Possui livre-docência em Ciências de Computação pela Universidade de São Paulo (2006), doutorado em Física pela Universidade de São Paulo (2000), mestrado em Física pela Universidade de São Paulo (1995) e bacharelado em Ciência da Computação pela Escola de Engenharia de Piracicaba (1991). Foi docente do Instituto de Ciências de Matemáticas e de Computação da Universidade de São Paulo de 2001 à 2008. Em 2008 transferiu-se para o Instituto de Física de São Carlos da Universidade de São Paulo, onde é atualmente professor associado, junto ao Departamento de Física e Ciência dos Materiais. É credenciado como orientador de doutorado e mestrado no programas: de pós-graduação em Física pelo IFSC - USP (Capes-7), de pós-graduação em Ciências de Computação e Matemática Computacional pelo ICMC - USP (Capes-7), de pós-graduação Interunidades em Bioinformática USP (Capes-5) e de matemática aplicada na Ghent University, Bélgica. É consultor ad hoc do CNPq e da FAPESP. É co-autor de 2 livros e inventor de 6 patentes. Tem experiência na área de Ciência da Computação com ênfase em Metodologia e Técnicas da Computação, atuando principalmente nos seguintes temas: inteligência artificial, visão artificial, caos, fractais, análise de imagens, reconhecimento de padrões, processamento de imagens e bioinformática. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o(a) pesquisador(a): |
| 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) |
O aumento do poder computacional permite a descrição e previsão de processos naturais modelando suas interações em menor escala, recriando fenômenos naturais de forma ascendente. Duas classes de tais abordagens, que são especialmente pertinentes para modelar processos espaço-temporais, são autômatos celulares (CAs) e sua extensão topológica, autômatos de rede (NAs). Os tipos mais simples …
Grandes desafios, como a fabricação de dispositivos sensores para diagnóstico precoce de câncer e detecção de contaminação de alimentos / água, só podem ser abordados com esforços conjuntos em pesquisas multidisciplinares. Problemas selecionados dentro dos desafios acima serão abordados neste projeto por uma equipe multiinstitucional de físicos, químicos, engenheiros, médicos e cientistas…
O Prof. Odemir M. Bruno foi um dos participantes do Workshop WWU-USP em Munster em janeiro de 2018. Neste workshop, surgiram várias oportunidades de colaboração em pesquisa. Uma delas é a colaboração com o Prof. Lars Linsen, onde o objetivo principal é combinar a pesquisa de ambos os grupos, visualização de sistemas dinâmicos pelo lado alemão e padrões em sistemas complexos e caos pelo la…
O National Quantum Initiative Act foi assinado no mês passado nos EUA. O projeto de lei delineará um plano de 10 anos para promover aplicações usando a ciência contra-intuitiva de partículas subatômicas. A Texas A & M University (TAMU) está avançando em direção à aplicação da ciência quântica e tecnologia para imagens e sensores aprimorados. O investigador, Dr. Yakovlev, é atualmente apoi…
Modelar a estrutura básica da maquinaria metabólica é um desafio para a biologia moderna. Alguns modelos baseados em redes complexas forneceram informações importantes sobre esse maquinário. Neste trabalho, construímos redes metabólicas de 17 plantas que cobrem organismos unicelulares para plantas dicotiledôneas mais complexas. As redes metabólicas foram construídas com base no modelo de …
A teoria de Redes Complexas possibilita o estudo e compreensão de fenômenos não-lineares de domínios variados como bioquímica, interações sociais e a Internet. Adicionalmente, Autômatos de Rede são formalismos que adaptam a lógica de um autômato celular para a tesselagem não-regular das redes, tendo sido utilizados de forma eficiente para a caracterização de redes complexas por meio da ge…
Sensores e biossensores desempenham um papel crucial em vários campos, como diagnóstico precoce de câncer, detecção de vírus, contaminação em alimentos, água, etc. Com a intenção de desenvolver estratégias de detecção e diagnóstico precisas e econômicas, os pesquisadores exploraram o uso de técnicas de aprendizado de máquina e visão computacional. Embora essas abordagens tenham mostrado r…
Este projeto de pos-doutorado, a ser executado no Grupo de Computação Científica (SCG), visa aproveitar a sinergia entre autômatos celulares, aprendizado de máquina e redes complexas para avançar nas técnicas de análise de dados e reconhecimento de padrões. O objetivo principal é criar ferramentas inovadoras para caracterizar e extrair métricas significativas de redes complexas, utilizand…
Este projeto tem como objetivo utilizar-se de redes metabólicas montadas a partir de experimentos de expressão genética de modo a obter possíveis vias metabólicas diferencialmente expressas com o intuito de melhor compreender o funcionamento do metabolismo do fungo Aspergillus fumigatus que tem adquirido resistência a fungicidas como Caspofungin. A montagem dos grafos se utilizará de algo…
As redes neurais e o aprendizado de máquinas têm se despontado nas últimas décadas, tanto no meio acadêmico quanto industrial. Podem ser encontradas atualmente soluções comerciais que vão desde a medicina com o reconhecimento de imagens de raio-X, até previsões da tomada de decisão de um consumidor para a indústria. Contudo, embora sejam inúmeras as finalidades, o desenvolvimento de model…
Grandes esforços têm sido feitos por pesquisadores de diferentes áreas para o desenvolvimento de sensores e biossensores para diversas finalidades tais como diagnóstico precoce de câncer, detecção de contaminação em alimentos/água, etc. Nesse sentido, muitos pesquisadores têm se concentrado no desenvolvimento de novas estratégias de detecção e diagnóstico de baixo custo. Particularmente,…
Sensores e biossensores desempenham um papel crucial em vários campos, como diagnóstico precoce de câncer, detecção de vírus, contaminação de alimentos, água, etc. Com a intenção de desenvolver estratégias de detecção e diagnóstico econômicas e precisas, os pesquisadores exploraram o uso de aprendizado de máquina e técnicas de visão computacional. As imagens obtidas dessas fontes possuem …
O objetivo deste projeto é capacitar o candidato no desenvolvimento de Generative Adversarial Networks (GANs) para geração de séries temporais com características caóticas. O projeto será desenvolvido no grupo de pesquisa do Prof. Dr. Bernard De Beats, instalado na Ghent University. Neste grupo de pesquisa, o candidato implementará métodos de ponta de GANs para séries temporais, explorand…
Visão computacional é uma das áreas mais difundidas dentro do aprendizado de máquina e onde a maioria das redes neurais artificiais profundas (ANNs) emergiram. Embora esses modelos alcancem resultados excelentes em grandes tarefas de visão, sua complexidade cada vez maior dificulta um melhor entendimento de seu funcionamento interno. Consequentemente, a maioria dos métodos de design e oti…
CV Lattes
ORCID