - Integrante / Paloma Rodrigues Moreira - Integrante / Paloma Abreu Monteiro - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro / Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa / Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro / Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Bolsa / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa.
      Membro: Roberto Kant de Lima.
    14. 2013-2018. Aprendizado de Maquina Relacional como Realizador do Processo de Tomada de Decisao em Redes Sem Fio Cognitivas
      Descrição: Canais de redes sem fio são controlados por políticas rígidas e fixas, definidas previamente por agências governamentais. Tal divisão acarreta em uma sub-utilização de muitas porções do spectrum, uma vez que muitos usuários primários dos serviços, espalhados em regiões geográficas distintas, os usam apenas esporadicamente. Considere, por exemplo, os canais destinados à serviços de emissoras de TV. Existem certas regiões que não ocupam todo o spectrum dedicado a esse serviço, uma vez que muitos usuários não assistem TV o tempo todo. Esses canais poderiam ser destinados a usuários secundários enquanto não estivessem sendo usados (ou se estivessem sendo usados pouco) por usuários primários. Rádios cognitivos tem surgido como uma solução para o problema da sub-utilização dos canais de acesso sem fio. O objetivo de um rádio cognitivo é acessar dinamicamente e oportunisticamente porções do spectrum sem fio não utilizadas ou sub-utilizadas. Para tanto, os rádios cognitivos são controlados por software e devem ter a capacidade de perceber o ambiente, aprender as melhores ações e políticas de acesso, reconfigurar seus parâmetros de acordo com esse aprendizado e raciocionar a partir do conhecimento adquirido e percebido para executar alguma ação. Tais características podem ser agregadas a um rádio cognitivo por meio de técnicas de Inteligência Artificial. No entanto, as soluções apresentadas até agora tentam evoluir em cada característica de maneira isolada, propondo soluções de sensoriamento, representação de conhecimento ou aprendizado separadamente. Com isso, as vantagens da combinação de aprendizado de máquina com representação do conhecimento e raciocínio não são alcançadas. Nesse projeto de pesquisa, desenvolveremos soluções para a realização dos rádios cognitivos como meio padrão de distribuição de acesso sem fio por meio de métodos de aprendizado de máquina relacional. Abordaremos estratégias de raciocínio executadas em uma base de conhecimento descrita de forma expressiva; mais importante, algoritmos de aprendizado que expressam exemplos e hipóteses por meio de tais linguagens desenvolvidos. Tais algoritmos deverão ser capazes de refinar o conhecimento conforme mudanças no ambiente em que o rádio estiver operando; ou seja o aprendizado ocorrerá de forma adaptativa e incremental. Além disso, com a evolução do projeto, desenvolveremos algoritmos que permitam o aprendizado distribuído por vários rádios cognitivos, de forma que tais rádios possam se comunicar, cooperar e transmitir conhecimento adquirido. Com essas soluções, esperamos construir um componente cognitivo ideal para rádios oportunistas atuando em redes sem fio. Os algoritmos desenvolvidos também poderão ser aplicados em outros domínios igualmente desafiantes, complexos e dinâmicos.. Situação: Desativado; Natureza: Pesquisa. Integrantes: Aline Marins Paes Carvalho - Coordenador / Gerson Zaverucha - Integrante / Valmir Carneiro Barbosa - Integrante / Fabio Rocha Jimenez Vieira - Integrante. Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro / Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    15. 2013-2017. DocX ? Processamento de consultas e gerencia de versoes de documentos XML
      Descrição: O volume de dados XML disponível atualmente vem crescendo cada vez mais. Este fato faz com que a necessidade de mecanismos eficientes de gerência de dados XML seja cada vez maior. Nesse projeto, tratamos de dois problemas diretamente relacionados à gerência de dados XML: processamento de consultas e gerência de versões. Existem vários trabalhos na literatura que lidam com o problema de processar consultas sobre dados XML. Uma abordagem bastante utilizada reside no processamento de consultas em paralelo. Para isso, os dados precisam estar distribuídos em diversos nós de uma rede. Fazer uma fragmentação fixa a priori pode gerar muito desbalanceamento de carga no processamento das consultas. A fragmentação virtual flexibiliza a rigidez da fragmentação física que é fixa. Por ser dinâmica, a fragmentação virtual tem se mostrado um uma boa alternativa para ganho de desempenho no processamento de consultas. No entanto, a abordagem existente, proposta pela proponente e sua equipe, ainda sofre de problemas de balanceamento de carga. Além disso, nem sempre o ambiente disponível dispõe de diversos nós de processamento para executar as consultas. Visando atender também a esse tipo de ambiente, em trabalhos anteriores comparamos o desempenho de processadores de consulta XQuery com máquinas de inferência Prolog. Surpreendentemente, diversas consultas executadas nas máquinas de inferência Prolog obtiveram melhor desempenho do que as consultas equivalentes executadas em processador XQuery nativo. No entanto, este estudo inicial usou traduções ad-hoc que precisam ser sistematizadas e mais bem estudadas. Que tipo de consulta se beneficia do uso de máquina de inferência em seu processamento? Como traduzir consultas XML para consultas Prolog automaticamente? Outra questão primordial que tem recebido pouca atenção na literatura é a gerência de versões de documentos XML. Para que o controle de versões seja efetivo, são necessárias três operações: diff2 (que calcula a diferença entre duas versões consecutivas), diff3 (que calcula a diferença entre duas versões alternativas derivadas da mesma versão base), e merge (que consolida em um único documento as mudanças realizadas em duas versões alternativas). As técnicas existentes exploram a sintaxe e conteúdo do documento para o cálculo do diff2 [Cobena et al. 2002; Wang et al. 2003; Santos and Hara 2007; Sundaram and Madria 2012]. Técnicas para diff3 e merge têm recebido pouca atenção. Essas são questões que este projeto de pesquisa pretende investigar. Como resultados deste projeto, esperam-se novos algoritmos para processamento de consultas XML, tanto em ambientes distribuídos quanto em ambientes centralizados, novas estratégias para gerência de versões, com algoritmos capazes de identificar grandes conjuntos de alterações entre duas versões, além de algoritmos de diff3 e merge para XML. Além disso, pretende-se implementar esses algoritmos em protótipos possam ser disponibilizados para a comunidade científica. Os frutos esperados desse projeto também incluem publicações em veículos de boa qualidade e a formação de pelo menos três alunos de mestrado, dois de doutorado e três de graduação.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Aline Marins Paes Carvalho - Coordenador / Leonardo Murta - Integrante / Vanessa Braganholo - Integrante / Marta Mattoso - Integrante / Daniel Cardoso Moraes de Oliveira - Integrante / Fábio Gomes dos Santos - Integrante / Rafael de Araújo Martinho Pinheiro - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    16. 2013-2016. Predicao de Falhas em Requisicoes de Software com Aprendizado Relacional e Processamento de Linguagem Natural
      Descrição: Requisitos de softwares complexos usualmente são incompletos, contêm ambiguidades e inconsistências e falham em antecipar todas as mudanças que ocorrerão durante o desenvolvimento. Tal característica cria os riscos de requerimentos, ou seja, os riscos associados ao desenvolvimento de uma requisição que não está bem definida. Como em muitos casos teremos requisições imperfeitas é necessário ao menos que os requerimentos sejam bons o suficiente para minimizar riscos futuros ao projeto. Entretanto, decidir de antemão quais requisições merecem de fato atenção ou não, ou quais requisições serão bem sucedidas, não é uma tarefa trivial. Por outro lado, a análise de requisições passadas, comparadas às requisições correntes, podem indicar quais delas merecem atenção e concluir que recursos não serão desperdiçados durante o seu desenvolvimento. Nesse projeto, utilizamos técnicas de aprendizado de máquina relacional, processamento de linguagem natural e análise de redes sociais de desenvolvedores para predizer em quais requisições de sistemas de software livre esforço deve ser desprendido. Para tanto, serão utilizados os dados postados em sistemas como Bugzilla, relativos a projetos diversos como Facebook, Mozilla, Minecraft, entre outros.. Situação: Desativado; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) . Integrantes: Aline Marins Paes Carvalho - Coordenador / Letícia Duboc - Integrante / Carolina Ransatto - Integrante / Gabriela Gomes Silva - Integrante.
      Membro: Aline Marins Paes Carvalho.
    17. 2013-2016. SciCumulus2 - Infraestrutura Computacional para Execucao de Experimentos Cientificos em Nuvens de Computadores, Universal CNPq
      Descrição: Nos últimos anos, a comunidade acadêmica tem percebido um aumento na quantidade de experimentos científicos baseados em simulações computacionais. Muitos destes experimentos são atualmente modelados como workflows científicos e demandam grande capacidade de processamento. Existem diversos ambientes de processamento de alto desempenho já consolidados e disponíveis como clusters e grades computacionais, porém as nuvens de computadores têm ganhado bastante importância devido à sua grande adoção no mundo corporativo. Para que workflows científicos possam se beneficiar de características de nuvens, como a elasticidade e a alta disponibilidade, foi desenvolvido o SciCumulus, uma máquina de execução de workflows, que paraleliza e coordena a execução dos mesmos em ambientes de nuvem. O SciCumulus foi produto da tese de doutorado do proponente e representou um passo muito importante nesse cenário. Com base no sucesso de sua utilização em diversos workflows reais, novas demandas surgiram por parte dos usuários. Além disso, desafios advindos da própria avaliação experimental do SciCumulus levaram à concepção desta nova etapa do SciCumulus, proposta neste projeto de pesquisa. Assim, este projeto tem como objetivo aprofundar a contribuição que sistemas como o SciCumulus podem oferecer em ambientes de nuvens computacionais e propor novas heurísticas de escalonamento, explorar a distribuição de dados do workflow científico e trabalhar na segurança desses dados. Tais desenvolvimentos deverão ser incorporados em uma nova versão dessa infraestrutura denominada SciCumulus2.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . Integrantes: Aline Marins Paes Carvalho - Integrante / Daniel de Oliveira - Coordenador / Leonardo Murta - Integrante / Vanessa Braganholo - Integrante / Marta Mattoso - Integrante / Kary Ocaña - Integrante / Eduardo Ogasawara - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    18. 2013-2014. Gerencia de Experimentos Cientificos Datacentricos em Nuvens de Computadores, APQ1 FAPERJ
      Descrição: Técnicas de distribuição de atividades e paralelismo de dados em ambientes distribuídos vêm sendo objeto de pesquisas recentes, obtendo resultados significativos no aumento de desempenho de aplicações que lidam com grandes volumes de dados. Estas aplicações incluem experimentos científicos baseados em simulação. Seu uso vem crescendo rapidamente nos últimos anos, o que fez com que diversos cientistas começassem a modelar seus experimentos como workflows científicos. Entretanto, a demanda por técnicas de gerência de dados distribuídos vem crescendo, ao mesmo tempo em que surgem novos cenários de processamento distribuído e paralelo como as nuvens de computadores. Um dos maiores desafios na gerência de experimentos científicos em nuvens de computadores reside na exploração das características da nuvem como elasticidade. Além disso, devemos nos preocupar com a gerência de metadados e a gerência das aplicações (programas) e na composição dessas aplicações. O objetivo principal deste projeto de pesquisa está na geração de novas técnicas de gerência da execução de experimentos científicos em nuvens de computadores. Dentre as novas técnicas de gerência de recursos distribuídos, daremos ênfase à eficiência em: (i) captura e consultas a bases de dados de proveniência distribuídas e (ii) gerência e execução de workflows científicos. Todo o desenvolvimento será guiado pelos aspectos da organização e gerência de dados científicos em experimentos científicos, utilizando como estudo de caso workflows da área de aprendizado de máquina relacional para o estudo de redes sociais. Este experimento necessita realizar uma análise exploratória e se apresenta como um experimento em larga escala que depende de técnicas especializadas no que tange à sua execução paralela e a gerência dos dados.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . Integrantes: Aline Marins Paes Carvalho - Integrante / Daniel de Oliveira - Coordenador / Leonardo Murta - Integrante / Vanessa Braganholo - Integrante. Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    19. 2013-Atual. Aprendizado de Maquina por Transferencia em Dominios Relacionais Incertos
      Descrição: Algoritmos tradicionais de aprendizado de máquina são baseados em duas suposições principais: (1) que os dados e atributos estão no mesmo espaço e na mesma distribuição e (2) que a linguagem utilizada para representar o conhecimento é baseada em proposições, no formato de atributo-valor. Um problema inerente da primeira suposição é que se a distribuição mudar, os algoritmos terão que reiniciar o aprendizado, desconsiderando o que foi aprendido anteriormente. Com relação a segunda suposição, os modelos aprendidos falharão em capturar relacionamentos existentes entre objetos distintos e suas propriedades. Esse projeto de pesquisa tem como objetivo propor soluções para resolver esses dois problemas: desenvolver algoritmos e ferramentas que possibilitem a transferência de conhecimento aprendido anteriormente, a partir de um domínio fonte para um domínio alvo; e representar os exemplos, conhecimento prévio e hipóteses usando linguagens de representação relacional. Para lidar com a incerteza inerente aos problemas reais, serão empregadas técnicas de raciocínio probabilístico. A linguagem utilizada será composta de construtores para definição de conceitos, hierarquias, relacionamentos, propriedades de objetos e manipulação de incerteza. Os algoritmos propostos atuarão tanto no aprendizado supervisionado como em aprendizado por reforço. As soluções propostas serão empiricamente avaliadas em diversos problemas reais, incluindo redes sociais e biológicas, problemas da web semântica, transmissão de dados em rádios sem fio cognitivos e predição de falhas em projetos de software.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) . Integrantes: Aline Marins Paes Carvalho - Coordenador / Victor Augusto Lopes Guimarães - Integrante. Financiador(es): Universidade Federal Fluminense - Auxílio financeiro.
      Membro: Aline Marins Paes Carvalho.
    20. 2012-2016. Aprendizado Automatico de Ontologias
      Descrição: Web semântica é um movimento colaborativo que tem como meta a incorporação de conteúdo semântico na web, que possa ser processável por programas de computador. Para atingir tal meta, ontologias são usadas para descrever conceitos e classicar entidades e suas propriedades. Ontologias podem ser especicadas através de especialistas do domínio ou a partir de ferramentas de extração automática de informação. Entretanto, os construtores das linguagens usadas para especicar ontologias não são capazes de representar generalizações de relacionamentos e propriedades entre entidades do domínio de conhecimento. Para descrever tais generalizações, podem ser usadas regras seguindo por exemplo a sintaxe e semântica de Programação Lógica. Nesse projeto de pesquisa investigamos o aprendizado automático de regras de programação lógica a partir de ontologias, usando e adaptando algoritmos de aprendizado de máquina relacional. Adicionalmente, desenvolveremos algoritmos de aprendizado relacional para o aprendizado de regras combinadas com axiomas de ontologias.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (1) . Integrantes: Aline Marins Paes Carvalho - Integrante / Kate Revoredo - Integrante / João Carlos Pereira da Silva - Coordenador / Carla Amor divino Moreira delgado - Integrante / Bruno Moreira Coimbra - Integrante.
      Membro: Aline Marins Paes Carvalho.

Prêmios e títulos

  • Total de prêmios e títulos (11)
    1. Best paper award - 30th International Conference on Inductive Logic Programming (ILP)/1st International Conference on Learning & Reasoning, Machine Learning.. 2021.
      Membro: Aline Marins Paes Carvalho.
    2. Orientadora (externa) de uma das 10 dissertações de mestrado selecionadas para o Concurso de Teses e Dissertações (Rodrigo Azevedo Santos), Sociedade Brasileira de computação (SBC).. 2020.
      Membro: Aline Marins Paes Carvalho.
    3. Orientadora de uma das três vencedoras do Microsoft Latin America PhD Awards (Jéssica Soares dos Santos), Microsoft.. 2020.
      Membro: Aline Marins Paes Carvalho.
    4. Orientadora (externa) da segunda melhor dissertação de mestrado no Concurso de Teses e Dissertações em Inteligência Artificial e Computacional (CTDIAC 2020) (Rodrigo Azevedo Santos), CEIA/CEIC/SBC.. 2020.
      Membro: Aline Marins Paes Carvalho.
    5. Coorientadora da terceira melhor dissertação de mestrado no Concurso de Teses e Dissertações em Jogos (CTD-Jogos 2020) (Sidney Araujo Melo), SBC/CE-Jogos.. 2020.
      Membro: Aline Marins Paes Carvalho.
    6. Paraninfa da Turma 2018/2 de Ciência da Computação da UFF, Universidade Federal Fluminense., .. 2019.
      Membro: Aline Marins Paes Carvalho.
    7. Jovem Cientista do Nosso Estado, Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro - FAPERJ.. 2019.
      Membro: Aline Marins Paes Carvalho.
    8. Professora Homenageada na Turma 2018/1 de Ciência da Computação da UFF, Universidade Federal Fluminense., Universidade Federal Fluminense.. 2018.
      Membro: Aline Marins Paes Carvalho.
    9. Melhor artigo do Latin America High Performance Computing Conference (CARLA 2015),, Sociedade Brasileira de Computação.. 2015.
      Membro: Aline Marins Paes Carvalho.
    10. Professora Homenageada na Turma 2014/2 de Ciência da Computação da UFF, Universidade Federal Fluminense., Universidade Federal Fluminense.. 2015.
      Membro: Aline Marins Paes Carvalho.
    11. Primeiro lugar no VIII Concurso de Teses em Inteligência Artificial (CTDIA 2012) (teses defendidas entre Junho de 2010 e Maio de 2012), CEIA / SBC.. 2012.
      Membro: Aline Marins Paes Carvalho.

Participação em eventos

  • Total de participação em eventos (12)
    1. Accelerating Actions and Promoting Digital Wellness (DW) in the context of Artificial Intelligence(AI). Artificial Intelligence and Media and Information Literacy to tackle scientific disinformation. 2021. (Congresso).
    2. Workshop de Colaboração Online.Painel Redes de Colaboração. 2021. (Simpósio).
    3. Symposium on Knowledge Discovery, Mining and Learning (KDMile). Learning Representations for Natural Language Processing: methods, applications, and challenges. 2020. (Congresso).
    4. Conexões Petrobrás Digital. Aprendizado Relacional em Grafos de Conhecimento: dos Símbolos aos Neurônios. 2019. (Congresso).
    5. Niterói: Cidade Inteligente.Como a Inteligência Artificial pode contribuir para a construção de cidades mais inteligentes e humanas?. 2018. (Seminário).
    6. International Joint Conference on Artificial Intelligence (IJCAI 2016). 2016. (Congresso).
    7. Brazilian Conference on Intelligent Systems (BRACIS). Looking at the Bottom and the Top: A Hybrid Logical Relational Learning System Based on Answer Sets. 2015. (Congresso).
    8. Brazilian Conference on Intelligent Systems (BRACIS). Syntactic Compression of DL Terminologies. 2014. (Congresso).
    9. 23rd International Conference on Inductive Logic Programming. 2013. (Congresso).
    10. BRACIS 2013. 2013. (Congresso).
    11. Encontro Nacional de Inteligência Artificial e Computacional (ENIAC). 2013. (Congresso).
    12. Brazilian Conference on Intelligent System (BRACIS 2012). On the Effective Revision of (Bayesian) Logic Programs from Examples. 2012. (Congresso).

Organização de eventos

  • Total de organização de eventos (4)
    1. PAES, A.; BERNARDINI, F.. Track Chair (Advances on AI) 15th ACS/IEEE International Conference on Computer Systems and Applications AICCSA 2018. 2018. Congresso
    2. BRITTO, A. ; PAES, A.. Coordenadora de Programa do 14th Encontro Nacional de Inteligência Artificial e Computacional. 2017. Congresso
    3. PAES, A.. Program Chair do Thesis and Dissertations Contest on Computational and Artificial Intelligence (CTDIAC). 2014. (Concurso).. . 0.
    4. PAES, A.. Local Chair do 23rd International Conference on Inductive Logic Programming. 2013. (Congresso).. . 0.

Lista de colaborações



(*) Relatório criado com produções desde 2010 até 2021
Data de processamento: 06/11/2021 15:23:38