Lilian Berton nacionalidade brasileira

Universidade Federal de São Paulo

Instituto de Ciência e Tecnologia

Programa de Pós-Graduação: Ciência da Computação

E-Mail: lberton@unifesp.br


71
18
Pular gráfico
De 2020 a 2024
Trabalhos publicados

Resumo

Lilian Berton é Profa. Adjunto no Instituto de Ciência e Tecnologia (ICT) - Universidade Federal de São Paulo (UNIFESP). É doutora (2011/2016) e mestre (2009/2011) em Ciências da Computação e Matemática Computacional pelo Instituto de Ciências Matemáticas e de Computação - Universidade de São Paulo (ICMC - USP). Graduada em Análise de Sistemas (2004-2007) e Matemática (2005-2008) pela Universidade Estadual do Centro-Oeste (UNICENTRO). Tem experiência em inteligência artificial, aprendizado de máquina, processamento de textos, imagens e redes complexas. As principais aplicações de seu trabalho incluem redes sociais, dados climáticos, saúde e indústria 4.0. É coordenadora do grupo de pesquisa PAttern Recognition And Network Analysis (PARANA). É coordenadora do projeto de extensão "Mulheres nas Exatas" e colaboradora do "GT Mulheres em Engenharia" da ABENGE. É integrante dos seguintes centros de pesquisa: Centro de Pesquisa Aplicada em Inteligência Artificial para a evolução das Indústrias para o Padrão 4.0 - IPT (Plataforma IASMIN); Centro de Ciência, Tecnologia e Desenvolvimento para inovação em Medicina e Saúde: inLab.iNova, Instituto Paulista de Resistência aos Antimicrobianos (Projeto ARIES) e Centro de Saúde Global - Unifesp.

Fonte: Lattes CNPq

Nomes em citações bibliográficas

BERTON, L.;BERTON, LILIAN;BERTON, L


Exportar dados

Exportar produção no formato BIBTEX


Perfis na web


Tags mais usadas

Pular nuvens de palavras

Idiomas

Inglês

Compreende bem, Fala razoavelmente, Lê bem, Escreve bem

Espanhol

Compreende bem, Fala razoavelmente, Lê bem, Escreve razoavelmente

Português

Compreende bem, Fala bem, Lê bem, Escreve bem


Formação

  • Doutorado em Ciências da Computação e Matemática Computacional

    Construção de redes baseadas em vizinhança para o aprendizado semissupervisionado

    Orientação: Alneu de Andrade Lopes

    Universidade de São Paulo

      Desde 2016

  • Mestrado em Ciências da Computação e Matemática Computacional

    Caracterização de classes e detecção de outliers em Redes Complexas

    Orientação: Zhao Liang

    Universidade de São Paulo

    2009 a 2011

  • Graduação em Matemática

    Universidade Estadual do Centro-Oeste

    2005 a 2008

  • Graduação em Análise de Sistemas

    Estudo do Problema de Caminho Mínimo Fuzzy

    Orientação: Fábio Hernandes

    Universidade Estadual do Centro-Oeste

    2004 a 2007

  • Produção


    2023


    • Graph-based semi-supervised classification for similar wildfire dynamics

      Trabalhos em eventos

      Autores: Lilian Berton; OLIVEIRA, PEDRO; VEGA OLIVEROS, DIDIER

      Conteúdo completo

      2023

      Fonte: Proceedings of the 38th ACM/SIGAPP Symposium on Applied Computing , p. 499

    • Analysis of active semi-supervised learning

      Trabalhos em eventos

      Autores: Lilian Berton; MITSUISHI, FELIPE; VEGA OLIVEROS, DIDIER

      Conteúdo completo

      2023

      Fonte: Proceedings of the 38th ACM/SIGAPP Symposium on Applied Computing , p. 1122

    • A systematic review for class-imbalance in semi-supervised learning

      Artigo publicado

      Autores: Willian Dihanster Gomes de Oliveira; Lilian Berton

      2023

      Fonte: ARTIFICIAL INTELLIGENCE REVIEW , v. 56 , p. 1

    • A review of semi-supervised learning for text classification

      Artigo publicado

      Autores: DUARTE, JOSÉ MARCIO; Lilian Berton

      Conteúdo completo

      2023

      Fonte: ARTIFICIAL INTELLIGENCE REVIEW , v. 1 , p. 1


    2022


    • Exploring Deep Neural Networks and Decision Tree for Spanish Text Classification

      Trabalhos em eventos

      Autores: Pedro Shiguihara; Lilian Berton

      Conteúdo completo

      2022

      Fonte: XXIX International Conference on Eletronics, Electrical Engineering and Computing (INTERCON) , p. 1

    • Application of Deep Learning Models for Aircraft Maintenance

      Trabalhos em eventos

      Autores: SANO, HUMBERTO HAYASHI; Lilian Berton

      Conteúdo completo

      2022

      Fonte: Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022) , p. 787

    • Learning methods for remaining useful life prediction in a turbofan engine

      Trabalhos em eventos

      Autores: LEAL, ANDRÉIA SEIXAS; Lilian Berton; SANTOS, LUIS CARLOS DE CASTRO

      Conteúdo completo

      2022

      Fonte: Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022) , p. 556

    • Energy forecasting model based on CNN-LSTM-AE for many time series with unequal lengths

      Artigo publicado

      Autores: RICK, RODNEY; Lilian Berton

      Conteúdo completo

      2022

      Fonte: ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE , v. 113 , p. 104998

    • QT-Routenet: Improved GNN generalization to larger 5G networks by fine-tuning predictions from queueing theory

      Artigo publicado

      Autores: Bruno Klaus de Aquino Afonso; Lilian Berton

      2022

      Fonte: ITU JOURNAL , v. 3 , p. 49


    2021


    • Performance analysis of machine learning algorithms trained on biased data

      Trabalhos em eventos

      Autores: Renata Sendreti Broder; Lilian Berton

      Conteúdo completo

      2021

      Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC) , p. 1

    • Comparison of GANs for Covid-19 X-ray classification

      Trabalhos em eventos

      Autores: Luiz Felipe Cavalcanti; Lilian Berton

      Conteúdo completo

      2021

      Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC) , p. 1

    • Applying machine learning to assist the diagnosis of COVID-19 from blood and urine exams

      Trabalhos em eventos

      Autores: Jessica Aparecida Almeida dos Santos; Lilian Berton

      Conteúdo completo

      2021

      Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC) , p. 1

    • KDD-BR 2021: Using Graph Neural Networks for Link Prediction in TSP Problem

      Trabalhos em eventos

      Autores: Bruno Klaus de Aquino Afonso; Willian Dihanster Gomes de Oliveira; Jessica Domingues Lamosa; Lilian Berton

      Conteúdo completo

      2021

      Fonte: XVIII Encontro Nacional de Inteligência Artificial e Computacional , p. 791

    • Voicebot em Python e AIML para aplicação em plataformas de telemonitoramento de pacientes baseado em cuidado híbrido

      Trabalhos em eventos

      Autores: André Kazuo Takahata; Ricardo Suyama; Margarethe Steinberger-Elias; Lilian Berton; Antonio Valerio Netto

      2021

      Fonte: XVIII Congresso Brasileiro de Informática e Saúde

    • Topic detection and sentiment analysis in Twitter content related to COVID-19 from Brazil and the USA

      Artigo publicado

      Autores: GARCIA, KLAIFER; Lilian Berton

      Conteúdo completo

      2021

      Fonte: APPLIED SOFT COMPUTING , v. 101 , p. 107057

    • Link Prediction Based on Stochastic Information Diffusion

      Artigo publicado

      Autores: Didier Augusto Vega Oliveros; ZHAO, LIANG; ROCHA, ANDERSON; Lilian Berton

      Conteúdo completo

      2021

      Fonte: IEEE Transactions on Neural Networks and Learning Systems , v. 1 , p. 1

    • Deep analysis of word sense disambiguation via semi-supervised learning and neural word representations

      Artigo publicado

      Autores: DUARTE, JOSÉ MARCIO; SOUSA, SAMUEL; Milios, Evangelos; Lilian Berton

      Conteúdo completo

      2021

      Fonte: INFORMATION SCIENCES , v. 570 , p. 278

    • Aplicação de healthbots em língua portuguesa: revisão narrativa

      Artigo publicado

      Autores: Camille Prado; Antonio Valerio Netto; Lilian Berton; André Kazuo Takahata

      2021

      Fonte: journal of health informatics , v. 13 , p. 139

    • A Temporal Event Graph Approach and Robustness Analysis for Air Transport Network

      Artigo publicado

      Autores: SANO, HUMBERTO HAYASHI; Lilian Berton

      Conteúdo completo

      2021

      Fonte: IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERING , v. 8 , p. 3453

    • Ciência de Dados e a Inteligência Artificial na Área da Saúde

      Livro publicado ou organizado

      Autores: Antonio Valerio Netto; Lilian Berton; André Kazuo Takahata

      2021

      Fonte:

    • Optimizing Diffusion Rate and Label Reliability in a Graph-Based Semi-supervised Classifier

      Capítulo de livro publicado

      Autores: Bruno Klaus de Aquino Afonso; Lilian Berton

      Conteúdo completo

      2021

      Fonte: Lecture Notes in Computer Science , p. 514


    2020


    • Topology and robustness analysis of temporal air transport network

      Trabalhos em eventos

      Autores: SANO, HUMBERTO HAYASHI; Lilian Berton

      Conteúdo completo

      2020

      Fonte: Proceedings of the 35th Annual ACM Symposium on Applied Computing , p. 1881

    • Analysis of label noise in graph-based semi-supervised learning

      Trabalhos em eventos

      Autores: Bruno Klaus de Aquino Afonso; Lilian Berton

      Conteúdo completo

      2020

      Fonte: 35th ACM/SIGAPP Symposium On Applied Computing (SAC 2020)

    • Word sense disambiguation: an evaluation study of semi-supervised approaches with word embeddings

      Trabalhos em eventos

      Autores: SOUSA, SAMUEL; Milios, Evangelos; Lilian Berton

      Conteúdo completo

      2020

      Fonte: 2020 International Joint Conference on Neural Networks (IJCNN) , p. 1

    • A comparison of graph-based semi-supervised learning for data augmentation

      Trabalhos em eventos

      Autores: OLIVEIRA, WILLIAN DIHANSTER G. DE; PENATTI, OTAVIO A. B.; Lilian Berton

      Conteúdo completo

      2020

      Fonte: 2020 33rd SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI) , p. 264

    • Classifying El Niño-Southern Oscillation Combining Network Science and Machine Learning

      Artigo publicado

      Autores: DE CASTRO SANTOS, MATHEUS A.; Vega-Oliveros, Didier A.; ZHAO, LIANG; Lilian Berton

      Conteúdo completo

      2020

      Fonte: IEEE Access , v. 8 , p. 55711

    • Identifying noisy labels with a transductive semi-supervised leave-one-out filter

      Artigo publicado

      Autores: DE AQUINO AFONSO, BRUNO KLAUS; Lilian Berton

      Conteúdo completo

      2020

      Fonte: PATTERN RECOGNITION LETTERS , v. 140 , p. 127

    • Categorizing Online Harassment on Twitter

      Capítulo de livro publicado

      Autores: Saeidi, Mozhgan; da S. Sousa, Samuel Bruno; Milios, Evangelos; Zeh, Norbert; Lilian Berton

      Conteúdo completo

      2020

      Fonte: Communications in Computer and Information Science , p. 283

    • O desenvolvimento do pensamento computacional e robótica na educação em engenharia

      Capítulo de livro publicado

      Autores: Sueli Liberatti Javaroni; Lilian Berton; Renato Bolsoni Barreto; Saulo Joel Oliveira Leite; Suiane Souza Montanari; Susie Cristine Keller; Tatiana Renata Garcia; Maria Teresa Zampieri; Angelina Gomes Santos; Carlos Maurício Sacchelli; Cristian da Rocha Duarte; Daniel Tebaldi Santos; Edson Pedro Ferlin; Elis Regina Duarte; João Victor Fabri

      2020

      Fonte: ios da Educação em Engenharia: Empreendorismo, Industria 4.0, Formação do Engenheiro, Mulheres em STEM , p. 1

    • Mulheres em STEM nas escolas de engenharia

      Capítulo de livro publicado

      Autores: Neusa Maria Franco de Oliveira; Eduardo José Alécio de Oliveira; Ellen Harumi Sakata; Erika Yamada Isobata; Fernanda Pavão Navarro; Ioná Maria Beltrão Rameh Barbosa; Josiane do Socorro Aguiar de Souza; Julia Rodrigues Batista; Juliana Melo Bezerra; Katia Cristina Tarouquella R. Brasil; Lara Kühl Teles; Paloma Maria Silva Rocha Rizol; Larissa da Silva Lima; Leila Ribeiro; Lilian Berton; Luana Mila de Souza Matos; Maria Margareth da Silva; Mariana Foleto dos Santos; Milena Marinho Arruda; Raquel Caratti Piani; Sofia Suely Ferreira Brandão Rodrigues; Susie Cristine Keller; Aida Araújo Ferreira; Tatiana Renata Garcia; Valéria Saldanha Motta; Vanessa Batista Schramm; Vânia Soares de Carvalho; Andréa Cristina dos Santos; Angelina Gomes Santos; Bianca Kaori Takahashi; Carlos Maurício Sacchelli; Cristiane Aparecida Martins; Dianne Magalhães Viana

      2020

      Fonte: Desafios da Educação em Engenharia: Empreendorismo, Industria 4.0, Formação do Engenheiro, Mulheres em STEM , p. 1

    • Measuring the engagement level in encrypted group conversations by using temporal networks

      Trabalhos em eventos

      Autores: COTACALLAPA, MOSHE; BERTON, LILIAN; FERREIRA, LEONARDO N.; Quiles, Marcos G.; Zhao, Liang; Elbert Einstein Nehrer Macau; VEGA-OLIVEROS, DIDIER A.

      Conteúdo completo

      2020

      Fonte: 2020 International Joint Conference on Neural Networks (IJCNN) , p. 1


    2019


    • Single and Multiple Failures Diagnostics of Pneumatic Valves using Machine Learning

      Trabalhos em eventos

      Autores: SANO, HUMBERTO; MALERE, JOAO; Lilian Berton

      Conteúdo completo

      2019

      Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2019) , p. 202

    • Combining active learning and graph-based semi-supervised learning

      Trabalhos em eventos

      Autores: CANDAO, JHONATAN; Lilian Berton

      Conteúdo completo

      2019

      Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2019) , p. 694

    • Car plate character recognition via semi-supervised learning

      Trabalhos em eventos

      Autores: João Pedro Kerr Catunda; André Tavares da Silva; Lilian Berton

      Conteúdo completo

      2019

      Fonte: 8th Brazilian Conference on Intelligent Systems (BRACIS) , p. 735

    • Network analysis of El Niño

      Trabalhos em eventos

      Autores: Lilian Berton; Matheus A. de Castro Santos

      2019

      Fonte: 2nd Latin American Conference on Complex Network (LANET 2019)

    • Housing Prices Prediction with a Deep Learning and Random Forest Ensemble

      Trabalhos em eventos

      Autores: Bruno Klaus de Aquino Afonso; Luckeciano Carvalho Melo; Willian Dihanster Gomes de Oliveira; Samuel Bruno da Silva Sousa; Lilian Berton

      2019

      Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC) , p. 389

    • A multi-centrality index for graph-based keyword extraction

      Artigo publicado

      Autores: Vega-Oliveros, Didier A.; GOMES, PEDRO SPOLJARIC; E. MILIOS, EVANGELOS; Lilian Berton

      Conteúdo completo

      2019

      Fonte: INFORMATION PROCESSING & MANAGEMENT , v. 56 , p. 102063

    • Evaluating link prediction by diffusion processes in dynamic networks

      Artigo publicado

      Autores: Vega-Oliveros, Didier A.; ZHAO, LIANG; Lilian Berton

      Conteúdo completo

      2019

      Fonte: Scientific Reports , v. 9 , p. 1

    • Feature Selection for Clustering of Homicide Rates in the Brazilian State of Goias

      Artigo publicado

      Autores: Samuel Bruno da Silva Sousa; Ronaldo de Castro Del-Fiaco; Lilian Berton

      Conteúdo completo

      2019

      Fonte: CLEI ELECTRONIC JOURNAL , v. 22 , p. 1


    2018


    • A Comparison of Graph Construction Methods for Semi-Supervised Learning

      Trabalhos em eventos

      Autores: Lilian Berton; DE ANDRADE LOPES, ALNEU; Vega-Oliveros, Didier A.

      Conteúdo completo

      2018

      Fonte: 2018 International Joint Conference on Neural Networks (IJCNN) , p. 1

    • Gender differences in technologies courses at ICT-UNIFESP Brazil

      Trabalhos em eventos

      Autores: Lilian Berton; Jessica Aparecida Almeida dos Santos

      2018

      Fonte: XLIV Conferência Latino-americana de Informática

    • Cluster Analysis of Homicide Rates in the Brazilian State of Goiás from 2002 to 2014

      Trabalhos em eventos

      Autores: DA SILVA SOUSA, SAMUEL BRUNO; DE CASTRO DEL-FIACO, RONALDO; Lilian Berton

      Conteúdo completo

      2018

      Fonte: 2018 XLIV Latin American Computer Conference (CLEI) , p. 445


    2017


    • The Impact of Social Curiosity on Information Spreading on Networks

      Trabalhos em eventos

      Autores: Vega-Oliveros, Didier A.; Lilian Berton; VAZQUEZ, FEDERICO; RODRIGUES, FRANCISCO A.

      Conteúdo completo

      2017

      Fonte: Proceedings of the 2017 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining 2017 - ASONAM '17 , p. 459

    • RGCLI: Robust Graph that Considers Labeled Instances for Semi-Supervised Learning

      Artigo publicado

      Autores: Lilian Berton; DE PAULO FALEIROS, THIAGO; VALEJO, ALAN; VALVERDE-REBAZA, JORGE; DE ANDRADE LOPES, ALNEU

      Conteúdo completo

      2017

      Fonte: NEUROCOMPUTING , v. 226 , p. 238

    • Network Sampling Based on Centrality Measures for Relational Classification

      Capítulo de livro publicado

      Autores: Lilian Berton; Vega-Oliveros, Didier A.; VALVERDE-REBAZA, JORGE; da Silva, Andre Tavares; LOPES, ALNEU DE ANDRADE

      Conteúdo completo

      2017

      Fonte: Communications in Computer and Information Science , p. 43


    2016


    • The Impact of Network Sampling on Relational Classification

      Trabalhos em eventos

      Autores: Lilian Berton; VEGA-OLIVEROS, DIDIER A; Jorge Carlos Valverde Rebaza; André Tavares da Silva; LOPES, A A

      2016

      Fonte: Proceedings of the 3rd Annual International Symposium on Information Management and Big Data - SIMBig 2016 , p. 62

    • Network Construction and Applications for Semi-Supervised Learning

      Trabalhos em eventos

      Autores: Lilian Berton; Alneu de Andrade Lopes

      2016

      Fonte: Workshop of Theses and Dissertations (WTD) in the 29th Conference on Graphics, Patterns and Images (SIBGRAPI'16) , p. 01

    • Neighborhood graph construction for semi-supervised learning

      Artigo publicado

      Autores: Lilian Berton; Alneu de Andrade Lopes

      Conteúdo completo

      2016

      Fonte: AI Matters , v. 2 , p. 14


    2015


    • A naïve Bayes model based on ovelapping groups for link prediction in online social networks

      Trabalhos em eventos

      Autores: VALVERDE-REBAZA, JORGE; VALEJO, ALAN; Lilian Berton; DE PAULO FALEIROS, THIAGO; DE ANDRADE LOPES, ALNEU

      Conteúdo completo

      2015

      Fonte: Proceedings of the 30th Annual ACM Symposium on Applied Computing - SAC '15 , p. 1136

    • Link prediction in graph construction for supervised and semi-supervised learning

      Trabalhos em eventos

      Autores: Lilian Berton; VALVERDE-REBAZA, JORGE; DE ANDRADE LOPES, ALNEU

      Conteúdo completo

      2015

      Fonte: 2015 International Joint Conference on Neural Networks (IJCNN) , p. 1

    • Influence maximization based on the least influential spreaders

      Trabalhos em eventos

      Autores: VEGA-OLIVEROS, DIDIER A; Lilian Berton; LOPES, A A; Francisco A. Rodrigues

      2015

      Fonte: SocInf'15 Proceedings of the 1st International Conference on Social Influence Analysis , p. 3

    • Graph Construction for Semi-Supervised Learning

      Trabalhos em eventos

      Autores: Lilian Berton; LOPES, A A

      2015

      Fonte: Twenty-Fourth International Joint Conference on Artificial Intelligence (IJCAI 2015) , p. 4343

    • Spreader Selection by Community to Maximize Information Diffusion in Social Networks

      Trabalhos em eventos

      Autores: VEGA-OLIVEROS, DIDIER A; Lilian Berton

      2015

      Fonte: Proceedings of the 2nd Annual International Symposium on Information Management and Big Data - SIMBig 2015 , p. 73


    2014


    • Graph Construction Based on Labeled Instances for Semi-supervised Learning

      Trabalhos em eventos

      Autores: Lilian Berton; LOPES, ALNEU DE ANDRADE

      Conteúdo completo

      2014

      Fonte: 2014 22nd International Conference on Pattern Recognition , p. 2477

    • Music Genre Classification Using Traditional and Relational Approaches

      Trabalhos em eventos

      Autores: VALVERDE-REBAZA, JORGE; SORIANO, AUREA; Lilian Berton; OLIVEIRA, MARIA CRISTINA FERREIRA DE; LOPES, ALNEU DE ANDRADE

      Conteúdo completo

      2014

      Fonte: 2014 Brazilian Conference on Intelligent Systems , p. 259

    • Regular graph construction for semi-supervised learning

      Artigo publicado

      Autores: VEGA-OLIVEROS, DIDIER A; Lilian Berton; EBERLE, ANDRE MANTINI; LOPES, ALNEU DE ANDRADE; ZHAO, LIANG

      2014

      Fonte: Journal of Physics. Conference Series (Online) , v. 490 , p. 012022

    • Performing edge detection by Difference of Gaussians using q-Gaussian kernels

      Artigo publicado

      Autores: ASSIRATI, L; SILVA, N R; Lilian Berton; LOPES, A A; BRUNO, O M

      2014

      Fonte: JOURNAL OF PHYSICS. CONFERENCE SERIES (ONLINE) , v. 490 , p. 012020


    2012


    • Informativity-based graph: Exploring mutual kNN and labeled vertices for semi-supervised learning

      Trabalhos em eventos

      Autores: Lilian Berton; DE ANDRADE LOPES, ALNEU

      Conteúdo completo

      2012

      Fonte: 2012 Fourth International Conference on Computational Aspects of Social Networks (CASoN) , p. 14

    • Exploring Data Classification with K-associated Network

      Trabalhos em eventos

      Autores: Thiago Faleiros; Lilian Berton; Alneu de Andrade Lopes

      2012

      Fonte: IV International Workshop on Web and Text Intelligence (WTI - 2012)

    • Graph-based cross-validated committees ensembles

      Trabalhos em eventos

      Autores: LLERENA, NILS EVER MURRUGARRA; Lilian Berton; DE ANDRADE LOPES, ALNEU

      Conteúdo completo

      2012

      Fonte: 2012 Fourth International Conference on Computational Aspects of Social Networks (CASoN) , p. 75


    2011


    • Caracterização de Classes via Otimização em Redes Complexas

      Trabalhos em eventos

      Autores: Lilian Berton; Zhao

      2011

      Fonte: VIII Encontro Nacional de Inteligência Artificial (ENIA2011) , p. 548


    2010


    • Identifying abnormal nodes in complex networks by using random walk measure

      Trabalhos em eventos

      Autores: Lilian Berton; HUERTAS, JEAN; ARAUJO, BILZA; ZHAO, LIANG

      Conteúdo completo

      2010

      Fonte: IEEE Congress on Evolutionary Computation , p. 1

    • Identifying Abnormal Nodes in Protein-Protein Interaction Networks

      Trabalhos em eventos

      Autores: Bilzã2; Francisco; Lilian Berton; Jean; Tiago; Zhao

      2010

      Fonte: DYNAMICS DAYS SOUTH AMERICA 2010: INTERNATIONAL CONFERENCE ON CHAOS AND NONLINEAR DYNAMICS


    2009


    • O Problema do Caminho Mínimo com Incertezas e Restrições de Tempo

      Artigo publicado

      Autores: Fábio Hernandes; Lilian Berton; Maria José de Paula Castanho

      Conteúdo completo

      2009

      Fonte: Pesquisa Operacional (Online) , v. 29 , p. 471

    • Abordagem Fuzzy na Taxa de Sobrevivência de Trypoxylon (Trypargilum) lactitarse (Hymenoptera: Crabronidae)

      Artigo publicado

      Autores: Lilian Berton; Maria José de Paula Castanho; Maria Luisa Tunes Buschini

      2009

      Fonte: Ambiência (Online) , v. 5 , p. 419


    2008


    • O Problema do Caminho Mínimo Fuzzy

      Trabalhos em eventos

      Autores: Lilian Berton; Fábio Hernandes

      2008

      Fonte: XIX Seminário de Pesquisa e XIV Semana de Iniciação Científica

    • Um estudo teórico e computacional do criptosistema de chave pública RSA

      Trabalhos em eventos

      Autores: Lilian Berton; Marlon Soares

      2008

      Fonte: II Encontro de Iniciação Científica do PROIC/UNICENTRO


    2007


    • Abordagem fuzzy na taxa de sobrevivência de Trypoxylon Lactitarse Saussure

      Trabalhos em eventos

      Autores: Lilian Berton; Maria José de Paula Castanho; Maria Luisa Tunes Buschini

      2007

      Fonte: XXX CNMAC - Congresso Nacional de Matemática Aplicada

    • Abordagem fuzzy na taxa de sobrevivência de Trypoxylon Lactitarse Saussure

      Trabalhos em eventos

      Autores: Lilian Berton; Maria José de Paula Castanho; Maria Luisa Tunes Buschini

      2007

      Fonte: Encontro Anual de Iniciação Científica ... Encontro de Pesquisa da UEPG (CD-Rom)

    • Caminho Mínimo em Grafos com Parâmetros Fuzzy

      Trabalhos em eventos

      Autores: Lilian Berton; Fábio Hernandes; Maria José de Paula Castanho

      2007

      Fonte: XXXIX SBPO - Simpósio Brasileiro de Pesquisa Operacional

    • Abordagem fuzzy na dinâmica da população de Trypoxylon Lactitarse Saussure

      Trabalhos em eventos

      Autores: Lilian Berton; Maria José de Paula Castanho; Maria Luisa Tunes Buschini

      2007

      Fonte: I Encontro de Iniciação Científica do PROIC/UNICENTRO

    Atuações

    Universidade de São Paulo

    • Professor Contratado Nível II (Assistente)

      2015 a 2015

    • Aluna de doutorado

      Bolsista

      2011 a 2016

    • Aluna de mestrado

      Bolsista

      2009 a 2011

    IEEE Transactions on Cybernetics

    • Revisor de periódico

      Desde 2015

    ACM Transactions on Knowledge Discovery from Data

    • Revisor de periódico

      2015 a 2016

    Applied Computing and Informatics

    • Revisor de periódico

      2013 a 2016

    Northeastern University

    • Visitante

      Visitante

      2014 a 2014

    Universidade Estadual do Centro-Oeste

    • Bolsista de Iniciação Científica

      Bolsista

      2006 a 2007

    • Aluno de iniciação científica

      Iniciação Científica

      2007 a 2008

    Universidade Federal de São Paulo

    • Professor Adjunto

      Desde 2017

    Universidade do Estado de Santa Catarina

    • Bolsista de Pós-doutorado

      Bolsista

      2016 a 2017

    VISIBILIA

    • Pesquisador Colaborador

      2017 a 2018

    Fundação de Amparo à Pesquisa do Estado de São Paulo

    • Membro de comitê assessor

      Desde 2018

    Programa Institucional de Bolsas de Iniciação Cientifica

    • Membro de comitê assessor

      Desde 2017

    IEEE Access

    • Revisor de periódico

      Desde 2019

    IEEE Geoscience and Remote Sensing Letters

    • Revisor de periódico

      Desde 2019

    PEERJ COMPUTER SCIENCE

    • Revisor de periódico

      Desde 2019

    ACM TRANSACTIONS ON INFORMATION SYSTEMS

    • Revisor de periódico

      Desde 2019

    Journal of Information and Data Management

    • Revisor de periódico

      Desde 2019

    ARTIFICIAL INTELLIGENCE

    • Revisor de periódico

      Desde 2019

    SCIENTOMETRICS (ONLINE)

    • Revisor de periódico

      Desde 2020

    IEEE Transactions on Geoscience and Remote Sensing

    • Revisor de periódico

      Desde 2019

    Comissão Fulbright Brasil

    • Membro de comitê assessor

      Desde 2020

    Information Sciences

    • Revisor de periódico

      Desde 2020

    IEEE Transactions on Engineering Management

    • Revisor de periódico

      Desde 2020

    PLOS ONE

    • Revisor de periódico

      Desde 2021

    INFORMATION

    • Revisor de periódico

      Desde 2021

    Instituto de Pesquisas Tecnológicas do Estado de São Paulo

    • Pesquisador Colaborador

      Desde 2021

    Hospital das Clínicas da Faculdade de Medicina da USP

    • Pesquisador Colaborador

      Desde 2022

    Matchit

    • Pesquisador Colaborador

      Desde 2022

    Artificial Intelligence Review

    • Revisor de periódico

      Desde 2022

    Scientific Reports

    • Revisor de periódico

      Desde 2022

    Machines

    • Membro de corpo editorial

      Desde 2023

    Conselho Nacional de Desenvolvimento Científico e Tecnológico

    • Membro de comitê assessor

      Desde 2023

    Applied Intelligence

    • Revisor de periódico

      Desde 2023

    Intelligent Data Analysis

    • Revisor de periódico

      Desde 2023

    Natural Language Engineering

    • Revisor de periódico

      Desde 2023

    Ensino

    Orientações e supervisões

    Supervisão de pós-doutorado em andamento

    Tese de doutorado em andamento

    • Andreia Seixas Leal

      Desenvolvimento de soluções de manutenção preditiva em sistemas aeronáuticos utilizando conceito de AutoML

      Ciência da Computação

      Conselho Nacional de Desenvolvimento Científico e Tecnológico

      Universidade Federal de São Paulo

      Desde 2021

    • José Marcio Duarte

      Redes generativas adversárias para o aprendizado semissupervisionado em classificação de textos

      Ciência da Computação

      Universidade Federal de São Paulo

      Desde 2020

    • Bruno Klaus de Aquino Afonso

      Robust spectral filters for graph-based semi-supervised learning

      Ciência da Computação

      Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

      Universidade Federal de São Paulo

      Desde 2020

    • Klaifer Garcia

      Analysis of natural disasters in data from social media

      Ciência da Computação

      Universidade Federal de São Paulo

      Desde 2020

    • Salety Ferreira Baracho

      Análise de Impacto de Escaneamento de Vulnerabilidade de Software Baseada em Inteligência Artificial

      Ciência da Computação

      Universidade Federal de São Paulo

      Desde 2023

    • Dilermando Queiroz Neto

      Towards fairness in medical images by semi-supervised learning approaches

      Ciência da Computação

      Universidade Federal de São Paulo

      Desde 2023

    Dissertação de mestrado em andamento

    • Willian Dihanster Gomes de Oliveira

      Análise de dados desbalanceados e fairness em aprendizado semissupervisionado

      Ciência da Computação

      Universidade Federal de São Paulo

      Desde 2021

    • Joel Frank Huarayo Quispe

      AutoML para Manutenção Industrial 4.0

      Ciência da Computação

      Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

      Universidade Federal de São Paulo

      Desde 2022

    • Ricardo Trainotti Rabonato

      Mitigando viéses de gênero na tradução automática para o português

      Ciência da Computação

      Universidade Federal de São Paulo

      Desde 2022

    • Fernando Salles Souza Duarte

      Framework para equidade em algoritmos de inteligência artificial em saúde

      Ciência da Computação

      Universidade Federal de São Paulo

      Desde 2022

    • Isabela Cristina Amaro Souza

      Evaluation of fairness machine learning based CAD

      Ciência da Computação

      Universidade Federal de São Paulo

      Desde 2023

    • Adriano Cruz da Silva

      Manutenção preditiva para a indústria de petróleo e gás com a utilização de técnicas de aprendizado de máquina

      Ciência da Computação

      Universidade Federal de São Paulo

      Desde 2022

    Dissertação de mestrado concluídas

    • Samuel Bruno da Silva Sousa

      Desambiguação de sentidos de palavras por meio de aprendizado semissupervisionado e word embeddings

      Ciência da Computação

      Fundação de Amparo à Pesquisa do Estado de São Paulo

      Universidade Federal de São Paulo

      Concluído em 2018

    • Bruno Klaus de Aquino Afonso

      Analysis of label noise in graph-based semi-supervised learning

      Ciência da Computação

      Fundação de Amparo à Pesquisa do Estado de São Paulo

      Universidade Federal de São Paulo

      Concluído em 2018

    • Humberto Hayashi Sano

      Modelagem e análise da robustez de redes áereas temporais

      Ciência da Computação

      Universidade Federal de São Paulo

      Concluído em 2019

    • Rodney Rick

      Desenvolvimento de uma modelagem para previsão da distribuição e consumo de energia elétrica de clientes livres

      Ciência da Computação

      Universidade Federal de São Paulo

      Concluído em 2020

    • Rafael Leinio Pereira

      Data quality monitoring at scale with automated anomaly detection: a profiling-based framework

      Ciência da Computação

      Universidade Federal de São Paulo

      Concluído em 2021

    Gestão

    Pesquisa

    Universidade de São Paulo

    • Classificação de Dados em Redes Complexas

      Recentemente, com o aumento do poder computacional e a disponibilidade de dados sobre redes reais, as redes complexas surgiram como uma nova e poderosa maneira de representação e abstração de dados capaz de capturar as relações espaciais, topológicas, funcionais, entre outras características presentes em muitas bases de dados. Dentre as várias abordagens para a análise de dados, destacam-se a classificação e a clusterização. A classificação de dados permite atribuir uma qualidade (classe) aos dados, baseado nas características de seus atributos. Já a clusterização é indicada para explorar a estrutura dos dados, como grupos ou hierarquias entre grupos, cujas classes não são previamente conhecidas. Métodos de clusterização baseados em redes complexas, também conhecidos como detecção de comunidades, têm sido extensivamente explorados na literatura. Por outro lado, a classificação de dados baseada em redes complexas ainda é pouco estudada. Tendo em vista os benefícios da representação de grandes bases de dados e a revelação de estruturas topológicas por meio de redes complexas, o presente projeto prevê o desenvolvimento de métodos de classificação de dados baseados em redes complexas. A abordagem que será considerada é inspirada em um classificador que usa uma rede K-associada, a qual é capaz de representar relações de similaridade entre classes de dados via extração da medida de pureza de cada componente da rede construída. Na nova técnica de classificação de dados a ser desenvolvida, considera-se não apenas o fator de pureza de cada classe, mas também extensões de classes formadas. Observe que os dois fatores são contraditórios, pois o aumento da pureza tende a diminuir a extensão da classe e vice-versa. Uma boa classificação sobre um conjunto de dados de entrada busca o equilíbrio entre pureza e extensão, ou seja, procura otimizar uma função que reúne ambos. Espera-se que a técnica a ser desenvolvida tenha um bom desempenho de generalização e ao mesmo tempo possua boa precisão de classificação.

      2009 a 2011

    • Desafios em Visualização Exploratória de Dados Multidimensionais: Novos Paradigmas, Escalabilidade e Aplicações

      Este projeto visa desenvolver novas técnicas e paradigmas que contribuam para o avanço da área de visualização de dados científicos e abstratos, com ênfase no tratamento e manipulação de dados de alta dimensão, multimodais e variantes no tempo. Os novos paradigmas visuais a serem desenvolvidos deverão fornecer metáforas visuais criadas a partir de projeção multidimensional e árvores filogenéticas, buscando facilitar a compreensão, exploração e mineração visual de dados de dados textuais, coleções de imagens, músicas, dados de sensoriamento em nanoescala, dentre outros. Além de primitivas geométricas como unidade de representação visual, propomos usar estruturas de árvores e combinações de entidades geométricas com entidades abstratas a fim de criar um arcabouço unificado de manipulação e representação visual de dados de alta dimensão. Este projeto também inova na proposta de trazer métodos de visualização e exploração visual para o contexto de dispositivos portáteis. Os desenvolvimentos aqui propostos permitirão manter os grupos de pesquisa envolvidos na vanguarda mundial, fomentando a criação de propriedade intelectual nacional e a transferência tecnológica.

      Autores: Lilian Berton, Zhao, Lilian Berton, Alneu de Andrade Lopes, Luis Gustavo Nonato, Maria Cristina F. de Oliveira, Rosane Minghin, Hélio Pedrini, Fernando Vieira Paulovich, Guilherme Pimentel Telles, João do Espirito Santo Batista Neto, Moacir Antonelli Ponti

      2012 a 2016

    • Construção de redes híbridas para o aprendizado semissupervisionado baseado em grafos

      As bases de dados estão ficando cada vez maiores e, em muitas situações, apenas um pequeno subconjunto de itens de dados pode ser rotulado. Isto acontece devido ao processo de rotulagem ser frequentemente caro, demorado e necessitar do envolvimento de especialistas humanos. Com isso, as técnicas de aprendizado semissupervisionado, dirigidas a situações nas quais existem apenas uma pequena fração dos dados rotulada, tornam-se bastante relevantes. Diversos algoritmos semissupervisionados foram propostos, mostrando que é possível obter bons resultados empregando conhecimento prévio. Dentre estes algoritmos, os que têm ganhado bastante destaque na área têm sido aqueles baseados em grafos. Tal interesse justifica-se pelas vantagens fornecidas pela representação via grafos, tais como, a possibilidade de capturar a estrutura topológica dos dados, representar estruturas hierárquicas (grafos e subgrafos), bem como detectar agrupamentos. Porém, a maioria dos dados disponíveis é representada por uma tabela atributo-valor, fazendo-se necessário, portanto, o estudo de técnicas de construção de grafos para aplicar em tais algoritmos. Assim, este trabalho enfoca nos algoritmos semissupervisionados baseados em grafos, os quais fazem uso de uma matriz de peso entre os vértices e de um grafo esparso, já que grafos densos podem degenerar a solução. Como a geração da matriz de pesos e do grafo esparso, bem como sua relação com o desempenho dos algoritmos tem sido pouco investigada na literatura, este projeto pretende investigar estes aspectos, bem como propor novos métodos de geração de redes, que englobem as vantagens de dois ou mais métodos de construção de redes a partir de dados em formato atributo-valor, ou que considerem características ainda não exploradas na literatura. As redes construídas serão aplicadas em algoritmos de aprendizado semissupervisionado que fazem uso de grafos.

      Autores: Lilian Berton, Alneu de Andrade Lopes

      2012 a 2015

    Universidade Federal de São Paulo

    • Aprendizado semissupervisionado via redes complexas: construção de redes, seleção e propagação de rótulos e aplicações

      O aprendizado semissupervisionado (SSL) baseado em rede é um paradigma promissor para modelar o manifold no espaço multi-dimensional dos dados, além de ser efetivo na propagação de uma pequena quantidade de rótulos iniciais para uma grande quantidade de dados não rotulados. Essa abordagem tem sido utilizada em uma variedade de aplicações, como segmentação e anotação de imagens, reconhecimento de fala humana, classificação de textos, etc. Recentemente foi observado por diversos autores a importância da rede gerada para o processo de propagação de rótulos, porém outros aspectos ainda foram pouco investigados, como por exemplo, a seleção dos exemplos iniciais rotulados, ou as características topológicas da rede. Assim, o objetivo deste projeto é investigar em profundidade todas as etapas envolvidas no SSL, incluindo a seleção de rótulos iniciais, a seleção do tipo de rede a ser construída e do método para propagação de rótulos, além de propor novas abordagens para melhorar o resultado desse processo. Também serão endereçados desafios da área como rótulos contaminados ou desbalanceados, bases de dados de grande proporção e aplicações em mineração de textos, análise de dados climáticos e data augmentation para imagens.

      Autores: Lilian Berton, Didier Augusto Vega Oliveros, Evangelos Milios, Elbert Einstein Nehrer Macau, Otávio Augusto Bizetto Penatti

      Desde 2018

    • Mulheres nas Exatas

      O Projeto Mulheres nas Exatas foi fundado em 2018 no Instituto de Ciência e Tecnologia da Universidade Federal de São Paulo e já atingiu vários universitários e adolescentes de escolas públicas da cidade de São José dos Campos, atuando em parceria com órgãos municipais como Decolar e Fundhas. O Projeto busca apoiar meninas e incentivar a equidade de gênero, especialmente nas áreas de STEM (Science, Technology, Engineering, and Mathematics). Estas áreas ainda apresentam baixa representatividade feminina em nível nacional e global. O projeto visa ainda promover o acesso a educação para adolescentes de escolas públicas e está alinhado com os objetivos 4 e 5 da Agenda 2030 para o desenvolvimento sustentável promovido pela Organização das Nações Unidas (ONU). São realizadas diversas atividades como palestras para alunos de escolas públicas e universitários, oferecimento de diversos cursos de computação e programação, pesquisa e divulgação de dados históricos sobre a participação feminina nas ciências. Nosso objetivo é encorajar e inspirar grupos sub-representados, em especial as mulheres, a seguirem carreiras em STEM.

      Desde 2018

    • Apoio à aprendizagem nas UCS de Algoritmos e Estruturas de Dados I e II ofertadas pelo Instituto de Ciência e Tecnologia

      Este projeto visa a alocação de monitores destinados a auxiliar o processo de ensino-aprendizagem de Unidades Curriculares (UCs) de Algoritmos e Estruturas de Dados I e II do ICT/UNIFESP. O Programa de Monitoria visa contribuir para a melhoria da qualidade dos cursos de graduação, promover cooperação entre professores e alunos e estimular a iniciação à docência. Este projeto é apoiado pela Pró-reitoria de Graduação da Universidade de São Paulo (Prograd/Unifesp). Seus principais resultados são apresentados anualmente no Congresso Acadêmico da Unifesp.

      Desde 2017

    • XXI Olimpíada Brasileira de Informática (OBI)

      A XXI Olimpíada Brasileira de Informática (OBI2019) foi apoiada pela Sociedade Brasileira de Computação (SBC) e organizada pelo Instituto de Computação da UNICAMP. O objetivo da OBI é despertar nos alunos o interesse por uma ciência importante na formação básica hoje em dia (no caso, ciência da computação), através de uma atividade que envolve desafio, engenhosidade e uma saudável dose de competição. Lilian Berton atuou como Coordenadora da OBI no ICT-UNIFESP, onde os alunos participaram na modalidade Nível Sênior.

      Autores: Lilian Berton

      2019 a 2019

    • Métodos de Inteligência Artificial aplicados em problemas da indústria aeronáutica

      Este projeto visa criar, com a Embraer S.A., um núcleo de pesquisadores capazes de aplicar as técnicas mais avançadas de Inteligência Artificial e de Aprendizado de Máquina em problemas do setor aeronáutico. Dentre os desafios está a conciliação de requisitos entre sistemas inteligentes e sistemas críticos, que exigem alta previsibilidade de comportamento. O impacto científico principal será a ampliação do conhecimento sobre o comportamento de aplicações de Inteligência Artificial em sistemas embarcados para aviação. A criação de aplicações inteligentes é uma das áreas consideradas chave para competitividade do setor de aviação nos próximos anos. No presente momento, normas para homologação de software baseado em IA estão sendo elaboradas (vide norma AS6983, em preparação). Esta pesquisa permitirá à Embraer adquirir conhecimento para a criação e homologação de novos produtos, que podem aumentar a sua competitividade e participação no mercado futuro. Esta iniciativa significa, sobretudo, apoiar estrategicamente o posicionamento da Embraer nessa nova fronteira. Além do posicionamento estratégico no mercado, há impactos esperados no custo e tempo de manutenção de aeronaves e na logística de reposição de peças. Fatores essenciais no negócio de aviação.

      Autores: Lilian Berton, Lilian Berton, Fabio Augusto Faria, Luis Carlos de Castro Santos, Oseias Faria de Arruda Ferreira

      Desde 2021

    • Programa de Extensão e Pesquisa do ICT (PEPICT): Sociedade Sustentável e Meio Ambiente

      Os Programas de Extensão e Pesquisa do ICT-Unifesp congregam projetos, cursos, eventos, serviços e demais ações realizadas conjuntamente entre o instituto e a comunidade, integrando atividades de extensão, pesquisa e ensino que estejam alinhadas a um ou mais dos 17 Objetivos de Desenvolvimento Sustentável (ODS) da Organização das Nações Unidas (ONU). O PEPICT: Sociedade Sustentável e Meio Ambiente incorpora os projetos e ações extensionistas que atuam em concordância com os ODS 1, 2, 6, 10, 11, 14, 15 e 16, que visam a erradicação da pobreza e da fome, mitigação das desigualdades sociais, conscientização ambiental e gestão sustentável e transparente e acesso igualitário a serviços e recursos naturais, a fim de que os impactos causados ao clima, aos ecossistemas e à saúde humana sejam substancialmente reduzidos e/ou erradicados. Fazem parte deste Programa os projetos aprovados e cadastrados pela Pró-Reitoria de Cultura e Extensão da Unifesp. O objetivo institucional deste programa é contribuir no processo de curricularização da extensão junto à graduação em curto prazo, além de destacar a ação social dos projetos de pesquisa desenvolvidos no ICT de forma a contribuir diretamente com os programas de pós-graduação. Um outro objetivo é facilitar a captação de recursos através de editais próprios e participação em editais externos. Os dados compilados por este Programa serão públicos, o que auxiliará Coordenadores de projetos, Coordenadores de câmaras, Diretoria e PROEC na preparação de seus relatórios. Para tanto, foram selecionados indicadores prioritários a serem avaliados, segundo CAPES e FORPROEX. O objetivo específico do Programa é coordenar uma linha projetos com ação processual e contínua de caráter educativo, social, cultural, científico ou tecnológico com objetivo específico e prazo determinado.

      Autores: Lilian Berton, Danielle Maass, Maraíza Gonçalves

      2021 a 2022

    • Instituto Paulista de Resistência aos Antimicrobianos (Projeto ARIES)

      A resistência antimicrobiana (AMR) tem sido considerada uma das principais ameaças à raça humana no século XXI. Está em curso um exemplo de adaptação Darwiniana rápida e imparável por meio da seleção natural, na qual os micro-organismos estão em constante evolução para sobreviver aos antimicrobianos. Nesta luta, os micro-organismos levam vantagens ao menos que abordagens eficazes para controlar e prevenir a propagação de AMR sejam desenvolvidas. Neste projeto é proposto a criação do Instituto Paulista de Resistência aos Antimicrobianos (Antimicrobial Resistance Institute of São Paulo-ARIES) que reunirá pesquisadores de 5 universidades paulistas com especialistas de órgãos públicos (EMBRAPA, CETESB) e representantes do Ministério da Agricultura, Pecuária e Abastecimento (MAPA), do Ministério da Saúde e da Agência Nacional de Vigilância Sanitária (ANVISA), e da Organização Pan-Americana da Saúde (OPAS). Este projeto ambicioso e pioneiro tem como objetivo convergente o enfrentamento à AMR através de conceitos de Saúde Global e Saúde Única. A mitigação da ameaça de AMR requer uma abordagem multidisciplinar que reconheça e interfira nas causas da AMR na interface humano-animal-ambiente. O ARIES contará com cinco pilares principais para atingir nossos objetivos principais: 1) Observatório Socio-ambiental e Centro de Ciência de Dados: vigilância dos ecossistemas envolvidos no surgimento e disseminação da AMR; 2) Caracterização da evolução microbiana, mecanismos de AMR, adaptação e patogenicidade dos microrganismos; 3) Desenvolvimento e validação de novas estratégias de controle e prevenção da AMR em humanos, animais e meio ambiente; 4) Tradução das iniciativas de sucesso em politicas empresariais e de Saúde Pública; e 5) Difusão de ARIES - Conhecimento em conexão à Sociedade, Educação e Divulgação. ARIES não só contribuirá para a elaboração de um sistema de vigilância mais sofisticado e abrangente, capaz de detectar precocemente o surgimento de AMR no contexto de Saúde Única, mas também gerará novas estratégias para responder, conter e prevenir as infecções resistentes em instituições de saúde, na produção de alimentos e na comunidade.

      Desde 2023

    • FairMI - Imparcialidade em Aprendizado de Máquina com Aplicação em Imagens Médicas

      O enviesamento de algoritmos continua sendo um dos principais desafios para a aplicabilidade mais ampla de modelos de Aprendizado de Máquina (AM) na área de saúde. Modelagem estatística de fenômenos naturais ganharam força devido ao aumento da capacidade de representação e disponibilidade de dados. Em medicina, particularmente, o uso de modelos de AM aumentou significativamente nos últimos anos, especialmente para apoiar a triagem em larga escala e o diagnóstico. Por mais impactante que seja, o estudo do viés demográfico de soluções em AM recém desenvolvidas ou já implantadas neste domínio continua negligenciado. Isso é particularmente importante no domínio de processamento de imagens, onde pode ser difícil associar atributos demográficos a recursos. Dentro de resultados recentes, a ``impossibilidade da imparcialidade'' estabelece que alguns desses critérios não podem ser respeitados concomitantemente. Dentre outros fatores, falta de dados brutos, e em particular interseções de minorias, continua sendo uma adas questões fundamentais que ainda não está endereçada por conta de sua natureza desafiadora. Esta proposta endereça três importantes desafios no domínio da imparcialidade em AM, com foco em imagens médicas: (i) Criação de abordagens inovadoras para treinar modelos de AM, que podem ser automaticamente ajustados para se tornarem mais úteis (maximizar a performance), ou justos levando-se em consideração imparcialidade por grupo ou individual, (ii) Quantificação dos limites de imparcialidade de modelos de AM e dados de desenvolvimento associados e, finalmente, (iii) Construção de sistemas cuja a performance conjunta com operadores humanos no ciclo decisional é justa face aos diversos indivíduos e grupos demográficos. Para atingir essas metas, desenvolveremos uma nova estrutura de avaliação de viés, e funções de erro que levam em conta a utilidade do modelo, juntamente com todos os aspectos de imparcialidade demográfica que se deseja abordar. Um modelo generativo, treinado para isolar características demográficas ajustáveis, simulará dados em larga escala cobrindo minorias e interseções. Em seguida, estudaremos os limites de (segurança da) imparcialidade por meio de curvas de aprendizado modificadas, para modelos de AM e dados de treinamento associados. Por fim, estudaremos como humanos afetam a imparcialidade dos sistemas híbridos IA/humano, e abordaremos o ajuste de utilidade/justiça pós-implantação, incorporando coeficientes de peso diretamente no modelo treinado. O desenvolvimento de métodos e ferramentas para detectar, mitigar ou remover viés melhorará a segurança dos modelos de AM implantados na área da saúde. Esperamos que nosso trabalho ajude a definir novos limites operacionais para a implantação responsável de ferramentas de inteligência artificial.

      Autores: Lilian Berton, Marcos G. Quiles, Elbert E. Macau, Fabio Augusto Faria, Arnaldo Lopes Colombo, Ana Cristina Gales, Gustavo Henrique Goldman, Moacir de Miranda Oliveira Junior, Nilton Erbet Lincopan Huenuman, Sergio Schenkman, ADEMAR ARTHUR CHIORO DOS REIS, Adriano Massuda, Anete Pereira de Souza, Antonio Carlos Campos Pignatari, Camila Bertini Martins, Carlos Magno Castelo Branco Fortaleza, Christiane de Arruda Rodrigues, Cláudia Sofia Frias Pinto, Daielly Melina Nassif Mantovani, Daniela Goncales Galasse Rando, Décio Luis Semensatto Junior, Elize Massard da Fonseca, FELIPE MENDES BORINI, Flávia Cristina Martins Queiroz Mariano, Gabriela de Brelaz, Geórgia Christina Labuto Araújo, Iran Malavazi, Joao Nobrega de Almeida Junior, Luiz Sidney Longo Junior, Mirian Chieko Shinzato, Patricia Sartorelli, Rodrigo Cayô da Silva, Simone Georges El Khouri Miraglia, Suzan Pantaroto de Vasconcellos, Wagner Luiz Batista, Welington Luiz de Araújo, Soraya Soubhi Smaili

      Desde 2023

    Universidade do Estado de Santa Catarina

    VISIBILIA

    Instituto de Pesquisas Tecnológicas do Estado de São Paulo

    Hospital das Clínicas da Faculdade de Medicina da USP

    Matchit

    Outras atividades técnico científicas

    Atualização Lattes em 2023-10

    Processado em 2023-12-28