Especialistas Seniores em Covid-19 com atuação no Brasil

Yandre Maldonado e Gomes da Costa

possui graduação em Ciência da Computação pela Universidade Estadual de Maringá (1996), especialização em Computação Aplicada ao Ensino também pela Universidade Estadual de Maringá (1998), mestrado em Ciência da Computação pela Universidade Federal do Rio Grande do Sul (2002), doutorado em Computação pela Universidade Federal do Paraná e Pós-doutorado pela Pontifícia Universidade Católica do Paraná (2020). Atualmente é professor adjunto no Departamento de Informática da Universidade Estadual de Maringá (UEM). Atua como membro permanente do Programa de Pós-graduação em Ciência da Computação da UEM desde 2014, desenvolvendo pesquisa em reconhecimento de padrões. (Texto informado pelo autor)

  • https://lattes.cnpq.br/5111623148244343 (29/10/2021)
  • Rótulo/Grupo:
  • Bolsa CNPq: Nível 2 (***
  • Período de análise:
  • Endereço: Universidade Estadual de Maringá, Centro de Tecnologia, Departamento de Informática. Av. Colombo, 5790 - Bloco C56 - Sala 214 Jardim Universitário 87020900 - Maringá, PR - Brasil Telefone: (44) 30114059 Fax: (44) 30114324 URL da Homepage: www.din.uem.br
  • 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 (4)
    1. 2019-Atual. Reconhecimento de padroes: aplicacoes, extracao de caracteristicas e esquemas de classificacao - Fase II
      Descrição: Na história recente da computação, importantes avanços têm acontecido na área de reconhecimento de padrões. Reconhecimento de padrões é a área que trata de classificar itens, ou objetos, de acordo com determinadas categorias, ou classes, previstas no domínio de aplicação do problema. Muitos são os exemplos de aplicações para as quais já se percebe o uso, cada vez mais freqüente, de sistemas que procuram reconhecer padrões automaticamente. A seguir, é apresentada a seqüência clássica de etapas prevista em tarefas de reconhecimento de padrões e, em seguida, serão descritos alguns exemplos de aplicações bastante difundidas nos dias atuais. Alguns avanços recentes no campo das pesquisas em reconhecimento de padrões indicam caminhos potencialmente promissores para o desenvolvimento de pesquisas. Tanto pensando-se no desenvolvimento de novos métodos que possam apoiar o processo como um todo, quando pensando-se na busca da superação do desempenho descrito no estado da arte levando-se em conta os mais diferentes domínios de aplicação. Dentre esses avanços, conceitos ou técnicas que podem ser utilizadas no desenvolvimento das investigações a serem realizadas neste projeto estão: aprendizagem de representação, dissimilaridade, classificação multirrótulo. Com o desenvolvimento deste projeto, pretende-se investigar o desempenho de técnicas como as supracitadas, e o uso de diferentes tipos de características e esquemas de classificação em aplicações de reconhecimento de padrões.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (3) / Doutorado: (3) . Integrantes: Yandre Maldonado e Gomes da Costa - Coordenador / Diego Bertolini Gonçalves - Integrante / Luiz Eduardo Soares Oliveira - Integrante / Rafael de Lima Aguiar - Integrante / Loris Nanni - Integrante / Rafael Henrique Dalegrave Zottesso - Integrante / Carlos Nascimento Silla Junior - Integrante / Gustavo Henrique Gomes Matsushita - Integrante / Max Naegeler Roecker - Integrante / Gustavo Zanoni Felipe - Integrante / Rodolfo Miranda Pereira - Integrante / Alceu de Souza Britto Junior - Integrante / Rafael Biazus Mangolin - Integrante / Fabio Pinhelli - Integrante.
      Membro: Yandre Maldonado e Gomes da Costa.
    2. 2017-Atual. Uma Plataforma Avancada para Recomendacao Automatica de Pontos de Interesse em Cidades Brasileiras
      Descrição: O projeto se fundamenta em uma visão inovadora de uma plataforma sensível ao contexto para recomendação de pontos de interesse, a qual será provida de mecanismos para coleta automática de dados da web, extração automática de pontos de interesse e informação contextual, e aprendizado de modelos de recomendação sensíveis ao contexto. Para acesso a plataforma, também será desenvolvida uma aplicação móvel (mobile app) para telefones celulares inteligentes (smartphones). A aplicação será dotada de mecanismos para aquisição de informação contextual do usuário a partir de dispositivos móveis, e de uma interface para que o usuário possa solicitar recomendações de acordo com as suas necessidades. Com estas informações será possível modelar o perfil do usuário, e baseado neste perfil, a plataforma será capaz de gerar as recomendações de interesse para ele. Além disso, a aplicação móvel também será dotada de mecanismos/interfaces para coleta de comentários dos usuários, sendo estes, utilizados pela plataforma para melhorar a qualidade das recomendações (utilizando técnicas de análise de opiniões e sentimentos). (Protocolo UEM 10876/2016 - Convênio UEM Fundação Araucária 02/2017 - Protocolo 47223). Situação: Em andamento; Natureza: Pesquisa. Integrantes: Yandre Maldonado e Gomes da Costa - Integrante / Valéria Delisandra Feltrim - Integrante / Marcos Aurélio Domingues - Coordenador / Raoni Simões Ferreira - Integrante. Financiador(es): Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Yandre Maldonado e Gomes da Costa.
    3. 2014-2019. Reconhecimento de padroes: aplicacoes, extracao de caracteristicas e esquemas de classificacao
      Descrição: Com o desenvolvimento deste projeto será(ão) identificado(s) problema(s) do mundo real cuja solução possam ser estabelecida pela construção de um sistema de reconhecimento de padrões. Uma vez identificado(s) o(s) problema(s), serão investigadas características para descrever os padrões a serem classificados. As características devem ser escolhidas levando-se em consideração o potencial das mesmas para permitir uma discriminação adequada dos padrões diante das classes definidas no problema. Adicionalmente, serão investigados esquemas de classificação que possam favorecer o desempenho dos sistemas classificadores desenvolvidos, possivelmente empregando multi-classificadores.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (9) / Mestrado acadêmico: (10) / Doutorado: (2) . Integrantes: Yandre Maldonado e Gomes da Costa - Coordenador / Marco Aurélio Deoldoto Paulino - Integrante / Rafael de Lima Aguiar - Integrante / Rafael Henrique Dalegrave Zottesso - Integrante / Juliano Cezar Chagas Tavares - Integrante / Gustavo Henrique Gomes Matsushita - Integrante / Max Naegeler Roecker - Integrante / Vinícius Dias Valério - Integrante / Rodolfo Miranda Pereira - Integrante / Rafael Biazus Mangolin - Integrante / Fabio Pinhelli - Integrante.
      Membro: Yandre Maldonado e Gomes da Costa.
    4. 2013-2016. Integracao, compartilhamento e otimizacao de praticas e metodos de ensino-aprendizagem pela capacitacao de recursos humanos e geracao de material didatico com novas tecnologias de informacao e comunicacao. Convenio N. 105/2010-CAPES-UEM.
      Situação: Concluído; Natureza: Pesquisa. Integrantes: Yandre Maldonado e Gomes da Costa - Integrante / Dante Alves Medeiros Filho - Coordenador. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa.
      Membro: Yandre Maldonado e Gomes da Costa.

Prêmios e títulos

  • Total de prêmios e títulos (1)
    1. Co-orientador da tese de doutorado vencedora do VII Concurso Latino-Americano de Tese de Doutorado (CLTD 2021), Centro Latinoamericano de Estudios en Informática - CLEI.. 2021.
      Membro: Yandre Maldonado e Gomes da Costa.

Participação em eventos

  • Total de participação em eventos (22)
    1. 22nd IEEE International Symposium on Multimedia.Multi-label Emotion Classification in Music Videos Using Ensembles of Audio and Video Features. 2020. (Simpósio).
    2. 2019 International Conference on Systems, Signals and Image Processing. Vehicle detection and classification in traffic images using ConvNets with constrained resources, Offline Handwritten Script Recognition, Representation Learning and Dissimilarity for Writer Identification. 2019. (Congresso).
    3. 31st International Conference on Tools with Artificial Intelligence. Multi-label Emotion Classification in Music Videos Using Ensembles of Audio and Video Features. 2019. (Congresso).
    4. 5ª Mostra de Produção Científica da Educação Profissional e Tecnológica.A trajetória e os desafios de um pesquisador brasileiro. 2019. (Outra).
    5. Projetos de Desenvolvimento Tecnológico e Inovação. 2019. (Outra).
    6. 31st International Florida Artificial Intelligence Research Society Conference. A resampling approach for imbalanceness on music genre classification using spectrograms. 2018. (Congresso).
    7. IEEE International Conference on Systems, Man, and Cybernetics (SMC2018). Segmentation of Similar Images Based on Hierarchical Segmentation and Texture Analysis. 2018. (Congresso).
    8. II - Mostra Ciência na Praça - Mostra de Atividades da Pós-graduação da UEM. Programa de pós-graduação em Ciência da Computação. 2018. (Exposição).
    9. 22nd IBEROAMERICAN CONGRESS ON PATTERN RECOGNITION. Forensic document examination: who is the writer?. 2017. (Congresso).
    10. 22nd IBEROAMERICAN CONGRESS ON PATTERN RECOGNITION. Knowledge transfer for writer identification. 2017. (Congresso).
    11. XLIII Conferencia Latinoamericana de Informática. Music Mood Classification Using Visual and Acoustic Features.. 2017. (Congresso).
    12. 28th International Conference on Tools with Artificial Intellignece. Combining visual and acoustic features for bird species classification. 2016. (Congresso).
    13. XLI Conferencia Latinoamericana de Informática. Bird Species Classification Using Spectrograms. 2015. (Congresso).
    14. 22nd International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision. Set of Texture Descriptors for Music Genre Classification. 2014. (Congresso).
    15. I SEINFO - Semana de Informática da UTFPR-CM.Identificação de Gêneros Musicais Usando Descritores de Textura. 2014. (Encontro).
    16. I Seminário Científico e Tecnológico do Programa de Pós-Graduação em Ciência da Computação.Reconhecimento de Gêneros Musicais utilizando Espectrogramas. 2014. (Seminário).
    17. XVI Semana da Informática e XIII Mostra de Trabalhos de Iniciação Científica.Reconhecimento de Gêneros Musicais. 2014. (Outra).
    18. 18th Iberoamerican Congress on Pattern Recognition (CIARP). Music Genre Recognition Using Gabor Filters and LPQ Texture Descriptors. 2013. (Congresso).
    19. 20th International Conference on Systems, Signal and Image Processing. Music Genre Recognition Based on Visual Features with Dynamic Ensemble of Classifiers Selection. 2013. (Congresso).
    20. 18th International Conference on Systems, Signal and Image Processing. Music Genre Recognition using Spectrograms. 2011. (Congresso).
    21. XXXI Congresso da Sociedade Brasileira de Computação. Classificação de Gêneros Musicais por Texturas no Espaço de Frequência. 2011. (Congresso).
    22. XXXVII Conferência Latinoamericana de Informática. Uso de descritores de textura extrados de GLCM para o reconhecimento de padrões em diferentes domínios de aplicação. 2011. (Congresso).

Organização de eventos

  • Total de organização de eventos (1)
    1. COSTA, Y. M. G.. VIII Fórum de Informática e Tecnologia de Maringá. 2008. (Outro).. . 0.

Lista de colaborações



(*) Relatório criado com produções desde 2010 até 2021
Data de processamento: 06/11/2021 15:23:31