CV Lattes
Universidade de São Paulo (USP). Instituto de Física (IF) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
atua em pesquisa e desenvolvimento, nos tópicos de aprendizado de máquina, privacidade e saúde. Após concluir seu doutorado em física estatística na Universidade de São Paulo em 2015, realizou pós-doutorados em aprendizado de máquina em três instituições francesas de renome (ENS/CEA/Inria), entre 2015 e 2018. Entre 2018 e 2021, trabalhou com aprendizado de máquina e privacidade numa startup francesa, e com dados médicos no Hospital Albert Einstein. Desde julho de 2021, é engenheiro de P&D na Microsoft. Em sua carreira acadêmica e profissional, foi co-autor de 18 publicações, sendo 11 em conferências (incluindo grandes conferências de aprendizado de máquina como ICML, NeurIPS e ICLR), 3 em revistas, 1 como capítulo de livro, e 3 como preprints. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias (0 total): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Propomos estudar, sob o ponto de vista da mecânica estatística, aspectos de problemas em segurança da informação, em particular os de estimativa de reputações e de esteganografia. Utilizando-nos de relações recém-estabelecidas entre a mecânica estatística e processos de inferência e otimização, podemos analisar algoritmos utilizados no estudo destes problemas, determinando limitações em s…
Modelos de inferência bayesiana são particularmente úteis na descrição de processos em que, a partir de medidas ruídosas, deseja-se estimar o estado atual do sistema. Nas últimas décadas, ferramentas típicas da mecânica estatística de sistemas desordenados tem sido utilizadas no estudo destes modelos; em particular, nos últimos anos, notou-se haver grande semelhança entre o método de cavi…
| 1 | Bolsas no país concluídas |
| 1 | Bolsas no exterior concluídas |
| 2 | Todas as Bolsas |
| Processos vinculados | |