Relatório de produção acadêmica da Universidade Federal de São Carlos (UFSCar)
Departamento de Computação (DComp-So)

Centro de Ciências em Gestão e Tecnologia (CCGT)
Campus Sorocaba

Plataforma Lattes / outubro de 2020

Tiemi Christine Sakata

Possui graduação em Bacharelado em Ciência da Computação pela Universidade Federal de São Carlos (1998) e doutorado em Ciência da Computação pela Universidade Estadual de Campinas (2006). Atualmente é professora associada da Universidade Federal de São Carlos, campus Sorocaba. Tem experiência na área de Ciência da Computação e experiência de atuação nos temas: algoritmos distribuídos, tolerância a falhas, computação paralela. Atua principalmente nos temas de aprendizado de máquina e informática na educação. (Texto informado pelo autor)

  • http://lattes.cnpq.br/3560505262283874 (13/12/2019)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise: 2008-2020
  • Endereço: Universidade Federal de São Carlos, Universidade Federal de São Carlos - Campus Sorocaba. Rodovia João Leme dos Santos, Km 110 - SP-264, sala 12 Bairro do Itinga 18052-780 - Sorocaba, SP - Brasil Telefone: (15) 32022022
  • 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 (8)
    1. 2017-Atual. Ensino do Pensamento Computacional para professores e criancas
      Descrição: O ensino do Pensamento Computacional estimula o raciocínio computacional nas práticas de ensino e é capaz de desenvolver na criança habilidades como a abstração e o raciocínio lógico e a organização de passos (pensamento algorítmico), como forma de resolver problemas. O trabalho em equipe, a criatividade e o ?saber errar? são abordagens relevantes empregadas como forma de promover esse ?Pensar Computacional?, sendo todas essas competências necessárias para a formação do indivíduo no século XXI. Este projeto visa promover o desenvolvimento do pensamento computacional em crianças por meio de atividades plugadas e desplugadas. Além disso, pretende-se fornecer subsídios dos diversos métodos e ferramentas de ensino do pensamento computacional aos professores.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (1) . Integrantes: Tiemi Christine Sakata - Coordenador / Luciana Aparecida Martinez Zaina - Integrante.
      Membro: Tiemi Christine Sakata.
    2. 2017-Atual. Visualization in cluster analysis
      Descrição: Cluster analysis has been largely employed for knowledge extraction in several fields. Interpretation of clustering results are not straightforward for a domain expert and visual aids are extremely useful in these cases. Techniques for visualization and full exploration of advanced clustering techniques results are still needed. This research project aims to design/develop and apply visualization tools for interactive exploration of collections of clustering solutions and data analysis in application domains.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (2) . Integrantes: Tiemi Christine Sakata - Integrante / Katti Faceli - Coordenador / Douglas José Alem Junior - Integrante.
      Membro: Tiemi Christine Sakata.
      Descrição: Cluster analysis has been largely employed for knowledge extraction in several fields. Interpretation of clustering results are not straightforward for a domain expert and visual aids are extremely useful in these cases. Techniques for visualization and full exploration of advanced clustering techniques results are still needed. This research project aims to design/develop and apply visualization tools for interactive exploration of collections of clustering solutions and data analysis in application domains.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Mestrado acadêmico: (0) . Integrantes: Katti Faceli - Coordenador / Tiemi C. Sakata - Integrante.
      Membro: Katti Faceli.
    3. 2016-2017. Interactive visualization tool for exploring and learning from ensemble of clustering solutions
      Descrição: Cluster analysis has been largely employed for knowledge extraction in several fields. Interpretation of clustering results are not straightforward for a domain expert and visual aids are extremely useful in these cases. Techniques for visualization and full exploration of advanced clustering techniques results are still needed. Partitions' Visualizer (PVis) is a visualization tool that provides a static view of a collection of partitions, aiming at facilitating the work of domain experts comparing several clustering results. This research project aims to design/develop a visualization tool suitable for interactively explore collections of clustering solutions. The tool will take into account the capabilities of PVis, mechanisms for interaction, integration with recent clustering resources and integration with other already existing visualization devices. In order to show the effectiveness of the proposed tool, we will perform a case study. It will concern exploring the relations between partitions obtained with multi-objective clustering algorithms in the context of bioinformatics.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Tiemi Christine Sakata - Integrante / Katti Faceli - Coordenador / Julia Handl - Integrante. Número de produções C, T A: 1
      Membro: Tiemi Christine Sakata.
      Descrição: Cluster analysis has been largely employed for knowledge extraction in several fields. Interpretation of clustering results are not straightforward for a domain expert and visual aids are extremely useful in these cases. Techniques for visualization and full exploration of advanced clustering techniques results are still needed. Partitions' Visualizer (PVis) is a visualization tool that provides a static view of a collection of partitions, aiming at facilitating the work of domain experts comparing several clustering results. This research project aims to design/develop a visualization tool suitable for interactively explore collections of clustering solutions. The tool will take into account the capabilities of PVis, mechanisms for interaction, integration with recent clustering resources and integration with other already existing visualization devices. In order to show the effectiveness of the proposed tool, we will perform a case study. It will concern exploring the relations between partitions obtained with multi-objective clustering algorithms in the context of bioinformatics.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Katti Faceli - Coordenador / Tiemi C. Sakata - Integrante / Julia Handl - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.
      Membro: Katti Faceli.
    4. 2013-2015. Tecnicas de Aprendizado de Maquina aplicado em Dados de Larga Escala
      Descrição: Este projeto tem como principal objetivo possibilitar a análise de dados de larga escala de forma eficiente. Assim, pretende-se estudar e comparar técnicas de aprendizado de máquina considerando dados com alta dimensionalidade e/ou com mais de uma estrutura.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) . Integrantes: Tiemi Christine Sakata - Coordenador / Katti Faceli - Integrante / Tiago Agostinho Almeida - Integrante. Número de orientações: 2
      Membro: Tiemi Christine Sakata.
    5. 2011-2015. DataExplorer: Uma nova abordagem para analise de agrupamento
      Descrição: Este projeto se refere ao desenvolvimento de uma nova abordagem para análise de agrupamento que possibilite a obtenção de uma variedade maior de clusters com potencial de fornecer informações úteis aos especialistas se comparadas com as técnicas tradicionais e mesmo com as mais recentes como ensembles de agrupamento e as estratégias multi-objetivo. A idéia é que se obtenha todos os (ou a maioria dos) clusters relevantes presentes em um determinado conjunto de dados, independente da estrutura mais complexa a que eles pertençam (ex. uma partição), em que nível de refinamento ou mesmo em que sub-espaço dos dados ocorram.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Tiemi Christine Sakata - Integrante / Luciana Aparecida Martinez Zaina - Integrante / Katti Faceli - Coordenador / André - Integrante / Marcílio Souto - Integrante / Fabio Luciano Verdi - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Número de produções C, T A: 1
      Membro: Tiemi Christine Sakata.
      Descrição: Descrição: Este projeto se refere ao desenvolvimento de uma nova abordagem para análise de agrupamento que possibilite a obtenção de uma variedade maior de clusters com potencial de fornecer informações úteis aos especialistas se comparadas com as técnicas tradicionais e mesmo com as mais recentes como ensembles de agrupamento e as estratégias multi-objetivo. A idéia é que se obtenha todos os (ou a maioria dos) clusters relevantes presentes em um determinado conjunto de dados, independente da estrutura mais complexa a que eles pertençam (ex. uma partição), em que nível de refinamento ou mesmo em que sub-espaço dos dados ocorram... Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) . Integrantes: Luciana Aparecida Martinez Zaina - Integrante / Tiemi Christine Sakata - Integrante / Fabio L Verdi - Integrante / Katti Faceli - Coordenador / Marcílio Carlos Pereira de Souto - Integrante / Andre Carlos Ponce de Leon Ferreira de Carvalho - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Luciana Aparecida Martinez Zaina.
    6. 2011-2013. Complexidade de Problemas de Classificacao/Categorizacao: Um Estudo de Caso para Dados de Expressao Genica (471962/2010-4 Edital MCT/CNPq N o 14/2010 Universal)
      Descrição: Métodos de Aprendizado de Máquina Supervisionado e não-Supervisionado (algoritmos de agrupamento) têm sido aplicados com sucesso para a realização do diagnóstico de câncer, ou descoberta de subtipos, com base em dados de expressão gênica. Contudo, características inerentes aos conjuntos de dados de expressão gênica de câncer, tais como elevada dimensionalidade, baixo número de amostras e presença de ruído, tornam a tarefa de categorização não-trivial. Neste contexto, este Projeto apresenta uma proposta de estudo da caracterização da complexidade de bases de dados de expressão gênica para o diagnóstico de câncer. Espera-se obter medidas de complexidade que permitam relacionar a capacidade de classificação (ou categorização, no caso de métodos de agrupamento) desses dados às suas características, promovendo assim meios para a recomendação de abordagens a serem seguidas na classificação (categorização) desse tipo de dado. Embora o estudo a ser desenvolvido tenha como foco inicial bases de dados de expressão gênica, ele pode ser diretamente estendido a outros conjuntos de dados e domínios (e.g., categorização de textos e análise de imagens).. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Tiemi Christine Sakata - Integrante / Katti Faceli - Integrante / Marcílio Souto - Coordenador / Ana Carolina Lorena - Integrante / André L. V. Coelho - Integrante / Ivan Gesteira Costa - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Tiemi Christine Sakata.
    7. 2009-2012. Aprendizado de maquina aplicado a classificacao de dados da lingua eletronica
      Descrição: Este projeto tem como objetivo aplicar técnicas de aprendizado de máquina em dados coletados e fornecidos por especialistas em língua eletrônica para auxiliar no processo de extração de conhecimento sobre esses dados.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) . Integrantes: Tiemi Christine Sakata - Coordenador / Katti Faceli - Integrante / Antonio Riul - Integrante / Tiago Agostinho Almeida - Integrante.
      Membro: Tiemi Christine Sakata.
    8. 2009-Atual. Desenvolvimento de estrategias de selecao de particoes
      Descrição: Este projeto consiste do desenvolvimento de estratégias para a seleção de um subconjunto pequeno e representativo das soluções encontradas com técnicas de agrupamento tradicionais.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (2) . Integrantes: Tiemi Christine Sakata - Coordenador / Katti Faceli - Integrante. Número de produções C, T A: 3 / Número de orientações: 2
      Membro: Tiemi Christine Sakata.
      Descrição: Este projeto consiste do desenvolvimento de estratégias para a seleção de um subconjunto pequeno e representativo das soluções encontradas com técnicas de agrupamento tradicionais.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (2) . Integrantes: Katti Faceli - Integrante / Tiemi C. Sakata - Coordenador / Vanessa Antunes - Integrante / Gabriel Leonardo Pedote - Integrante.
      Membro: Katti Faceli.

Prêmios e títulos

  • Total de prêmios e títulos (3)
    1. Artigo completo classificado entre os 5 melhores artigos do Encontro Nacional de Inteligência Artificial e Computacional, ENIAC.. 2017.
      Membro: Tiemi Christine Sakata.
    2. Best Paper Award, BRACIS Brazilian Conference on Intelligent Systems, SBC.. 2017.
      Membro: Tiemi Christine Sakata.
    3. Professora Paraninfo, Alunos da Turma 2012 do Bacharelado em Ciência da Computação... 2016.
      Membro: Tiemi Christine Sakata.

Participação em eventos

  • Total de participação em eventos (18)
    1. EEPC - Encontro Paulista de Pós-Graduandos em Computação. 2018. (Encontro).
    2. Jornada de Pedagogia da Unip Sorocaba.A importância do Ensino do Pensamento Computacional. 2018. (Encontro).
    3. Brazilian Conference on Intelligent Systems. 2017. (Congresso).
    4. Encontro Regional de Futuros Cientistas.Oficina - Ciência da Computação para os futuros cientistas. 2017. (Encontro).
    5. IX Semana de Computação e Tecnologia da UFSCar Campus Sorocaba.Competição C2Y! - Criação de atividades desplugadas. 2017. (Outra).
    6. XXXVII Congresso da Sociedade Brasileira de Computação. 2017. (Congresso).
    7. III Escola Preparatória para Futuros Cientistas (EPFC).Conhecendo a Ciência da Computação por meio de atividade desplugada. 2016. (Encontro).
    8. VIII Semana da Computação e Tecnologia da UFSCar Campus Sorocaba.Workshop de Computação Desplugada - Conhecendo a Criptografia. 2016. (Outra).
    9. Microsoft eScience Workshop. 2014. (Seminário).
    10. Brazilian Symposium on Neural Networks.A comparison of external clustering evaluation indices in the context of imbalanced data sets. 2012. (Simpósio).
    11. ENIA - Encontro Nacional de Inteligência Artificial.DataExplorer: descobrindo clusters de diferentes tipos. 2012. (Encontro).
    12. Congresso da Sociedade Brasileira de Computação. 2011. (Congresso).
    13. Jornada de Atualizações em Informática. 2011. (Outra).
    14. I Jornada Científica UFSCar Sorocaba.Aprendizagem de Máquina. 2010. (Outra).
    15. Simpósio Brasileiro de Redes Neurais.Improvements in the Partitions Selection Strategy for Set of Clustering Solutions. 2010. (Simpósio).
    16. III Seminário de Inovações Pedagógicas no Ensino de Graduação da UFSCar: Currículo, Prática Docente e Avaliação. 2009. (Seminário).
    17. I Semana da Computação e Tecnologia da UFSCar-Sorocaba. 2009. (Outra).
    18. II Seminário de Inovações Pedagógicas no Ensino de Graduação da UFSCar: Currículo, Prática Docente e Avaliação. 2008. (Seminário).

Organização de eventos

  • Total de organização de eventos (0)

    Lista de colaborações

    • Colaborações endôgenas (4)
      • Tiemi Christine Sakata ⇔ Katti Faceli (14.0)
        1. TAKECHI, A. K. ; Steluti, W.M.D.M.F. ; Riul Jr., A. ; Faceli, K. ; SAKATA, T. C.. Aprendizado Supervisionado aplicado à Língua Eletrônica na Análise de Açúcar. Reverte (Indaiatuba). v. 9, p. 5, issn: 1806-0803, 2011.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: Não identificado (Reverte (Indaiatuba))
        2. Faceli, K. ; SAKATA, T. C. ; Souto, M. C. P ; CARVALHO, A. C. P. L. F.. Partitions selection strategy for set of clustering solutions. Neurocomputing (Amsterdam). v. 73, p. 2809-2819, issn: 0925-2312, 2010.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: A1
        3. FACELI, KATTI ; SAKATA, TIEMI C. ; HANDL, JULIA. CVis Towards a novel visualization tool to explore the relationship between input and output partitions in multi-objective clustering ensembles. Em: 2017 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB), p. 1, 2017.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B3 (CIBCB)
        4. ANTUNES, V. ; Faceli, Katti ; SAKATA, T. C.. HSS: Compact set of Partitions via Hybrid Selection. Em: Brazilian Conference on Intelligent Systems, p. 37-42, 2017.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: Não identificado (Brazilian Conference on Intelligent Systems)
        5. PEDOTE, G. ; Faceli, Katti ; SAKATA, T. C.. Impact of Base Partition Selection on Multi-Objective Clustering Ensemble. Em: ENIAC Encontro Nacional de Inteligência Artificial e Computacional, 2017.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B4 (Encontro Nacional de Intelig)
        6. ALMEIDA, JOAO LUIS BAPTISTA DE ; SAKATA, TIEMI CHRISTINE ; FACELI, KATTI. ASAClu: Selecting Diverse and Relevant Clusters. Em: 2016 5th Brazilian Conference on Intelligent Systems (BRACIS), p. 474-479, 2016.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: Não identificado (2016 5th Brazilian Conference on Intelligent Systems (BRACIS))
        7. J. Piantoni ; Faceli, Katti ; SAKATA, T. C. ; PEREIRA, J. C. ; Souto, M. C. P.. Impact of Base Partitions on Multi-objective and Traditional Ensemble Clustering Algorithms. Em: 22nd International Conference on Neural Information Processing (ICONIP2015), v. 9489, p. 696-704, 2015.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B1 (International Conference on Neural Information Processing)
        8. FACELI, KATTI ; SAKATA, TIEMI C. ; DE CARVALHO, ANDRE C. P. L. F. ; DE SOUTO, MARCILIO C. P.. PVis ? Partitions' visualizer: Extracting knowledge by visualizing a collection of partitions. Em: 2014 International Joint Conference on Neural Networks (IJCNN), p. 3056-3061, 2014.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: A2 (IJCNN)
        9. V. B. Santos ; NASCIMENTO, M. V. R. ; SAKATA, T. C. ; Faceli, Katti. DataExplorer: descobrindo clusters de diferentes tipos. Em: ENIA - Encontro Nacional de Inteligência Artificial, 2012.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B4 (Encontro Nacional de Intelig)
        10. de Souto, Marcilio C.P. ; COELHO, ANDRE L.V. ; FACELI, KATTI ; SAKATA, TIEMI C. ; BONADIA, VIVIANE ; Costa, Ivan G.. A Comparison of External Clustering Evaluation Indices in the Context of Imbalanced Data Sets. Em: 2012 Brazilian Symposium on Neural Networks (SBRN), p. 49-54, 2012.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B3 (SBRN)
        11. SAKATA, TIEMI C. ; Faceli, Katti ; ALMEIDA, TIAGO A. ; JUNIOR, ANTONIO RIUL ; STELUTI, WANESSA M. D. M. F.. The Assessment of the Quality of Sugar using Electronic Tongue and Machine Learning Algorithms. Em: 2012 Eleventh International Conference on Machine Learning and Applications (ICMLA), v. 1, p. 538-541, 2012.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: A1 (International Conference on Machine Learning)
        12. SAKATA, T C ; FACELI, K ; DE SOUTO, M C P ; DE CARVALHO, A C P L F. Improvements in the Partitions Selection Strategy for Set of Clustering Solutions. Em: 2010 Eleventh Brazilian Symposium on Neural Networks (SBRN 2010), p. 49-54, 2010.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B3 (SBRN)
        13. SILVA, V. L. ; FACELI, K. ; SAKATA, T. C.. Medidas de Similaridade para Seleção de Partições. Em: XVII Congresso de Iniciação Científica da UFSCar, 2009, São Carlos. Anais de Eventos da UFSCar, v. 5, p. 117-117, 2009.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        14. Faceli, Katti; SAKATA, T. C.. Aprendizagem de Máquina. 2010. Apresentação de Trabalho/Conferência ou palestra

      • Tiemi Christine Sakata ⇔ Luciana Aparecida Martinez Zaina (5.0)
        1. CASTRO, ELISA M. ; SAKATA, TIEMI C. ; ZAINA, LUCIANA A. M.. Explorando o potencial da interação NUI em um jogo de pensamento computacional para crianças. Revista Brasileira de Informática na Educação (RBIE). v. 27, p. 140, issn: 1414-5685, 2019.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B3 (Revista Brasileira de Informática na Educação)
        2. BERTO, LETÍCIA MARA ; Zaina, Luciana Aparecida Martinez ; SAKATA, TIEMI CHRISTINE. Metodologia Para Ensino do Pensamento Computacional para Crianças Baseada na Alternância de Atividades Plugadas e Desplugadas. Revista Brasileira de Informática na Educação (RBIE). v. 27, p. 01, issn: 2317-6121, 2019.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B3 (Revista Brasileira de Informática na Educação)
        3. CASTRO, ELISA ; SAKATA, TIEMI ; ZAINA, LUCIANA. Playing a Computational Thinking Game using Hand Gestures. Em: 2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT), p. 105-109, 2019.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B1 (ICALT)
        4. MARTINELLI, SUÉLLEN ; ZAINA, L. A. M. ; SAKATA, T. C.. MultiTACT: Uma abordagem para a construção de atividades de ensino multidisciplinares para estimular o Pensamento Computacional no Ensino Fundamental I. Em: VIII Congresso Brasileiro de Informática na Educação, p. 1063, 2019.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: Não identificado (VIII Congresso Brasileiro de Informática na Educação)
        5. MARTINELLI, SUÉLLEN ; ZAINA, LUCIANA ; SAKATA, TIEMI. O Pensamento Computacional em Atividades de Ensino mediadas pelo Professor do Ensino Fundamental I: Um Estudo de Caso. Em: XXIV Workshop de Informática na Escola, p. 509-518, 2018.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: Não identificado (XXIV Workshop de Informática na Escola)

      • Tiemi Christine Sakata ⇔ Tiago Agostinho de Almeida (2.0)
        1. SOUZA, N. A. ; ALMEIDA, T. A. ; SAKATA, T. C.. Aumentando o poder preditivo de classificadores lineares através de particionamento por classe. Em: XIV Encontro Nacional de Inteligência Artificial e Computacional (ENIAC'17), v. 1, p. 1-12, 2017.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B4 (Encontro Nacional de Intelig)
        2. SAKATA, TIEMI C. ; Faceli, Katti ; ALMEIDA, TIAGO A. ; JUNIOR, ANTONIO RIUL ; STELUTI, WANESSA M. D. M. F.. The Assessment of the Quality of Sugar using Electronic Tongue and Machine Learning Algorithms. Em: 2012 Eleventh International Conference on Machine Learning and Applications (ICMLA), v. 1, p. 538-541, 2012.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: A1 (International Conference on Machine Learning)

      • Tiemi Christine Sakata ⇔ Yeda Regina Venturini (2.0)
        1. ARRUDA, T. V. ; VENTURINI, Y. R. ; SAKATA, T. C.. Performance analysis of parallel modular multiplication algorithms for ECC in mobile devices. Revista de Sistemas de Informação da FSMA. v. 13, p. 57-67, issn: 1983-5603, 2014.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: B5
        2. VANDERLEI DE ARRUDA, TIAGO ; VENTURINI, YEDA REGINA ; SAKATA, TIEMI CHRISTINE. Performance evaluation of ECC scalar multiplication using parallel modular algorithms on mobile devices. Em: 2015 13th Annual Conference on Privacy, p. 153-156, 2015.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
          Qualis: Não identificado (2015 13th Annual Conference on Privacy)




    Data de processamento: 12/10/2020 17:50:52