Atua como pesquisador e líder técnico no projeto Petrobras de pesquisa e desenvolvimento de Sistema para Identificação Automática de Microfósseis (SIAM) no Centro de Ciências Naturais Aplicadas (UNESPetro) da Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP, Rio Claro) desde julho de 2023. Doutor em Ciência da Computação pela Universidade Estadual Paulista Júlio de Mesquita Filho - UNESP (2020-2024), realizou doutorado-sanduíche na Temple University (Filadélfia, PA, USA) pela Fulbright (Doctoral Dissertation Research Abroad Award, 2022-2023). Possui bacharelado em Ciência da Computação (UNESP, 2016). Obteve o título de Mestre em Ciência da Computação (UNESP, 2019) com a dissertação entitulada "Combinação Seletiva Não Supervisionada de Listas Ranqueadas Aplicada à Busca de Imagens pelo Conteúdo". Sua dissertação de mestrado foi reconhecida como a Melhor Dissertação de Mestrado no Workshop de Teses e Dissertações (WTD) do SIBGRAPI 2019. Também foi premiada como 2 Melhor Dissertação de Mestrado no XXXIII Concurso de Teses e Dissertações (CTD) no Congresso da Sociedade Brasileira de Computação (CSBC 2020). Possui experiência em diferentes áreas de Ciência da Computação, com ênfase em recuperação de informações, recuperação de imagens pelo contéudo, aprendizado de máquina, visão computacional, deep learning, processamento de imagens, reconhecimento de padrões e computação paralela. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Em geral, técnicas de aprendizado de máquina baseiam-se em grandes conjuntos de dados rotulados para construir modelos preditivos, em especial técnicas baseadas em aprendizado profundo, que têm sido amplamente utilizadas com sucesso em vários domínios. Em contrapartida, é comum a insuficiência de conjuntos de dados rotulados para treinamento de modelos supervisionados efetivos. Neste cená…
A evolução dos dispositivos móveis e as consequentes facilidades nos processos de aquisição e compartilhamento de conteúdo visual têm provocado um grande crescimento nas coleções de imagens. Nesse cenário, torna-se premente o desenvolvimento de métodos automáticos que permitam indexar, analisar e realizar buscas em tal conteúdo. Sistemas de Recuperação de Imagens Baseados no Conteúdo (Con…
Sistemas de Recuperação de Imagens Baseados no Conteúdo (Content-Based Image Retrieval - CBIR) tem como principal objetivo recuperar imagens similares em uma coleção considerando propriedades visuais das imagens. Os usuários estão interessados nas imagens retornadas nas primeiras posições das listas de resultados, que são usualmente as mais relevantes. Portanto, classificar as imagens da …
| 3 | Bolsas no país concluídas |
| Processos vinculados | |
CV Lattes
ORCID