Projetos e temas de pesquisa para alunos em 2024

Apresentamos aqui alguns temas de pesquisa propostos por orientadores do módulo de formação Pesquisa em Engenharia de Computação 2024. Esta lista não é exaustiva e será atualizada à medida que novas informações forem recebidas. Ela está organizada em ordem alfabética de nome dos orientadores.

Atualizado em 16/09/2023

Anarosa Alves Franco Brandão

– Sistemas multiagentes no contexto de um projeto ANR-FAPESP envolvendo sistemas normativos e indústria 4.0;

– Informática na educação – na definição de modelos e técnicas computacionais para apoiar o ensino inclusivo.

Anna Helena Reali Costa

1. Machine Learning aplicado em previsão de séries temporais multivariadas.

2. Inferência Causal em IA.

3. Aplicações de Inteligência Artificial Gerativa.

Antonio Mauro Saraiva

Uso de IA em aplicações na Astronomia.

Artur Jordão Lima Correia

Aprendizado de máquina tem impulsionado avanços sem precedentes em direção à automatização de diversas tarefas cognitivas. Modelos modernos de aprendizado de máquina vêm adotando redes neurais profundas (deep learning) como o paradigma central para modelar padrões a partir dos dados. Apesar dos resultados sem precedentes em diversas aplicações, tais modelos estão confinados a uma alta sobrecarga computacional o que impõe diversos desafios tecnológicos, financeiros e organizacionais. Além disso, o desenvolvimento de redes neurais em infraestruturas com fonte de energia não sustentáveis contribui na emissão de dióxido de carbono (CO2) e levanta questões ambientais importantes (Green AI). Em virtude dessas adversidades, os objetivos deste projeto compreendem a elaboração de soluções para tornar redes neurais computacionalmente proibitivas em modelos mais eficientes.

Cíntia Borges Margi

Comunicação e segurança em redes com limitação de energia e Internet das Coisas.

Edson Satoshi Gomi

(1) Aplicações de Machine Learning para Digital Twins de Plataformas Offhshore de Extração de Óleo e Gás, incluindo “Physics Informed Machine Learning (PIML)” e “Semantic Search with Natural Language Processing”;

(2) Aplicações de Machine Learning para aceleração de algoritmos de inversão sísmica em exploração de Óleo e Gás;

(3) Diagnóstico e prognóstico de falhas usando Machine Learning para manutenção preditiva de sistemas de geração eólica de energia.

Fabio Gagliardi Cozman

1) Agentes conversacionais com capacidade de verificar argumentos.

2) Implementação de modelos causais computacionalmente eficientes para lidar com séries temporais.

Fátima de Lourdes dos Santos Nunes Marques

Possíveis temas:

– realidade virtual e aprendizado de máquina aplicados a treinamento na área de saúde;

– processamento gráfico e aprendizado de máquina aplicados ao diagnóstico de autismo;

– jogos virtuais aplicados em processo de reabilitação

Hae Yong Kim

As pesquisas envolverão Visão Computacional e Aprendizado de Máquina, nas áreas como:

1) Diagnóstico de Câncer de Mama em Imagens Médicas Multi-Incidência (em cooperação com Faculdade de Medicina da USP).

2) Detecção de contaminação da água pela análise de deformação de embriões de animais (em cooperação com Faculdade de Ciências Farnacêuticas – USP).

3) Análise de vídeos de futebol de salão (para analisar estratégias do jogo – em cooperação com Escola de Educação Física e Esporte – USP).

4) Análise de padrões de domínios listrados e labirínticos em meios magnéticos (em cooperação com University of Virginia, EUA).

Jaime Simão Sichman

Uso de inteligência artificial na industria 4.0.

João Batista Camargo Júnior

Como a Inteligência Artificial pode afetar a Segurança Crítica (Safety) de Sistemas de Tempo Real: Aplicação em Estudo de Caso.

Marcos Antonio Simplicio Junior

Segurança em sistemas eleitorais (parceria com o TSE);

Segurança de sistemas bancários (parceria com Bradesco);

Blockchain (parceria com Ripple).

Paulo Sergio Cugnasca

Análise Formal de Segurança Crítica (Safety) de Sistemas de Medicina Assistida por Inteligência Artificial e Estudo de Caso de Sistema de Detecção de Arritmias Cardíacas em Eletrocardiogramas por Redes Neurais Residuais (ResNets) com Técnicas de Sobreamostragem e Subamostragem de Dados.

Download da proposta detalhada do tema

Pedro Luiz Pizzigatti Corrêa

a) Free-Air Carbon Dioxide Enrichment (FACE) Data Management System in the Amazon;

b) Modelos computacionais utilizando técnicas de Machine Learning para Modelagem de Dados Atmosféricos na Amazônia;

c) Uso de técnicas de Data Science e Machine Learning para Manutenção Preditiva na Indústria 4.0.

Regina Melo Silveira

Computação Quântica.