Especialistas Seniores em Covid-19 com atuação no Brasil

Solange Oliveira Rezende

Possui graduação em Licenciatura em Ciências Habilitação Matemática pela Universidade Federal de Uberlândia (1986), mestrado em Ciências de Computação e Matemática Computacional pela Universidade de São Paulo (1990) e doutorado em Engenharia Mecânica - São Carlos pela Universidade de São Paulo (1993). Atualmente é membro comissâo da Sociedade Brasileira de Computação - Porto Alegre, sócio da sbc da Sociedade Brasileira de Computação - Porto Alegre e professora associada da Universidade de São Paulo. Tem experiência na área de Ciência da Computação, com ênfase em Metodologia e Técnicas da Computação, atuando principalmente nos seguintes temas: data mining, mineração de textos, mineração de dados, inteligência artificial e regras de associação. (Texto informado pelo autor)

  • https://lattes.cnpq.br/8526960535874806 (26/10/2021)
  • Rótulo/Grupo:
  • Bolsa CNPq: Nível 2
  • Período de análise:
  • Endereço: Universidade de São Paulo, Instituto de Ciências Matemáticas e de Computação, Departamento de Ciências de Computação e Estatistica. Av. Trabalhador Sãocarlense, 400 CaixaPostal 668 13560-970 - Sao Carlos, SP - Brasil - Caixa-postal: 668 Telefone: (16) 33739659 Fax: (16) 33739751 URL da Homepage: https://www.icmc.usp.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 (17)
    1. 2020-Atual. Center for Artificial Intelligence (C4AI)
      Descrição: 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.. .. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Fabio Gagiardi Cozman - Coordenador.
      Membro: Solange Oliveira Rezende.
    2. 2020-Atual. Representacoes semanticamente enriquecidas para mineracao de textos em portugues: Modelos e Aplicacoes
      Descrição: 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.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (5) . Integrantes: Solange Oliveira Rezende - Coordenador / Roberta Akemi Sinoara - Integrante / Marcos Aurélio Domingues - Integrante / Veronica Oliveira de Carvalho - Integrante / Alipio Mario Guedes Jorge - Integrante / Bruno Magalhães Nogueira - Integrante / Camila Vaccari Sundermann - Integrante / MARCACINI, RICARDO M. - Integrante / ROSSI, RAFAEL G. - Integrante / Dildre Georgiana Vasques - Integrante / SCHEICHER, RICARDO B. - Integrante / Vitor Rodrigues Tonon - Integrante / Brucce Neves dos Santos - Integrante / Mariana Caravanti de Souza - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Solange Oliveira Rezende.
    3. 2019-Atual. Aprendizado de Websensors para Agronegocios
      Descrição: 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... Situação: Em andamento; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Maria Fernanda Moura - Integrante / Bruno Nogueira - Integrante / Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Coordenador / Edson Takashi Matsubara - Integrante / Eraldo Luiz Rezende Fernandes - Integrante / Rafael Giusti - Integrante.
      Membro: Solange Oliveira Rezende.
    4. 2019-Atual. Gestao da Informacao de do conhecimento no ambito do Portfolio de pastagens da Embrapa
      Descrição: 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... Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Solange Oliveira Rezende - Integrante / Maria Feranda Moura - Integrante / Leandro Henrique Mendonça de Oliveira - Integrante / Milena Ambrosio Telles - Coordenador.
      Membro: Solange Oliveira Rezende.
    5. 2017-2019. MINERACAO DE DADOS E TEXTOS PARA AQUISICAO DE INFORMACAO CONTEXTUAL PARA SISTEMAS DE RECOMENDACAO SENSIVEIS AO CONTEXTO
      Descrição: 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.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Marcos Aurélio Domingues - Coordenador / Marcelo Garcia Manzato - Integrante / SUNDERMANN, CAMILA VACCARI - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Solange Oliveira Rezende.
    6. 2017-2018. Mineracao de Dados para Predicao de Evasao em Ambientes de Ensino a Distancia
      Descrição: 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. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: Solange Oliveira Rezende - Integrante / Rafael Geraldeli Rossi - Integrante / Renan de Padua - Integrante / Ricardo Marcondes Marcacini - Coordenador / Bruno Magalhães Nogueira - Integrante / Edson Takashi Matsubara - Integrante / Vitor Mesaque Alves de Lima - Integrante / Eraldo Luís Rezende Fernandes - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro.
      Membro: Solange Oliveira Rezende.
    7. 2017-Atual. Mining, Indexing and Visualizing Big Data in Clinical Decision Support Systems (MIVisBD)
      Descrição: Projeto Temático envolvendo 3 instituições nacionais e 8 instituições internacionais.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (2) . Integrantes: Solange Oliveira Rezende - Integrante / Caetano Traina Júnior - Integrante / José Fernando Rodrigues Junior - Integrante / Agma Juci Machado Traina - Coordenador / Christos Faloutsos - Integrante / Renato Bueno - Integrante / Marco Antônio Gutierrez - Integrante / Robson L. F. Cordeiro - Integrante.
      Membro: Solange Oliveira Rezende.
      Descrição: Projeto Temático envolvendo 3 instituições nacionais e 8 instituições internacionais.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (8) / Doutorado: (14) . Integrantes: Agma Juci Machado Traina - Coordenador / Caetano Traina Jr - Integrante / Christos Faloutsos - Integrante / Renato Bueno - Integrante / Marco Antônio Gutierrez - Integrante / Solange Oliveira Rezende - Integrante / André Guilherme Ribeiro Balan - Integrante / José Fernando Rodrigues Jr. - Integrante / Alceu Ferraz Costa - Integrante / Richard Chbeir - Integrante / Letrícia Pereira Soares Avalhais - Integrante / Robson L. F. Cordeiro - Integrante / Daniel Y. T. Chino - Integrante / Joe Tekli - Integrante / Jonathan S Ramos - Integrante / Glauco Vitor Pedrosa - Integrante / Marcos Vinicius Naves Bedo - Integrante / Daniel Mario Lima - Integrante / Marcello H. Nogueira-Barbosa - Integrante / FELIPE, JOAQUIM C. - Integrante / SANTOS, LUCIO F. D. - Integrante / OLIVEIRA, WILLIAN D. - Integrante / Paulo Mazzoncini de Azevedo Marques - Integrante / Marcela Xavier Ribeiro - Integrante / Luiz O. Carvalho - Integrante / Safia Brinis - Integrante / Jéssica Andressa de Souza - Integrante / Mirela Teixeira Cazzolato - Integrante / Gustavo Blanco - Integrante / Paulo Henrique Oliveira - Integrante / Lucas C. Scabora - Integrante / Sameer K. Antani - Integrante / Thomas Deserno - Integrante / Rangaraj Mandayam Rangayyan - Integrante / Umberto Tachinardi - Integrante / Eneida Mendonca - Integrante / Marcel Koenigkam Santos - Integrante / Jose Eduardo Krieger - Integrante / Marina de Fatima de Sa Rebelo - Integrante / Ramon Alfredo Moreno - Integrante / Fabio Antero Pires - Integrante / Juan P Casas - Integrante / Altamir Gomes Bispo Junior - Integrante / Antonio Canabrava Fraideinberze - Integrante / Gabriel Perri Gimenes - Integrante / Gabriel Spadon de Souza - Integrante / Guilherme Queiroz Vasconcelos - Integrante / José Raniery Ferreira Junior - Integrante / Marcelo Augusto Cordeiro - Integrante / Marcos Roberto Nesso Junior - Integrante / Paulo Henrique de Oliveira - Integrante / Renan de Padua - Integrante / Hilton Vicente César - Integrante / Marcos Yamaguti - Integrante / Fernanda Marana - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Agma Juci Machado Traina.
    8. 2016-2018. Aprendizado nao Supervisionado de Websensors aplicado em Desafios de Big Data para Agronegocios
      Descrição: 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.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Maria Feranda Moura - Integrante / Ricardo Marcondes Marcacini - Coordenador / Rafael Geraldeli Rossi - Integrante / Bruno Magalhães Nogueira - Integrante / Edson Takashi Matsubara - Integrante / Vitor Mesaque Alves de Lima - Integrante / Eraldo Luís Rezende Fernandes - Integrante / Valguima Victoria Viana Aguiar Odakura - Integrante / Andre Steffens Moraes - Integrante / Fabiana Villa Alves - Integrante / Ana Carolina Chiozi Zanetta - Integrante / Julio César Carnevali - Integrante / Luan Vinicius de Carvalho Martins - Integrante / João Domingos Ferreira Mundim - Integrante. Financiador(es): Fundação de Apoio e Desenvolvimento do Ensino, Ciência e Tecnologia do MS - Auxílio financeiro.
      Membro: Solange Oliveira Rezende.
    9. 2014-2019. Uma Plataforma para Recomendacao Automatica de Pontos de Interesse em Cidades Brasileiras: Arquitetura e Projeto Piloto
      Descrição: 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. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Maria da Graça Campos Pimentel - Coordenador / Marcos Auréilo Domingues - Integrante / Alipio Mario Guedes Jorge - Integrante / Carlos Soares - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.
      Membro: Solange Oliveira Rezende.
    10. 2014-2016. Aprendizado de Maquina para WebSensors: Algoritmos e Aplicacoes
      Descrição: 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.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (6) . Integrantes: Solange Oliveira Rezende - Coordenador / Roberta Akemi Sinoara - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Integrante / Ricardo Marcondes Marcacini - Integrante / Rafael Geraldeli Rossi - Integrante / Fabiano Fernandes dos Santos - Integrante / Renan de Padua - Integrante / Veronica Oliveira de Carvalho - Integrante / Antonio Rafael Sabino Parmezan - Integrante / Bruno Magalhães Nogueira - Integrante / Camila Vaccari Sundermann - Integrante / Diego Furtado Silva - Integrante / Tatiana Ximenes - Integrante / Ivone Penque Matsuno - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Solange Oliveira Rezende.
    11. 2013-2016. Research on Geo-spatial Marine Biology Data Mining Using Time Series, Text Mining and Visualization
      Descrição: 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... Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (2) . Integrantes: Solange Oliveira Rezende - Integrante / Maria Carolina Monard - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Maria Cristina Ferreira Oliveira - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Coordenador / Stan Matwin - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Cooperação.
      Membro: Solange Oliveira Rezende.
      Descrição: 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.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (2) . Integrantes: André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Maria Cristina Oliveira - Integrante / Solange Rezende - Integrante / Gustavo Batista - Coordenador / Stan Matwin - Integrante.
      Membro: Andre Carlos Ponce de Leon Ferreira de Carvalho.
    12. 2013-2016. CRITiC@ - Compilacao e Recuperacao de Informacoes Tecnico-cientificas e Inducao ao Conhecimento de forma Agil na Rede AgroHidro
      Descrição: 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 PDI; 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 PDI 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.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Maria Fernanda Moura - Coordenador / Alipio Mario Guedes Jorge - Integrante.
      Membro: Solange Oliveira Rezende.
    13. 2013-2016. Real-time Monitoring of Insect Pragues in Agriculture and the Environment
      Descrição: Não há dúvidas de que insetos são muito importantes na agricultura e no meio ambiente. Embora os insetos que mais atraiam atenção sejam as pragas agrícolas, muitos insetos são benéficos para o meio ambiente e para os seres humanos. Por exemplo, insetos são responsáveis pela polinização de pelo menos dois terços de todos os alimentos consumidos no mundo. Devido à sua importância para os seres humanos, o recente declínio das populações de insetos polinizadores, especialmente as abelhas, é considerado um grave problema ambiental frequentemente associado à exposição a pesticidas. Acreditamos que pelo uso de tecnologia é possível reduzir a utilização de pesticidas. Para isso, propomos uma armadilha inteligente de baixo custo que captura seletivamente espécies de insetos nocivos, libertando todas as outras espécies. Tal armadilha terá um impacto mínimo sobre o meio ambiente. No cerne da armadilha inteligente encontra-se um novo sensor que estamos desenvolvendo. Este sensor faz uso de uma luz laser para capturar dados de insetos à distância e utiliza técnicas de Aprendizado de Máquina para identificar as espécies de insetos. Neste projeto propomos desenvolver o sensor e a armadilha inteligente e utilizá-los em uma importante aplicação agrícola, capturando o psilídeo dos citros. Esta praga afeta plantações de laranja e está presente no Brasil e nos Estados Unidos. Descrevemos os desafios científicos e tecnológicos para desenvolver tal armadilha inteligente. Discutimos o nosso plano para desenvolve-la em um prazo de quatro anos a partir do estado atual de desenvolvimento até a realização de experimentos em campo... Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Ronaldo Cristiano Prati - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Coordenador / Eamonn John Keogh - Integrante / Agenor Mafra Neto - Integrante.
      Membro: Solange Oliveira Rezende.
    14. 2013-2015. Intelligent Sensor for controlling agricultural pests and disease-vector insects
      Descrição: 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. Situação: Concluído; Natureza: Pesquisa. Integrantes: Solange Oliveira Rezende - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Coordenador / Eamonn John Keogh - Integrante / Agenor Mafra Neto - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Solange Oliveira Rezende.
    15. 2012-2014. Invariancia a Complexidade em Classificacao, Agrupamento e Descoberta de Motifs em Series Temporais
      Descrição: Há recentemente um crescente interesse no processamento de séries temporais devido a grande quantidade de domínios de aplicação que geram dados com essa característica. Esse interesse pode ser medido pela vasta quantidade de métodos recentemente propostos na literatura para tarefas como classificação, agrupamento, sumarização, detecção de anomalias e descoberta de motifs. Estudos recentes têm mostrado que para muitos problemas, os métodos baseados em similaridade apresentam uma eficácia difícil de ser superada, mesmo por métodos mais sofisticados. Isso se deve em grande parte pelo fato de que a comunidade tem estudado e proposto diversas invariâncias para medidas de distância entre séries temporais. As invariâncias fazem com que as medidas de distância ignorem determinadas características indesejadas dos dados. O exemplo mais conhecido é a invariância às diferenças locais na escala de tempo, obtida pela técnica de warping. Outras invariâncias incluem a invariância às diferenças de amplitude e offset, fase e oclusão. Recentemente foi demonstrado à comunidade científica que métodos de classificação de séries temporais por similaridade podem ser muito beneficiados por uma nova invariância: invariância à complexidade. O principal objetivo deste projeto de pesquisa é investigar novas medidas de distância invariantes à complexidade e avaliar o quanto essas medidas podem melhorar a eficácia, sobretudo de algoritmos de agrupamento e descoberta de motifs.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) . Integrantes: Solange Oliveira Rezende - Integrante / Ronaldo Cristiano Prati - Integrante / Gustavo Enrique de Almeida Prado Alves BAtista - Coordenador / Eamonn John Keogh - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Solange Oliveira Rezende.
    16. 2012-2013. Metodos de Agrupamento Hierarquico para Organizacao Automatica de Resultados de Motores de Busca
      Descrição: Tradicionalmente, a recuperação de informação textual é baseada em consultas por palavras-chave, nas quais uma lista ordenada com os documentos mais relevantes à consulta é apresentada como resposta. No entanto, algumas limitações desse modelo são bem conhecidas na literatura. Em geral, os usuários exploram apenas os primeiros resultados da lista de resposta, em detrimento dos documentos considerados menos relevantes pelo motor de busca. Ainda, uma outra parte significativa de informação também é perdida devido à dificuldade dos usuários expressarem seus objetivos por meio de palavras-chave. Nesse projeto, métodos de agrupamento hierárquico de textos são explorados para auxiliar a organização dos resultados retornados por motores de busca. Os dados retornados por um ou mais motores de busca são organizados em grupos, em que itens similares e relacionados a um mesmo tema são alocados juntos em um mesmo grupo. Ainda, os grupos são organizados de maneira hierárquica, de forma que grupos próximos à raiz representam o conhecimento mais genérico, enquanto seus detalhamentos e conhecimento mais específico são dispostos nos grupos e subgrupos de níveis mais baixo. Cada grupo possui uma descrição sucinta, ou seja, um tópico que permite auxiliar o usuário em uma busca exploratória dos resultados obtidos, em diversos níveis de granularidade. Essa organização em tópicos facilita a busca pela informação de interesse, obtendo-se uma visão complementar ao modelo baseado em uma simples lista ordenada de acordo com a relevância. Por outro lado, o agrupamento de resultados de busca tem desafios e requisitos específicos. A natureza dinâmica dos dados provenientes dos motores de busca, a necessidade de eficiência computacional e a exigência de interpretação e interação por parte dos usuários, resultaram em novos requisitos, com seus respectivos desafios científicos e tecnológicos, que são objetivos de pesquisa deste projeto.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (3) . Integrantes: Solange Oliveira Rezende - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Solange Oliveira Rezende.
    17. 2010-2012. TIENA- Tecnologias Inovadora em Mineracao de textos para espacializacao de noticias agricolas-piloto cana de acucar
      Descrição: Este projeto tem o objetivo de organizar notícias agrícolas sobre uma dada cultura, por meio de técnicas inovadoras em mineração de textos, em três categorias: tópicos ou assuntos, cobertura temporal e cobertura espacial. A cobertura temporal visa em primeiro plano um estudo da evolução daquele tópico ou assunto em relação aos demais, em intervalos de tempo, ou seja, como foi a tendência de dispersão desse tópico ao longo do tempo e futuramente como ela se relaciona aos modelos de previsão de safra. A cobertura espacial visa compreender qual é a cobertura geográfica daquela notícia, podendo ser de caráter geral (nacional) ou relativa a alguma micro ou macro-região geográfica, e, também futuramente poder-se-á analisar esse fator junto aos modelos de previsão de safra, para avaliar se o fator penaliza os modelos ou não. Como essas notícias são altamente dinâmicas, pois são, no mínimo, diárias, devem ser tratadas em tempo real; logo, os tópicos também devem ter uma evolução bastante dinâmica, que deve ser considerada em seu tratamento. Obter essa organização de dados e atualizá-la em tempo real visa a uma ação futura de analisar séries temporais dessas notícias; e, então fazer a análise cruzada desses modelos com os modelos de previsão de safra obtidos por meio de fatores agro-ambientais. Avalia-se, a princípio, que essa última etapa seja um trabalho para alguns anos, e, que deva ser feita para várias culturas; mas, que de qualquer forma, só pode ser iniciado após as primeiras etapas. Assim, o escopo da proposta deste projeto, é englobar todas as etapas desse processo até a formação da base de dados tópico-espaço-temporal; com as notícias categorizadas em três dimensões: conceitual (tópicos), espacial e temporal. E, para isso, serão desenvolvidas tecnologias em mineração de textos para a extração e identificação de tópicos altamente dinâmicos, extração de informação temporal dos textos e classificação dos textos em relação a sua cobertura espacial.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (2) . Integrantes: Solange Oliveira Rezende - Integrante / Maria Fernanda Moura - Coordenador / Ricardo Marcondes Marcacini - Integrante / Bruno Nogueira - Integrante / Rafael Geraldeli Rossi - Integrante / Fabiano Fernandes dos Santos - Integrante / Merley da Silva Conrado - Integrante / Laurimar Gonçalves Vendrusculo - Integrante. Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Remuneração / Universidade do Porto - Cooperação.
      Membro: Solange Oliveira Rezende.

Prêmios e títulos

  • Total de prêmios e títulos (18)
    1. Prêmio de Excelência Docente Prof. Horácio C. Panepucci 2020, IFSC - turma de Ciências Físicas e Biomoleculares de 2017.. 2021.
      Membro: Solange Oliveira Rezende.
    2. Laboratório profa. Dra. Solange Oliveira Rezende (Homenagem do Grupo de Estudos de Desenvolvimento de Aplicações Inteligentes - GEDAI), UESPI, campus Parnaíba, PI.. 2021.
      Membro: Solange Oliveira Rezende.
    3. SODS - Plataforma de Voluntariado Técnico em prol do Desenvolvimento Sustentável (15 melhores do Programa InovaGrad de 2019), Pró-Reitoria de Graduação da USP e a AUSPIN - Programa InovaGrad.. 2020.
      Membro: Solange Oliveira Rezende.
    4. Websensors Ad-Hoc, Marcacini, R.; Rezende, S; A. 4o. lugar no EXPOLattes - Categoria: Aplicabilidade na pesquisa e atividade científica,, I Seminário de Avaliação de Políticas de CTI, CNPq.. 2018.
      Membro: Solange Oliveira Rezende.
    5. Best Paper AwardI (2o. Lugar 2018: Concurso Latino-americano de Trabalhos de Graduação (CLATG_CLEI_LACLO), GLATG-CLEI-LACLO (https://cleilaclo2018.mackenzie.br/pt/clei-laclo-2018/satellite-events/clatg.html).. 2018.
      Membro: Solange Oliveira Rezende.
    6. Reconhecimento ao trabalho como professora da disciplina de Inteligência Artificial - 1o. semestre de 2018, Bacharelado em Sistemas de Informação do ICMC-USP.. 2018.
      Membro: Solange Oliveira Rezende.
    7. Reconhecimento ao trabalho como professora da disciplina de Empreendedores em Informática - 1o. semestre de 2017, Bacharelado em Ciências de Computação do ICMC-USP.. 2017.
      Membro: Solange Oliveira Rezende.
    8. Best Paper Award (2nd place), 16th International Conference on Intelligent Text Processing and Computational Linguistics (Rossi; Lopes;Rezende Term Network Approach for Transductive Classification), International Conference, CICLING 2015.. 2015.
      Membro: Solange Oliveira Rezende.
    9. Best Paper Award (Menção Honrosa) para o Artigo Curto, XX Brazilian Symposium on Multimedia and the Web, WebMedia... 2014.
      Membro: Solange Oliveira Rezende.
    10. Dia Internacional da Mulher - reconhecimento por se destacar em atividades realizadas em prol município, Câmara de Vereadores de São Carlos.. 2014.
      Membro: Solange Oliveira Rezende.
    11. Best Paper Award (4o. place) no ECML/PKDD Discovery Challenge 2013: Recommending Given Names, Nameling web site., ECML/PKDD Discovery Challenge.. 2013.
      Membro: Solange Oliveira Rezende.
    12. Best Paper Award (Menção Honrosa) no VIII Concurso de Teses e Dissertações em Inteligência Artificial - Dissertação de Mestrado - Rafael G. Rossi, Simpósio Brasileiro de Inteligência Artificial & Comissão Especial de Inteligência Artificial.. 2012.
      Membro: Solange Oliveira Rezende.
    13. 3º Colocado no VIII Concurso de Teses e Dissertações em Inteligência Artificial - Dissertação de Mestrado - Ricardo M. Marcacini, Simpósio Brasileiro de Inteligência Artificial & Comissão Especial de Inteligência Artificial.. 2012.
      Membro: Solange Oliveira Rezende.
    14. Best Paper Award (Honorable Mention) - XXI Brazilian Symposium on Artificial Intelligence (On the use of consensus clustering for incremental learning of topic hierarchies), Simpósio Brasileiro de Inteligência Artificial & Comissão Especial de Inteligência Artificial.. 2012.
      Membro: Solange Oliveira Rezende.
    15. Best Paper Award Post-processing association rules with clustering and objective measures, Carvalho, Santos, Rezende, 13th International Conference on Enterprise Information Systems (ICEIS)... 2011.
      Membro: Solange Oliveira Rezende.
    16. Prêmio Dr. Hélio Coelho, Mérito em Pesquisa, ANCP- Associação Nacional de Criadores e Pesquisadores em Melhoramento Genético de Bovinos de Corte.. 2011.
      Membro: Solange Oliveira Rezende.
    17. Menção Honrosa no 19º SIICUSP: Bruna Z. Panaggio, Ricardo M. Marcacini, Solange O. Rezende; Descoberta de Tópicos Emergentes de Textos Publicados no Twitter, Programa de Iniciação Científica da USP - Pró-reitoria de Pesquisa.. 2011.
      Membro: Solange Oliveira Rezende.
    18. Prêmio Melhores Ferramentas (Torch: a tool for building topic hierarchies from growing text collections), Workshop de Ferramentas e Aplicações (WFA) - Webmedia 2010., Workshop de Ferramentas e Aplicações (WFA) - Webmedia 2010... 2010.
      Membro: Solange Oliveira Rezende.

Participação em eventos

  • Total de participação em eventos (12)
    1. BRACIS. 2020. (Congresso).
    2. BRACIS. 2019. (Congresso).
    3. EUROGIN. 2018. (Congresso).
    4. Reunião da Comissão especial de IA (CEIA) da SBC - durante o BRACIS.Reunião da Comissão especial de Inteligência Artificial (CEIA) da SBC. 2018. (Outra).
    5. Feira das Profissões da USP - Campus Lorena. Cursos de graduação do ICMC. 2015. (Feira).
    6. Brazilian Conference on Intelligent Systems / Encontro Nacional de Inteligênca Artificial e Computacional. 2014. (Congresso).
    7. Brazilian Conference on Intelligent Systems. Pegar.... 2013. (Congresso).
    8. KDMILE'13: 1st Symposium on Knowledge Discovery, Mining and Learning.Pegar. 2013. (Simpósio).
    9. SBIA'2012: 21st Brazilian Symposium on Artificial Intelligence.Identificação da cobertura espacial de documentos usando mineração de textos. 2012. (Simpósio).
    10. 9th Mexican International Conference on Artificial Intelligence. Selecting Candidate Labels For Hierarchical Document Clusters Using Association Rules. 2010. (Congresso).
    11. III International Workshop on Web and Text Intelligence. 2010. (Encontro).
    12. Joint CONFERENCE 2010 sbia-sbrn-jri. 2010. (Simpósio).

Organização de eventos

  • Total de organização de eventos (5)
    1. Rezende, Solange Oliveira; MARCACINI, RICARDO M. ; BARROS, Leliane Nunes de ; Mauá, D.. 1ª ESCOLA REGIONAL DE APRENDIZADO DE MÁQUINA E INTELIGÊNCIA ARTIFICIAL DE SÃO PAULO. 2020. Congresso
    2. Rezende, Solange Oliveira. Festival Internacional de Divulgação Científica: Pint of Science. 2018. (Festival).. . 0.
    3. REZENDE, SOLANGE O.; OSÓRIO, Fernando Santos. Venha Estudar na USP São Carlos. 2014. Outro
    4. REZENDE, S. O.. Exposição Cabeça Dinossauro: o novo titã brasileiro (itinerância São Carlos). 2013. (Exposição).. . 0.
    5. JORGE, A. M. G. ; LOPES, Alneu de Andrade ; REZENDE, S. O.. III International Workshop on Web and Text Intelligence (WTI - 2010). 2010. Congresso

Lista de colaborações



(*) Relatório criado com produções desde 2010 até 2021
Data de processamento: 06/11/2021 15:23:39