Bacharel e Mestre em Estatística pela Universidade de São Paulo, Rafael é PhD em Estatística pela Carnegie Mellon University (2014). Atualmente é Professor Adjunto da UFSCar- Universidade Federal de São Carlos. Tem experiência na área de Probabilidade e Estatística, com ênfase em Machine Learning (aprendizado de máquina), Bioestatística, Astroestatística, Fundamentos da Estatística, Inferência Bayesiana, Inferência Não Paramétrica e Inferência em Dados com Alta Dimensionalidade. Mais informações: http://www.rizbicki.ufscar.br (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) |
O 8th Workshop on Probabilistic and Statistical Methods, será realizado na UFSCar, localizada na cidade de São Carlos/SP, de 12 a 14 de fevereiro de 2020. O Workshop será organizado em torno de módulos temáticos da área de Probabilidade e Estatística. Cada módulo será composto por palestras proferidas por especialistas em cada área, seguidas de mini-conferências e comunicações curtas. Tod…
Na última década, os avanços computacionais fizeram com que redes neurais ressurgiressem como uma ferramenta poderosa para a realização de tarefas de aprendizado supervisionado, como classificação e regressão. Contudo, essa ferramenta foi subutilizada como forma de realizar inferência estatística. Por exemplo, soluções dadas por redes neurais são tipicamente um caixa preta e, portanto, d…
A maioria dos métodos de aprendizado supervisionado resultam em predições pontuais de um rótulo, $Y \in \sY$, baseado em atributos, $\X \in \sX$. Recentemente, uma grande quantidade de trabalhos em estatística e aprendizado de máquinas tem focado em desenvolver métodos que quantifiquem a incerteza associada a predições pontuais. Estes vão de regiões preditivas à estimadores de densidade c…
Métodos baseados em Espaços de Hilbert de reprodução (EHR) constituem uma ampla família de modelos de aprendizado estatístico que se fundamentam na noção de um núcleo, que pode ser interpretado como uma medida de similaridade entre observações dos dados. Por exemplo, a regressão ridge, máquinas de vetores de suporte - incluindo as suas versões com núcleos - e splines suavizadores podem se…
Métodos de agrupamento tem o objetivo de agrupar observações que possuem propriedades similares. Diversos métodos foram desenvolvidos ao longo dos anos. Uma questão fundamental na prática é como escolher o método a ser utilizado para um determinado banco de dados. Apesar que várias propostas foram feitas para responder essa questão, nenhuma delas foca em métodos de agrupamento hierárquico…
Testes de hipótese são amplamente utilizados pela comunidade científica. Em particular, testes de bondade de ajuste são de extrema importância, pois permitem testar se teorias científicas descrevem adequadamente o comportamento de um conjunto de dados. Recentemente, diversos testes para dados em alta dimensão foram propostos, o que permite que essa ferramenta seja aplicada para objetos co…
CV Lattes
ORCID