Relatório de produção acadêmica da Universidade Federal de São Carlos (UFSCar)
Departamento de Computação (DC)

Centro de Ciências Exatas e de Tecnologia (CCET)
Campus São Carlos

Plataforma Lattes / outubro de 2020

Murilo Coelho Naldi

Possui graduação em Bacharelado em Ciências da Computação pela Universidade de São Paulo (2004), mestrado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2006) e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2011). Participou de diversos projetos de pesquisas financiados por agências de fomento nacionais e estaduais. Atualmente é professor Associado da Universidade Federal de São Carlos e faz parte do corpo de orientadores do Programa de Pós-Graduação em Ciências da Computação do Departamento de Computação. Tem experiência na área de ciência da Computação, com ênfase em Mineração de Dados, atuando principalmente nos seguintes temas:Aprendizado de Máquina, Agrupamento de Dados, Computação Paralela, Distribuída e Evolutiva. (Texto informado pelo autor)

  • http://lattes.cnpq.br/0573662728816861 (09/06/2020)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise: 2017-2020
  • Endereço: Universidade Federal de São Carlos. Rodovia Washington Luís SP-310 Km - 235 38810000 - São Carlos, SP - Brasil - Caixa-postal: 676 Telefone: (16) 33518621
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (1)
    1. 2020-Atual. Modelos Descritivos Escalaveis para Grandes Volumes de Dados Distribuidos
      Descrição: O crescente aumento da quantidade de dados gerados pelas tecnologias atuais tornam sua análise desafiadora. Primeiro, porque grande parte destes dados muitas vezes não são identificados (rotulados) durante sua criação e, portanto, a organização/relação entre seus objetos não são explı́citas. Segundo, porque é preciso que os métodos utilizados na análise que sejam escaláveis a ponto de atingirem seus objetivos mesmo com o aumento da quanti- dade de dados analisada. Tendo tais questões em vista, o agrupamento de dados mostra-se adequado como parte da análise destes dados, pois consiste em um conjunto de técnicas não supervisionadas que permitem a categorização automática destes dados. Por meio destas técnicas, é possı́vel obter uma análise descritiva dos dados a partir de informações implı́citas a suas relações e as estruturas por elas formadas. Contudo, técnicas tradici- onais de agrupamentos foram desenvolvidas objetivando conjuntos de dados pequenos e estáticos. Suas limitações nem sempre permitem escalabilidade, ou seja, sua aplicação em conjuntos de dados maiores, distribuı́dos ou até mesmo em conjunto de dados que estão em constante crescimento. Este projeto visa o estudo de técnicas de agrupamento aplicáveis em conjuntos de dados incrementais. Pretende-se alcançar tal objetivo por meio de duas frentes de pesquisa: a primeira consiste na adaptação de algoritmos para modelos de programação escaláveis, que permitam o uso de divisão e conquista para o acesso e dis- tribuição do dados; a segunda consiste no estudo de algoritmos de agrupamento que gerem um modelo e permitem sua adaptação a medida que o conjunto de dados é incrementado, ou seja, os dados são apresentados continuamente ao algoritmo.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (3) . Integrantes: Murilo Coelho Naldi - Coordenador / Ricardo Cerri - Integrante / Campello, R.J.G.B. - Integrante / Elaine Ribeiro de Faria - Integrante / Paulo Gustavo Lopes Candido - Integrante / Aline Regina de Oliveira - Integrante / Alberto Atilio Sbrana Júnior - Integrante / Igor Raphael Magollo - Integrante / Gabriel Olivato - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Murilo Coelho Naldi.

Prêmios e títulos

  • Total de prêmios e títulos (1)
    1. Menção Honrosa pelo trabalho, Universidade Federal de Viçosa (UFV).. 2017.
      Membro: Murilo Coelho Naldi.

Participação em eventos

  • Total de participação em eventos (1)
    1. XV Encontro Nacional de Inteligência Artificial e Computacional (ENIAC). 2018. (Congresso).

Organização de eventos

  • Total de organização de eventos (2)
    1. MAUA, D. D. ; NALDI, M. C.. XV Encontro Nacional de Inteligência Artificial e Computacional (ENIAC). 2018. Congresso
    2. NALDI, M. C.. Participação na organização do International JOINT Conference IBERAMIA/SBIA/SBRN. 2006. (Congresso).. . 0.

Lista de colaborações

  • Colaborações endôgenas (0)



    Data de processamento: 12/10/2020 22:29:19