Análise de Padrões em Dados


Linhas de Pesquisa:

  • Agrupamento de dados (clustering)
  • Algoritmos paralelos e distribuídos para análise escalável de dados
  • Análise de redes sociais
  • Aprendizado estatístico: métodos bayesianos
  • Aprendizado de máquina: ativo, indutivo e transdutivo
  • Aprendizado de máquina: não-supervisionado, semisupervisionado e supervisionado
  • Aprendizado por transferência e aprendizado de classe única
  • Classificação de padrões
  • Data science e big data analytics
  • Detecção de anomalias e outliers
  • Ensembles
  • Extração de conhecimento a partir de bases de dados (KDD)
  • Mineração de dados: não-supervisionada, semisupervisionada e supervisionada
  • Mineração de dados: dados estruturados, não estruturados e mistos
  • Mineração de grafos e de texto
  • Mineração de fluxos de dados (data streams)
  • Preparação de dados: imputação, seleção de atributos, redução de dimensionalidade, etc.
  • Redes complexas e sistemas dinâmicos
  • Regressão não-Linear
  • Sistemas de recomendação
  • Aplicações Práticas

Análise de Padrões em Dados
Laboratório de Padrões em Dados
Departamento de Ciências de Computação - SCC
 

Apresentação

A compreensão de padrões em dados complexos e de elevada dimensionalidade, muitas vezes não rotulados ou apenas parcialmente rotulados, tem se mostrado um ingrediente fundamental para a descoberta de conhecimento em diferentes domínios. Em particular, a análise de grandes conjuntos de dados envolve uma miríade de desafios teóricos, algorítmicos e computacionais que demandam um esforço integrado e inter-disciplinar de áreas tais como mineração de dados, aprendizado de máquina, sistemas complexos, análise multi-variada, estatística, bases de dados e sistemas computacionais distribuídos, dentre outros. 

O grupo de Análise de Padrões de Dados foi criado oficialmente em 2014, em resposta à crescente demanda por abordagens modernas e inter-disciplinares para Data Science, Big Data analytics e Knowledge Discovery from Databases (KDD). O grupo agrega docentes, estudantes e colaboradores cujas pesquisas possuem ênfase teórica ou aplicada nessas áreas, com caráter inter-disciplinar e especial enfoque em (porém não restrito a) abordagens semisupervisionadas e não-supervisionadas para análise e modelagem de padrões, tanto em dados estruturados como também não-estruturados ou mistos.

Algumas características proeminentes do grupo são:

O grupo está vinculado a dois laboratórios de pesquisa (LAPaD e SCPC) bem como a diversos projetos financiados por agências de fomento, tais como FAPESP, CNPq e Capes, dentre outras.

Além do forte envolvimento com o ensino e com a formação de pesquisadores em nível de graduação (iniciação científica), mestrado, doutorado e pós-doutorado, o grupo também se caracteriza por realizar atividades de extensão e assessoria. 

O grupo conta com colaboradores nacionais e internacionais renomados. 

O grupo possui um elevado grau de internacionalização e tem participação ativa nos principais fóruns de discussão, nacionais e internacionais, incluindo comitês editoriais e comitês de programa de periódicos científicos e conferências de destaque. 

Além das pesquisas de caráter teórico, o grupo também se destaca por pesquisas envolvendo aplicações práticas em diversos campos, tais como: bioinformática, biomedicina e química medicinal, internet e redes sociais, sistemas dinâmicos, computação forense, detecção de falhas, mercado financeiro, segmentação de imagens, categorização automática de documentos, etc.

 

Integrantes

CONECTE-SE COM A GENTE
 

© 2017 Instituto de Ciências Matemáticas e de Computação