Laboratório de Computação Natural e Aprendizagem de Máquina

LCoN

Pesquisa

Nesta página, é possível obter informações sobre as principais linhas de pesquisa e projetos desenvolvidos pelos membros do Laboratório de Computação Natural.

Linhas de Pesquisa

  • Sistemas Inteligentes;
  • Computação Natural;
  • Computação Inspirada na Biologia;
  • Computação Evolutiva;
  • Autômatos Celulares;
  • Sistemas Imunológicos Artificiais;
  • Mineração de Dados;
  • Novos Paradigmas de Computação;
  • Vida Artificial;
  • Visão Computacional;
  • Processamento de Imagens Digitais;
  • Logística e Pesquisa Operacional;
  • Heurísticas em Pesquisa Operacional.

 

Atuação dentro do Processo Analítico
  • Captura de Dados: fontes públicas e privadas;
  • Governança de Dados: disponibilidade, usabilidade, consistência, integridade e segurança;
  • Análises Exploratórias: sumarização, visualização, análises descritivas;
  • Insights: o que se aprende (valor) a partir da análise dos dados;
  • Predição: guia a tomada de decisão.
Principais Áreas de Aplicação
  • Mineração de Dados/Texto/Web/Imagens;
  • Análise de dados multivariados;
  • Processamento de linguagem natural;
  • Reconhecimento de padrões;
  • Logística e pesquisa operacional;
  • Problemas inversos.
Projetos
Um Sistema de Recomendação Personalizada para e-Recruitment

Descrição: As plataformas de recrutamento on-line, denominado de e-recruitment ou e-recrutamento, se tornaram o principal canal de recrutamento para a maioria das empresas e a principal fonte de procura de colocação profissional para a maior parte dos candidatos. Por um lado, essas plataformas reduzem o tempo para preenchimento das vagas, mas por outro elas têm o desafio de fornecer mecanismos eficientes de seleção, incluindo sistemas de recomendação bilateral, ou seja, vagas a candidatos e candidatos a vagas. Os sistemas de recomendação foram desenvolvidos para ajudar usuários a encontrar itens que sejam de seu interesse em um ambiente virtual, por exemplo, produtos em uma loja de comércio eletrônico, viagens, serviços, dentre outros. Na última década, motivados também pela explosão na geração e armazenagem de dados, começaram a surgir estudos associados à necessidade latente de tornar as plataformas de e-recrutamento mais eficientes e assertivas. Nesse sentido os sistemas de recomendação têm sido a ferramenta mais investigada e empregada em todo o mundo, e a empresa está em busca deste diferencial competitivo no mercado nacional. O objetivo deste projeto de pesquisa é desenvolver um motor (sistema) de recomendação para a empresa que seja capaz de identificar os principais elementos e características das vagas e dos candidatos para que o melhor casamento (matching) possa ser feito entre eles.


MACKCLOUD: Centro Multidisciplinar de Computação em Nuvem da Universidade Presbiteriana Mackenzie

Descrição: Esse projeto propõe a criação do MACKCLOUD, um Centro Multidisciplinar de Computação em Nuvem, na Universidade Presbiteriana Mackenzie. O MACKCLOUD é uma infraestrutura de computação acessível via Internet para todos os pesquisadores da universidade, fornecendo recursos computacionais para a armazenagem e processamento de dados sob demanda. As características centrais do MACKCLOUD são: 1) Infraestrutura computacional (memória e processamento) sob demanda, ou seja, o próprio pesquisador pode alocar os recursos de acordo com as necessidades de sua pesquisa; 2) Amplo acesso via Internet, incluindo plataformas móveis; 3) Uso compartilhado de recursos, permitindo que múltiplos usuários se conectem e beneficiem dos recursos computacionais simultaneamente; 4) Elasticidade, ou seja, aumento e/ou redução de memória e/ou processamento conforme a capacidade da nuvem e demanda; 5) Possibilidade de mensurar e otimizar o uso dos recursos computacionais.


Centro de Excelência em Aprendizagem de Máquina

Descrição: A Intel trabalha em parceria com o Laboratório de Computação Natural e Aprendizagem de Máquina (LCoN) da Universidade Presbiteriana Mackenzie para desenvolver mais um Centro de Excelência (CoE) em Aprendizagem de Máquinas no Brasil. O projeto tem o objetivo de colaborar com a indústria e comunidade científica na solução de problemas complexos através do uso de Inteligência Artificial. A Intel oferece, por meio desta iniciativa, workshops, ministrados pela universidade, a toda comunidade científica e de desenvolvedores de software com a finalidade de ressaltar todo o potencial da inteligência artificial no aprendizado de máquinas. O centro também colabora com clientes da Intel na realização de Provas de Conceito (PoC), projetos piloto e soluções para diferentes verticais da indústria. A Intel fornece ferramentas completas para trazer performance às aplicações de Big Data, como Intel Python Distribution, Intel Math Kernel Library e Intel Data Analytics Acceleration Library, que são fundamentais para extrair todo paralelismo dos processadores Xeon e Xeon Phi. O Centro tem contato com engenheiros de software da Intel de diversos países e conta com suporte técnico personalizado. Os centros de excelência em machine learning fazem parte de uma iniciativa global da companhia, chamada Intel AI Academy, que visa prover capacitação em

Inteligência Artificial para estudantes de Cursos de Computação (Ciência, Engenharia e correlatos) e desenvolvimento de aplicações de inteligência artificial. As tecnologias de Big Data que fazem uso de algoritmos de Inteligência artificial geralmente demandam grande poder computacional e máquinas de alto desempenho. Os centros de excelência também contam com ferramentas como o Intel Deep Learning SDK, que facilita o processo de desenvolvimento de aplicações, aumentam a produtividade e aceleram o time-to-market em aplicações de redes neurais profundas (ou Deep Learning). Referência à arquitetura da Intel em Inteligência Artificial. software.intel.com/pt-br/ai.


An Investigation into Self-Organization in a Swarm of UAVs

Descrição: Os veículos aéreos não tripulados (UAV– do inglês, Unmanned Aerial Vehicles) possibilitam uma série de aplicações, o que representa uma grande motivação para a realização de pesquisas que buscam a navegação autônoma em diferentes cenários. As aplicações de UAVs autônomos são as mais diversas e incluem a detecção de alvos, escolta de objetos e alvos, vigilância, coleta de dados, planejamento de rotas, monitoramento de ambientes, redes dinâmicas de telecomunicações e o auxílio ao resgate de pessoas em desastres. Seja qual for a aplicação, um dos principais desafios impostos é a definição de métodos e algoritmos que buscam a navegação autônoma imposta pelos mais diversos ambientes e objetivos. Na literatura é possível encontrar diversas propostas que buscam transpor esse desafio, em especial aqueles relacionados a múltiplos UAVs operando em conjunto.  Neste projeto, tarefas de navegação fundamentais como pouso, decolagem e impedimento de colisão foram a base para aplicação de métodos mais sofisticados que buscam a interação entre múltiplos UAVs na realização de determinados objetivos. O enfoque residiu na construção de algoritmos e métodos baseados no comportamento coletivo e social de revoadas de pássaros, onde cada UAV correspondeu a um pássaro específico membro da revoada.  


Projeto Big Data - Vagas Críticas

Descrição: O objeto deste Projeto de Pesquisa e Desenvolvimento é realizar a pesquisa científica de base para desenvolver 3 (três) soluções computacionais: Normalização de nomes de universidades; Normalização dos nomes de empresas; e Predição de vagas críticas.


Recomendação de Cargas a Caminhoneiros e Gestão Analítica de Dados

Descrição: O objetivo do projeto é desenvolver uma solução de recomendação de cargas para caminhoneiros com base nas principais regras de negócio, como tempo de vida da carga, localização da carga e do caminhoneiro, histórico de navegação do caminhoneiro, preferência de região do caminhoneiro, tipo de caminhão e carroceria, forma de pagamento, dentre outras.


Desenvolvimento de Recomendação Inteligente para a Enjoei.com.br

Descrição: O objetivo do projeto é o desenvolvimento de algoritmos de recomendação inteligente para a loja virtual da Enjoei.com.br. O entregável final do projeto é um protótipo funcional desenvolvido em uma linguagem de prototipação adequada a um desenvolvimento ágil pela empresa. Esse protótipo será testado, validado e recodificado pela empresa, devendo apresentar nível de performance quando do teste em uma base de dados com volume real.


Computação Natural Aplicada à Análise de Dados de Mídias Sociais

Descrição: Com a redução dos custos dos dispositivos digitais e a comunicação móvel, há uma superabundância de dados em diferentes formatos, desde bases numéricas estruturadas até textos extraídos de redes sociais. Assim, o desenvolvimento de ferramentas para a busca e gestão destes dados vem se tornando central em muitos processos de tomada de decisão. A área de análise de dados, ou mais amplamente descoberta de conhecimento em bases de dados, está entre as que mais crescem e demandam profissionais qualificados atualmente. Ao mesmo tempo, a computação natural é uma das subáreas da Ciência e Engenharia da Computação que vem ganhando espaço e credibilidade devido ao desenvolvimento de novos algoritmos capazes de resolver problemas complexos em diferentes áreas do conhecimento. O presente projeto de pesquisa e plano de trabalho une essas duas áreas (análise de dados e computação natural) com o objetivo de investigar e desenvolver novos algoritmos inspirados na biologia para a solução de problemas complexos de análise de dados. Mais especificamente, serão investigados e propostos algoritmos de computação natural para a análise de dados extraídos do Twitter. Com esse escopo, o projeto contribuirá para o desenvolvimento científico da computação, para o desenvolvimento tecnológico por meio da proposição de algoritmos com aplicações práticas diretas e para a formação do pesquisador proponente, em nível de pós-doutorado, nas áreas de análise de dados e computação natural.


Meta-Aprendizagem, Agrupamento Nebuloso e Jogos Educativos: Abordagens baseadas em Computação Natural

Descrição: Este projeto faz uso da computação natural no contexto de meta-aprendizagem, agrupamento nebuloso de dados e jogos educativos. Como propostas de projetos específicos são apresentados três grandes temas com foco em análise de dados e jogos.


Computação Natural: Modelagem Computacional de Sistemas Complexos Adaptativos e Aplicações

Descrição: Subprojeto associado ao projeto do Núcleo de Estudos Interdisciplinares, obtido por um grupo de programas de pós-graduação da Universidade Presbiteriana Mackenzie, através do Edital 51/2012 da CAPES. O Núcleo é constituído pelo Laboratório de Interações Sociais e Humanas, e pelo Laboratório de Sistemas de Informação e Processamento de Dados e Imagens, este último mais especificamente relacionado ao subprojeto em questão. Trata-se de um laboratório com finalidade de abrigar estudos interdisciplinares voltados à compreensão e tratamento de dados e de imagens associados a fenômenos complexos subjacentes à interação informacional.


Computing with Cellular Automata and their Temporal or Spatial Compositions

Descrição: Iniciado com financiamentos através de Projeto Regular FAPESP Proc. 2005/04696-3 (concluído em 04-2009) e Projeto MackPesquisa Edital 2007 (concluído em 01-2009), o projeto prossegue, na mesmo escopo original: "...The pathway to be followed combines evolutionary computation techniques, with enumerative searches in small regions of the search space, both processes guided by static information drawn from the state transition table of the cellular automata involved. In tune of the latter, three related issues will also be investigated, related to the so-called elementary cellular automata - i.e., one-dimensional, with two states per cell, and such that the transition rule depends only upon the two next-nearest neighbours - namely, the limit behaviour of elementary rules, the outcome of combining their temporal evolutions, and the spatial combination of different rules in the same lattice. All in all, the combined objective of this project is to make advances on the understanding and exploration of the computational ability of cellular automata (either through individual rules, or by their temporal or spatial combinations), as well as the development of effective ways to their design by means of enumerative and evolutionary computation techniques. The project will revolve primarily around a selection of three problems, the density classification task, the recognition of hand-written decimal digits, and the parity problem, although others may also be considered, as the investigations progress and the research group associated with it develops".