Início - Projetos - Publicações - Contato
  • Início
  • Notícias
    • Todas
    • Evento
    • Regional

    • Nacional

    • Internacional

  • Projetos
    • Todos
    • Pesquisa
    • Nacional

    • Internacional

    • Acadêmico
    • Doutorado

    • Mestrado

  • Materiais
    • Todos
    • Aplicação
    • Software

    • Ferramenta

    • Framework

    • Biblioteca

  • Publicações
    • Todos
    • Artigos
    • Conferências
    • Livros e Capítulos de Livros
    • Relatórios Técnicos
    • Dissertações de Mestrado
    • Teses de Doutorado
  • Pessoas
    • Todas
    • Aluno
    • Ex-aluno
    • Orientador
    • Colaborador
    • Visitante
  • Contato

Fundadora

Maria Carolina Monard

Possui graduação em Licenciatura Em Matemática e Física - Profesorado Roque Saenz Peña (1962), Mestrado em Computer Science - University of Southampton (1969), Doutorado em Informática pela Pontifícia Universidade Católica do Rio de Janeiro (1980), Livre Docencte - Universidade de São Paulo (1986) e Pós-doutorado pela Universidade de Strathclyde (1987). Atualmente é Professor Titular Senior da Universidade de São Paulo. Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: aprendizado de máquina, mineração de dados e mineração de textos.

Orientadores

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 professora associada da Universidade de São Paulo. Tem experiência na área de Ciência da Computação, com ênfase em Metodologia e Técnicas da Computação - Inteligência Artificial, atuando principalmente nos temas relacionados com Mineração de Dados e Textos.

Alneu de Andrade Lopes

Possui graduação em Engenharia Civil pela Universidade Federal de Mato Grosso do Sul (1985), mestrado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (1995) e doutorado em Ciências da Computação pela Universidade do Porto (2001). Atualmente é professor doutor da Universidade de São Paulo. Atua na área de Inteligência Artificial e Aprendizagem de Máquina Proposicional e Relacional, principalmente nos seguintes temas: Mineração de Dados e Mineração de Redes Complexas.

Gustavo Enrique de Almeida Prado Alves Batista

Gustavo E. A. P. A. Batista is assistant professor in Computer Science at Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, Brazil. He is Ph.D. in Computer Science (2003) with post-doctorate stage at University of California, Riverside (2010-2011). His research interests include machine learning, data mining and time series processing with applications in public health, agriculture and the environment. He is author of more than 100 peer-reviewed papers in conference and journals.

Ricardo Marcondes Marcacini

Possui doutorado em Ciências de Computação pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (2014), mestrado em Ciências de Computação pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (2011) e graduação em Bacharelado em Informática pela Universidade de São Paulo (2009). Atua com Mineração de Textos, com aplicações em Inteligência Analítica.


Notícias

Opinion mining for app reviews: an analysis of textual representation and predictive models

Popular mobile applications receive millions of user reviews. These reviews contain relevant information for software maintenance, such as bug reports and improvement suggestions. The review’s information is a valuable knowledge source for software requirements engineering since the apps review analysis helps make strategic decisions to improve the app quality.

Learning to sense from events via semantic variational autoencoder

O trabalho propõe o método SVAE, um Variational Autoencoder Semântico que representa os eventos. O método é formado por: (i) um modelo de linguagem dependente de contexto Bidiretional Encoder From Transformers (BERT) (considerado um dos estado-da-arte para tarefas envolvendo texto) que captura características sintáticas e semânticas dos textos; e (ii) um Variational Autoencoder, considerado um dos estado-da-arte para aprendizado de representação.

Triple-VAE: A Triple Variational Autoencoder to Represent Events in One-Class Event Detection

O trabalho propõe o método TripleVAE, um Variational Autoencoder Multimodal que representa os eventos. O método explora três modalidades: (i) embeddings geradas pelo modelo de linguagem dependente de contexto Bidiretional Encoder From Transformers (considerado um dos estado-da-arte para tarefas envolvendo texto) que capturam características sintáticas e semânticas dos textos; (ii) informação de tópicos dos eventos, uma vez que eventos contêm tópicos bem definidos e (iii) geolocalização dos eventos (latitude e longitude)

Multimodal intent classification with incomplete modalities using text embedding propagation

Qual a intenção do autor ao realizar um post em rede social? Neste trabalho, investigamos métodos de aprendizado de máquina multimodais para detectar automaticamente a intenção de posts. A inovação é explorar tanto a informação visual quanto textual, bem como lidar com modalidades faltantes. O trabalho foi publicado no Webmedia 2021 como short paper e foi agraciado como best short paper do Webmedia 2021.

Análise de Sentimentos: Multi-Domain Aspect Extraction using Bidirectional Encoder Representations from Transformers

Neste artigo, propomos uma abordagem para a extração de aspectos em um cenário de transferência de conhecimento multi-domínio, aproveitando assim os dados rotulados de diferentes domínios (origem) para extrair aspectos de um novo domínio não rotulado (destino)

História

O Laboratório de Inteligência Computacional foi fundado em 1995. É parte do Departamento de Ciência da Computação do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo, campus de São Carlos.

O laboratório investe no ensino de pessoal qualificado, desenvolvimento de projetos de pesquisa e consultoria. O grupo de Inteligência Computational desenvolve pesquisa em técnicas e aplicações de Inteligência (Artificial) Computacional. Os problemas enfrentados pelos pesquisadores do grupo geralmente requerem algum tipo de aquisição automática de conhecimento do domínio de aplicação e, portanto, não podem ser resolvidos por meio de técnicas computacionais convencionais.

Em particular, o grupo concentrou-se nas áreas de Descoberta de Conhecimento em Bases de Dados (Mineração de Dados), de Documentos Textuais (Mineração de Textos) e de Dados Temporais e Sequenciais (Mineração de Dados Temporais e Sequenciais); Aprendizado de Máquina (fuzzy e crisp) e Aprendizado de Gráfico. Nossa pesquisa foi aplicada a uma série de diversos domínios de aplicação, incluindo Medicina, Bioinformática, Entomologia, Engenharia, Agronegócio, Educação e Finanças.

Apoio


UNIVERSIDADE DE SÃO PAULO

INSTITUTO DE CIÊNCIAS MATEMÁTICAS E DE COMPUTAÇÃO - USP
Avenida Trabalhador São-carlense, 400 - Centro
CEP: 13566-590 - São Carlos - SP
LABORATÓRIO
Telefone: +55 (16) 3373-9646
Fax: +55 (16) 3373-9751
ZIP: 13560-970
P.O. Box: 668
Sala: 1-010
© 1995-2023 LABIC. Todos os direitos reservados.