Lilian Berton
Instituto de Ciência e Tecnologia
Programa de Pós-Graduação: Ciência da Computação
E-Mail: lberton@unifesp.br
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 palavrasIdiomas
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
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
2024
-
Breaking news: Unveiling a new dataset for Portuguese news classification and comparative analysis of approaches (2024)
Artigo publicado
Autores: GARCIA, KLAIFER; SHIGUIHARA, PEDRO; Lilian Berton
Fonte: PLoS One , v. 19 , p. e0296929 - Extrato QUALIS: A1
2023
-
Graph-based semi-supervised classification for similar wildfire dynamics (2023)
Trabalhos em eventos
Autores: BERTON, LILIAN; OLIVEIRA, PEDRO; Didier Augusto Vega Oliveros
Fonte: Proceedings of the 38th ACM/SIGAPP Symposium on Applied Computing , p. 499
-
Analysis of active semi-supervised learning (2023)
Trabalhos em eventos
Autores: BERTON, LILIAN; MITSUISHI, FELIPE; Didier Augusto Vega Oliveros
Fonte: Proceedings of the 38th ACM/SIGAPP Symposium on Applied Computing , p. 1122
-
Project-Based Learning in the Development of a Job-Matching Website for Women in STEM (2023)
Trabalhos em eventos
Autores: FONTES, AMANDA RIBEIRO; Henrique Mohallem Paiva; BERTON, LILIAN
Fonte: 2023 IEEE International Conference on Teaching, Assessment and Learning for Engineering (TALE) , p. 1
-
Analysis of Twitter users sentiments about the first round 2022 presidential election in Brazil (2023)
Trabalhos em eventos
Autores: SANTOS, DAIANA KATHRIN SANTANA; Lilian Berton
Fonte: Anais do XX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2023) , p. 880
-
Position Estimation of Unmanned Aerial Vehicles in Contested Environments using Dense Matching Networks (2023)
Trabalhos em eventos
Autores: AFONSO, BRUNO KLAUS DE AQUINO; DE OLIVEIRA, WILLIAN DIHANSTER GOMES; LAMOSA, JÉSSICA DOMINGUES; Lilian Berton
Fonte: Anais do XX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2023) , p. 584
-
A systematic review for class-imbalance in semi-supervised learning (2023)
Artigo publicado
Autores: Willian Dihanster Gomes de Oliveira; Lilian Berton
Fonte: ARTIFICIAL INTELLIGENCE REVIEW , v. 56 , p. 2349 - Extrato QUALIS: A1
-
An Enhanced Framework for Overcoming Pitfalls and Enabling Model Interpretation in Pneumonia and Covid-19 Classification (2023)
Artigo publicado
Autores: DE CASTRO SANTOS, MATHEUS A.; Lilian Berton
Fonte: IEEE Access , v. 11 , p. 115330 - Extrato QUALIS: A3
-
A review of semi-supervised learning for text classification (2023)
Artigo publicado
Autores: DUARTE, JOSÉ MARCIO; Lilian Berton
Fonte: ARTIFICIAL INTELLIGENCE REVIEW , v. 1 , p. 1 - Extrato QUALIS: A1
2022
-
Exploring Deep Neural Networks and Decision Tree for Spanish Text Classification (2022)
Trabalhos em eventos
Autores: Pedro Shiguihara; Lilian Berton
Fonte: XXIX International Conference on Eletronics, Electrical Engineering and Computing (INTERCON) , p. 1
-
Application of Deep Learning Models for Aircraft Maintenance (2022)
Trabalhos em eventos
Autores: SANO, HUMBERTO HAYASHI; Lilian Berton
Fonte: Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022) , p. 787
-
DEVELOPMENT OF THE EXTENSION PROJECT WOMEN IN EXACT SCIENCES IN BRAZIL (2022)
Trabalhos em eventos
Autores: Lilian Berton
Fonte: Proceedings of the L Brasilian Congress of Engineering Education
-
Learning methods for remaining useful life prediction in a turbofan engine (2022)
Trabalhos em eventos
Autores: LEAL, ANDRÉIA SEIXAS; Lilian Berton; SANTOS, LUIS CARLOS DE CASTRO
Fonte: Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022) , p. 556
-
Link Prediction Based on Stochastic Information Diffusion (2022)
Artigo publicado
Autores: Didier Augusto Vega Oliveros; ZHAO, LIANG; ROCHA, ANDERSON; BERTON, LILIAN
Fonte: IEEE Transactions on Neural Networks and Learning Systems , v. 33 , p. 3522 - Extrato QUALIS: A1
-
Energy forecasting model based on CNN-LSTM-AE for many time series with unequal lengths (2022)
Artigo publicado
Autores: RICK, RODNEY; Lilian Berton
Fonte: ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE , v. 113 , p. 104998 - Extrato QUALIS: A1
-
2021
-
Performance analysis of machine learning algorithms trained on biased data (2021)
Trabalhos em eventos
Autores: Renata Sendreti Broder; Lilian Berton
Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC) , p. 1
-
Comparison of GANs for Covid-19 X-ray classification (2021)
Trabalhos em eventos
Autores: Luiz Felipe Cavalcanti; Lilian Berton
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 (2021)
Trabalhos em eventos
Autores: Jessica Aparecida Almeida dos Santos; Lilian Berton
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 (2021)
Trabalhos em eventos
Autores: Bruno Klaus de Aquino Afonso; Willian Dihanster Gomes de Oliveira; Jessica Domingues Lamosa; Lilian Berton
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 (2021)
Trabalhos em eventos
Autores: André Kazuo Takahata; Ricardo Suyama; Margarethe Steinberger-Elias; Lilian Berton; Antonio Valerio Netto
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 (2021)
Artigo publicado
Autores: GARCIA, KLAIFER; Lilian Berton
Fonte: APPLIED SOFT COMPUTING , v. 101 , p. 107057 - Extrato QUALIS: A1
-
Deep analysis of word sense disambiguation via semi-supervised learning and neural word representations (2021)
Artigo publicado
Autores: DUARTE, JOSÉ MARCIO; SOUSA, SAMUEL; Milios, Evangelos; Lilian Berton
Fonte: INFORMATION SCIENCES , v. 570 , p. 278 - Extrato QUALIS: A1
-
-
A Temporal Event Graph Approach and Robustness Analysis for Air Transport Network (2021)
Artigo publicado
Autores: SANO, HUMBERTO HAYASHI; Lilian Berton
Fonte: IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERING , v. 8 , p. 3453 - Extrato QUALIS: A1
-
-
Optimizing Diffusion Rate and Label Reliability in a Graph-Based Semi-supervised Classifier (2021)
Capítulo de livro publicado
Autores: Bruno Klaus de Aquino Afonso; Lilian Berton
Fonte: Lecture Notes in Computer Science , p. 514
2020
-
Measuring the engagement level in encrypted group conversations by using temporal networks (2020)
Trabalhos em eventos
Autores: COTACALLAPA, MOSHE; BERTON, LILIAN; FERREIRA, LEONARDO N.; Quiles, Marcos G.; Zhao, Liang; Elbert Einstein Nehrer Macau; VEGA-OLIVEROS, DIDIER A.
Fonte: 2020 International Joint Conference on Neural Networks (IJCNN) , p. 1
-
Topology and robustness analysis of temporal air transport network (2020)
Trabalhos em eventos
Autores: SANO, HUMBERTO HAYASHI; Lilian Berton
Fonte: Proceedings of the 35th Annual ACM Symposium on Applied Computing , p. 1881
-
Analysis of label noise in graph-based semi-supervised learning (2020)
Trabalhos em eventos
Autores: Bruno Klaus de Aquino Afonso; Lilian Berton
Fonte: 35th ACM/SIGAPP Symposium On Applied Computing (SAC 2020)
-
Word sense disambiguation: an evaluation study of semi-supervised approaches with word embeddings (2020)
Trabalhos em eventos
Autores: SOUSA, SAMUEL; Milios, Evangelos; Lilian Berton
Fonte: 2020 International Joint Conference on Neural Networks (IJCNN) , p. 1
-
A comparison of graph-based semi-supervised learning for data augmentation (2020)
Trabalhos em eventos
Autores: OLIVEIRA, WILLIAN DIHANSTER G. DE; PENATTI, OTAVIO A. B.; Lilian Berton
Fonte: 2020 33rd SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI) , p. 264
-
Classifying El Niño-Southern Oscillation Combining Network Science and Machine Learning (2020)
Artigo publicado
Autores: DE CASTRO SANTOS, MATHEUS A.; Didier Augusto Vega Oliveros; ZHAO, LIANG; BERTON, LILIAN
Fonte: IEEE Access , v. 8 , p. 55711 - Extrato QUALIS: A3
-
Identifying noisy labels with a transductive semi-supervised leave-one-out filter (2020)
Artigo publicado
Autores: DE AQUINO AFONSO, BRUNO KLAUS; Lilian Berton
Fonte: PATTERN RECOGNITION LETTERS , v. 140 , p. 127 - Extrato QUALIS: A2
-
Categorizing Online Harassment on Twitter (2020)
Capítulo de livro publicado
Autores: Saeidi, Mozhgan; da S. Sousa, Samuel Bruno; Milios, Evangelos; Zeh, Norbert; Lilian Berton
Fonte: Communications in Computer and Information Science , p. 283
-
O desenvolvimento do pensamento computacional e robótica na educação em engenharia (2020)
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
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 (2020)
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; Lilian Berton; Aida Araújo Ferreira; Andréa Cristina dos Santos; Angelina Gomes Santos; Bianca Kaori Takahashi; Carlos Maurício Sacchelli; Cristiane Aparecida Martins; Dianne Magalhães Viana
Fonte: Desafios da Educação em Engenharia: Empreendorismo, Industria 4.0, Formação do Engenheiro, Mulheres em STEM , p. 1
2019
-
Single and Multiple Failures Diagnostics of Pneumatic Valves using Machine Learning (2019)
Trabalhos em eventos
Autores: SANO, HUMBERTO; MALERE, JOAO; Lilian Berton
Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2019) , p. 202
-
Combining active learning and graph-based semi-supervised learning (2019)
Trabalhos em eventos
Autores: CANDAO, JHONATAN; Lilian Berton
Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2019) , p. 694
-
Car plate character recognition via semi-supervised learning (2019)
Trabalhos em eventos
Autores: João Pedro Kerr Catunda; André Tavares da Silva; Lilian Berton
Fonte: 8th Brazilian Conference on Intelligent Systems (BRACIS) , p. 735
-
-
Housing Prices Prediction with a Deep Learning and Random Forest Ensemble (2019)
Trabalhos em eventos
Autores: Bruno Klaus de Aquino Afonso; Luckeciano Carvalho Melo; Willian Dihanster Gomes de Oliveira; Samuel Bruno da Silva Sousa; Lilian Berton
Fonte: Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC) , p. 389
-
A multi-centrality index for graph-based keyword extraction (2019)
Artigo publicado
Autores: Didier Augusto Vega Oliveros; GOMES, PEDRO SPOLJARIC; E. MILIOS, EVANGELOS; BERTON, LILIAN
Fonte: INFORMATION PROCESSING & MANAGEMENT , v. 56 , p. 102063 - Extrato QUALIS: A1
-
Evaluating link prediction by diffusion processes in dynamic networks (2019)
Artigo publicado
Autores: Didier Augusto Vega Oliveros; ZHAO, LIANG; BERTON, LILIAN
Fonte: Scientific Reports , v. 9 , p. 10833 - Extrato QUALIS: A1
-
Feature Selection for Clustering of Homicide Rates in the Brazilian State of Goias (2019)
Artigo publicado
Autores: Samuel Bruno da Silva Sousa; Ronaldo de Castro Del-Fiaco; Lilian Berton
Fonte: CLEI ELECTRONIC JOURNAL , v. 22 , p. 1 - Extrato QUALIS: B2
2018
-
A Comparison of Graph Construction Methods for Semi-Supervised Learning (2018)
Trabalhos em eventos
Autores: Lilian Berton; DE ANDRADE LOPES, ALNEU; Vega-Oliveros, Didier A.
Fonte: 2018 International Joint Conference on Neural Networks (IJCNN) , p. 1
-
-
Cluster Analysis of Homicide Rates in the Brazilian State of Goiás from 2002 to 2014 (2018)
Trabalhos em eventos
Autores: DA SILVA SOUSA, SAMUEL BRUNO; DE CASTRO DEL-FIACO, RONALDO; Lilian Berton
Fonte: 2018 XLIV Latin American Computer Conference (CLEI) , p. 445
2017
-
The Impact of Social Curiosity on Information Spreading on Networks (2017)
Trabalhos em eventos
Autores: Vega-Oliveros, Didier A.; Lilian Berton; VAZQUEZ, FEDERICO; RODRIGUES, FRANCISCO A.
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 (2017)
Artigo publicado
Autores: Lilian Berton; DE PAULO FALEIROS, THIAGO; VALEJO, ALAN; VALVERDE-REBAZA, JORGE; DE ANDRADE LOPES, ALNEU
Fonte: NEUROCOMPUTING , v. 226 , p. 238 - Extrato QUALIS: A1
-
Network Sampling Based on Centrality Measures for Relational Classification (2017)
Capítulo de livro publicado
Autores: BERTON, LILIAN; Didier Augusto Vega Oliveros; Valverde-Rebaza, Jorge; da Silva, Andre Tavares; LOPES, ALNEU DE ANDRADE
Fonte: Communications in Computer and Information Science , p. 43
2016
-
The Impact of Network Sampling on Relational Classification (2016)
Trabalhos em eventos
Autores: Lilian Berton; VEGA-OLIVEROS, DIDIER A; Jorge Carlos Valverde Rebaza; André Tavares da Silva; LOPES, A A
Fonte: Proceedings of the 3rd Annual International Symposium on Information Management and Big Data - SIMBig 2016 , p. 62
-
-
Neighborhood graph construction for semi-supervised learning (2016)
Artigo publicado
Autores: Lilian Berton; Alneu de Andrade Lopes
Fonte: AI Matters , v. 2 , p. 14
2015
-
A naïve Bayes model based on ovelapping groups for link prediction in online social networks (2015)
Trabalhos em eventos
Autores: VALVERDE-REBAZA, JORGE; VALEJO, ALAN; Lilian Berton; DE PAULO FALEIROS, THIAGO; DE ANDRADE LOPES, ALNEU
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 (2015)
Trabalhos em eventos
Autores: Lilian Berton; VALVERDE-REBAZA, JORGE; DE ANDRADE LOPES, ALNEU
Fonte: 2015 International Joint Conference on Neural Networks (IJCNN) , p. 1
-
-
-
2014
-
Graph Construction Based on Labeled Instances for Semi-supervised Learning (2014)
Trabalhos em eventos
Autores: Lilian Berton; LOPES, ALNEU DE ANDRADE
Fonte: 2014 22nd International Conference on Pattern Recognition , p. 2477
-
Music Genre Classification Using Traditional and Relational Approaches (2014)
Trabalhos em eventos
Autores: VALVERDE-REBAZA, JORGE; SORIANO, AUREA; Lilian Berton; OLIVEIRA, MARIA CRISTINA FERREIRA DE; LOPES, ALNEU DE ANDRADE
Fonte: 2014 Brazilian Conference on Intelligent Systems , p. 259
-
-
2012
-
Graph-based cross-validated committees ensembles (2012)
Trabalhos em eventos
Autores: LLERENA, NILS EVER MURRUGARRA; Lilian Berton; DE ANDRADE LOPES, ALNEU
Fonte: 2012 Fourth International Conference on Computational Aspects of Social Networks (CASoN) , p. 75
-
Informativity-based graph: Exploring mutual kNN and labeled vertices for semi-supervised learning (2012)
Trabalhos em eventos
Autores: Lilian Berton; DE ANDRADE LOPES, ALNEU
Fonte: 2012 Fourth International Conference on Computational Aspects of Social Networks (CASoN) , p. 14
-
2011
2010
-
Identifying abnormal nodes in complex networks by using random walk measure (2010)
Trabalhos em eventos
Autores: Lilian Berton; HUERTAS, JEAN; ARAUJO, BILZA; ZHAO, LIANG
Fonte: IEEE Congress on Evolutionary Computation , p. 1
-
2009
-
O Problema do Caminho Mínimo com Incertezas e Restrições de Tempo (2009)
Artigo publicado
Autores: Fábio Hernandes; Lilian Berton; Maria José de Paula Castanho
Fonte: Pesquisa Operacional (Online) , v. 29 , p. 471 - Extrato QUALIS: B2
-
2008
2007
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 Associado
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 Associado
2022 a 2023
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
Universidade Virtual do Estado de São Paulo
-
Acompanhamento Bimestral
2023 a 2023
Instituto Tecnológico de Aeronáutica
-
Professora
2023 a 2023
Ensino
Orientações e supervisões
Supervisão de pós-doutorado em andamento
Tese de doutorado em andamento
-
Análise de Impacto de Escaneamento de Vulnerabilidade de Software Baseada em Inteligência Artificial
Ciência da Computação
Universidade Federal de São Paulo
Desde 2023
-
Towards fairness in medical images by semi-supervised learning approaches
Ciência da Computação
Universidade Federal de São Paulo
Desde 2023
-
Willian Dihanster Gomes de Oliveira
Análise de dados desbalanceados e fairness em aprendizado semissupervisionado
Ciência da Computação
Universidade Federal de São Paulo
Desde 2021
-
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
-
Analysis of natural disasters in data from social media
Ciência da Computação
Universidade Federal de São Paulo
Desde 2020
Dissertação de mestrado em andamento
-
Evaluation of fairness machine learning based CAD
Ciência da Computação
Universidade Federal de São Paulo
Desde 2023
-
AutoML para Manutenção Industrial 4.0
Ciência da Computação
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Universidade Federal de São Paulo
Desde 2022
-
Framework para equidade em algoritmos de inteligência artificial em saúde
Ciência da Computação
Universidade Federal de São Paulo
Desde 2022
-
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
-
Mitigando viéses de gênero na tradução automática para o português
Ciência da Computação
Universidade Federal de São Paulo
Desde 2022
Tese de doutorado concluídas
-
Desenvolvimento de perturbação no mecanismo de atenção e treinamento adversário virtual para aprimorar o aprendizado semissupervisionado na classificação de textos
Ciência da Computação
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Universidade Federal de São Paulo
Concluído em 2020
-
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
Concluído em 2020
Dissertação de mestrado concluídas
-
Data quality monitoring at scale with automated anomaly detection: a profiling-based framework
Ciência da Computação
Universidade Federal de São Paulo
Concluído em 2021
-
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
-
Modelagem e análise da robustez de redes áereas temporais
Ciência da Computação
Universidade Federal de São Paulo
Concluído em 2019
-
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
-
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
Gestão
Universidade Federal de São Paulo
-
Coordenadora do Programa de Pós-Graduação em Ciência da Computação (PPG-CC) da UNIFESP
Campus São José dos Campos
Departamento de Ciência e Tecnologia
Pesquisa
Universidade de São Paulo
-
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
-
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, 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
-
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
Universidade Federal de São Paulo
-
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.
Autores: Lilian Berton, Zhao
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
-
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, André Rabello dos Anjos, Anete Trajman, Carlos Alberto Buchpiguel, Marcelo Tatit Sapienza, Lilian Berton, Danielle Maass, Maraíza Gonçalves
2021 a 2022
-
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, Fabio Augusto Faria, Luis Carlos de Castro Santos, Oseias Faria de Arruda Ferreira
Desde 2021
-
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.
2019 a 2019
-
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.
Autores: Lilian Berton
2017 a 2022
-
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, 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
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
Atualização Lattes em 2024-02
Processado em 2024-07-22