Daniel Cardoso Moraes de Oliveira

Bolsista de Produtividade em Pesquisa do CNPq - Nível 2

  • Endereço para acessar este CV: http://lattes.cnpq.br/0743793296062293
  • Última atualização do currículo em 13/02/2019


Daniel de Oliveira é professor do Instituto de Computação da Universidade Federal Fluminense (IC/UFF) desde fevereiro de 2013. Recebeu o grau de Doutor em Engenharia de Sistemas e Computação pela COPPE/UFRJ em 2012 e o de Mestre em Engenharia de Sistemas e Computação em 2008, também pela COPPE/UFRJ. Desde 2013 co-lidera o Grupo de Pesquisa em Banco de Dados da Universidade Federal Fluminense (http://dgp.cnpq.br/dgp/espelhogrupo/0146318332389955). É bolsista de produtividade nível 2 do CNPq e Jovem Cientista do Nosso Estado/FAPERJ, ambos desde 2016, Seus interesses de pesquisa incluem bancos de dados, computação em nuvem, gerência de dados de proveniência, gerência de workflows científicos, paralelismo de dados, bioinformática e mineração de dados. Publicou mais de 100 artigos em periódicos indexados e em congressos nacionais e internacionais. Vem participando de Comitês de Programa de congressos nacionais e internacionais como o VLDB17, IPAW16, SBBD15, SBBD16, WORKS16 além de ser revisor ad-hoc de revistas nacionais e internacionais. Sócio da SBC, IEEE e ACM. Coordena projetos de pesquisa com financiamento do CNPq (Universal 2013) e FAPERJ (APQ1 2013), nas áreas de workflows científicos em ambientes de paralelismo e gerência de dados de proveniência além de participar de diversos outros projetos financiados por agências de fomento. Vem publicando com frequência em eventos de prestígio internacional de computação em nuvem como o IEEE Cloud e o IEEE e-Science, além de ter recebido o prêmio de melhor artigo do 2nd International Workshop on Cloud Computing and Scientific Applications (CCSA) realizado em conjunto com o IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGrid 2012), melhor artigo do Latin America High Performance Computing Conference (CARLA 2015), melhor artigo no X Brazilian e-Science Workshop (BreSci) realizado em conjunto com o Congresso da Sociedade Brasileira de Computação 2016 e melhor artigo do 6th International Provenance and Annotation Workshop (IPAW16). Daniel de Oliveira possui 1784 citações no google scholar, um h-index de 21 e 84 artigos listados no DBLP (http://dblp.uni-trier.de/pers/hd/o/Oliveira_0001:Daniel_de). Mais informações podem ser obtidas em http://www.ic.uff.br/~danielcmo. (Texto informado pelo autor)


Identificação


Nome
Daniel Cardoso Moraes de Oliveira
Nome em citações bibliográficas
OLIVEIRA, D. C. M.;OLIVEIRA, D.;DE OLIVEIRA, D.;DE OLIVEIRA, DANIEL;OLIVEIRA, DANIEL DE

Endereço


Endereço Profissional
Universidade Federal Fluminense, Centro Tecnológico, Instituto de Computação.
Rua Passo da Pátria 156 - Prédio do IC - Sala 526
São Domingos
24210240 - Niterói, RJ - Brasil
Telefone: (21) 26295669
URL da Homepage: www.ic.uff.br/~danielcmo


Formação acadêmica/titulação


2008 - 2012
Doutorado em Engenharia de Sistemas e Computação.
Universidade Federal do Rio de Janeiro, UFRJ, Brasil.
Título: Uma Abordagem de Apoio à Execução Paralela de Workflows Científicos em Nuvens de Computadores, Ano de obtenção: 2012.
Orientador: Marta Lima de Queirós Mattoso.
Coorientador: Fernanda Araujo Baião.
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.
Palavras-chave: Workflows Científicos; Computação em Nuvem; Bioinformática; e-Science.
2005 - 2008
Mestrado em Engenharia de Sistemas e Computação.
Universidade Federal do Rio de Janeiro, UFRJ, Brasil.
Título: MiningFlow: Adicionando Semântica a Workflows de Mineração de Texto,Ano de Obtenção: 2008.
Orientador: Marta Lima de Queirós Mattoso.
Coorientador: Fernanda Araujo Baião.
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.
Palavras-chave: Mineração de Texto; Ontologias; Workflows Científicos.
2000 - 2004
Graduação em Ciência da Computação.
Universidade Federal do Rio de Janeiro, UFRJ, Brasil.
Título: Estratégias e Algoritmos de leilões eletrônicos com uso de agentes de software e representação do conhecimento.
Orientador: Mario Roberto Folhadela Benevides.
1996 - 1998
Curso técnico/profissionalizante em Processamento de Dados.
Colégio Lemos de Castro, CLC, Brasil.




Formação Complementar


2008 - 2008
Extensão universitária em Gerência de Projetos de Software. (Carga horária: 60h).
Pontifícia Universidade Católica do Rio de Janeiro, PUC-Rio, Brasil.


Atuação Profissional



Institut National de Recherche en Informatique et en Automatique - Siège, INRIA, França.
Vínculo institucional

2017 - Atual
Vínculo: , Enquadramento Funcional:


Laboratório Nacional de Computação Científica, LNCC, Brasil.
Vínculo institucional

2014 - Atual
Vínculo: Colaborador, Enquadramento Funcional: Colaborador
Outras informações
Colaboração no contexto do projeto MUSIC - Gerência de dados científicos em uma nuvem multi-site


Universidade Federal Fluminense, UFF, Brasil.
Vínculo institucional

2017 - Atual
Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto III, Carga horária: 40, Regime: Dedicação exclusiva.

Vínculo institucional

2015 - 2017
Vínculo: , Enquadramento Funcional: Professor Adjunto II, Carga horária: 40, Regime: Dedicação exclusiva.

Vínculo institucional

2013 - 2015
Vínculo: , Enquadramento Funcional: Professor Adjunto I, Carga horária: 40, Regime: Dedicação exclusiva.

Atividades

03/2017 - Atual
Ensino, Engenharia de Telecomunicações, Nível: Graduação

Disciplinas ministradas
Introdução a Projeto de Banco de Dados
03/2017 - Atual
Ensino, Sistemas de Informação, Nível: Graduação

Disciplinas ministradas
Projeto de Banco de Dados para Sistemas de Informação
02/2017 - Atual
Direção e administração, Centro Tecnológico, Instituto de Computação.

Cargo ou função
Vice-diretor.
10/2016 - Atual
Conselhos, Comissões e Consultoria, Centro Tecnológico, Instituto de Computação.

Cargo ou função
Membro do Colegiado do Programa de Pós-graduação em Computação.
10/2014 - Atual
Conselhos, Comissões e Consultoria, Centro Tecnológico, Instituto de Computação.

Cargo ou função
Membro titular do Colegiado do Curso de Bacharelado em Ciência da Computação.
05/2014 - Atual
Outras atividades técnico-científicas , Centro Tecnológico, Centro Tecnológico.

Atividade realizada
Editor do Informe-IC (jornal interno do instituto de computação).
07/2013 - Atual
Conselhos, Comissões e Consultoria, Centro Tecnológico, Instituto de Computação.

Cargo ou função
Membro titular do colegiado do curso de graduação em engenharia do petróleo.
08/2016 - 12/2016
Ensino, Sistemas de Informação, Nível: Graduação

Disciplinas ministradas
Projeto de Banco de Dados para Sistemas de Informação
Tópicos Especiais em Banco de Dados III
08/2016 - 12/2016
Ensino, Computação, Nível: Pós-Graduação

Disciplinas ministradas
Bancos de Dados Distribuídos
Bancos de Dados Distribuídos - MINTER/IFMT
Estudo Orientado I
Estudo Orientado II
03/2016 - 08/2016
Ensino, Comunicação, Nível: Pós-Graduação

Disciplinas ministradas
e-Science
Estudo Orientado I
03/2016 - 07/2016
Ensino, Sistemas de Informação, Nível: Graduação

Disciplinas ministradas
Projeto de Banco de Dados para Sistemas de Informação
Tópicos em Banco de Dados I
08/2015 - 12/2015
Ensino, Sistemas de Informação, Nível: Graduação

Disciplinas ministradas
Banco de Dados
Tópicos em Bancos de Dados III
08/2015 - 12/2015
Ensino, Computação, Nível: Pós-Graduação

Disciplinas ministradas
Bancos de Dados Distribuídos
02/2015 - 07/2015
Ensino, Sistemas de Informação, Nível: Graduação

Disciplinas ministradas
Banco de Dados
Engenharia de Software
06/2014 - 12/2014
Ensino, Computação, Nível: Pós-Graduação

Disciplinas ministradas
Bancos de Dados Distribuídos
06/2014 - 12/2014
Ensino, Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Projeto de Banco de Dados
02/2014 - 06/2014
Ensino, Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Projeto de Banco de Dados
02/2014 - 06/2014
Ensino, Sistemas de Informação, Nível: Graduação

Disciplinas ministradas
Desenvolvimento Web
09/2013 - 01/2014
Ensino, Sistemas de Informação, Nível: Graduação

Disciplinas ministradas
Banco de Dados
Tópicos em Banco de Dados III
09/2013 - 01/2014
Ensino, Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Tópicos em Banco de Dados III
08/2013 - 11/2013
Ensino, CIÊNCIAS DA COMPUTAÇÃO, Nível: Pós-Graduação

Disciplinas ministradas
Bancos de Dados Distribuídos
04/2013 - 08/2013
Ensino, Sistemas de Informação, Nível: Graduação

Disciplinas ministradas
Banco de Dados
Desenvolvimento Web
04/2013 - 08/2013
Ensino, CIÊNCIAS DA COMPUTAÇÃO, Nível: Pós-Graduação

Disciplinas ministradas
Estudo Orientado I

Universidade Federal do Rio de Janeiro, UFRJ, Brasil.
Vínculo institucional

2012 - Atual
Vínculo: Colaborador, Enquadramento Funcional: Colaborador

Vínculo institucional

2008 - 2012
Vínculo: Bolsista, Enquadramento Funcional: Aluno de Doutorado

Vínculo institucional

2005 - 2008
Vínculo: Bolsista, Enquadramento Funcional: Aluno de Mestrado

Vínculo institucional

2000 - 2004
Vínculo: Bolsista, Enquadramento Funcional: Aluno de Graduação


Fundação Centro de Ciências e Educação Superior à Distância do Estado do RJ, CECIERJ, Brasil.
Vínculo institucional

2016 - Atual
Vínculo: Bolsista, Enquadramento Funcional: Conteudista, Carga horária: 8

Vínculo institucional

2014 - 2016
Vínculo: Bolsista, Enquadramento Funcional: Coordenador de Tutoria, Carga horária: 12

Vínculo institucional

2011 - 2014
Vínculo: Bolsista, Enquadramento Funcional: Tutor de Banco de Dados, Carga horária: 4

Atividades

06/2016 - Atual
Ensino, Tecnologia em Sistemas de Computação, Nível: Graduação

Disciplinas ministradas
Programação de Aplicações Web
12/2014 - 06/2016
Ensino, Tecnologia em Sistemas de Computação, Nível: Graduação

Disciplinas ministradas
Coordenação de Tutoria
02/2011 - 12/2014
Ensino, Tecnologia em Sistemas de Computação, Nível: Graduação

Disciplinas ministradas
Banco de Dados

Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, CEFET/RJ, Brasil.
Vínculo institucional

2011 - 2013
Vínculo: Contratado, Enquadramento Funcional: Professor Temporário, Carga horária: 40

Atividades

10/2012 - 02/2013
Ensino, Tecnologia em Sistemas para Internet, Nível: Graduação

Disciplinas ministradas
Estrutura de Dados e Algoritmos
Lógica Matemática
Tópicos de Estudo e Pesquisa
02/2012 - 02/2013
Ensino,

Disciplinas ministradas
Desenvolvimento de Sistemas Para Internet II
Fundamentos de Programação Web
Projeto e Desenvolvimento de Sistemas I
02/2012 - 10/2012
Ensino, Tecnologia em Sistemas para Internet, Nível: Graduação

Disciplinas ministradas
Lógica Matemática
Programação de Clientes Web
Técnicas de Estudo e Pesquisa
08/2011 - 02/2012
Ensino,

Disciplinas ministradas
Administração e Projeto de Redes
Sistemas Operacionais
08/2011 - 02/2012
Ensino, Tecnologia em Sistemas para Internet, Nível: Graduação

Disciplinas ministradas
Lógica Matemática
Programação de Clientes Web

Centro Universitário Plínio Leite, UNIPLI, Brasil.
Vínculo institucional

2011 - 2011
Vínculo: Celetista formal, Enquadramento Funcional: Professor Assistente, Carga horária: 20

Atividades

02/2011 - 07/2011
Ensino, Bacharelado em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Redes de Computadores
Sistemas Operacionais II
Tópicos Avançados em Banco de Dados

Centro de Pesquisa e Desenvolvimento Leopoldo Américo Miguêz de Mello, CENPES, Brasil.
Vínculo institucional

2003 - 2004
Vínculo: Colaborador, Enquadramento Funcional: Bolsista de Pesquisa, Carga horária: 20, Regime: Dedicação exclusiva.
Outras informações
Responsável por manutenção em aplicações de documentação e de apoio a atividade laboratorial do centro de pesquisa. Em especial a aplicação de alocação de recursos para ensaios em laboratório.



Projetos de pesquisa


2019 - Atual
ASCEND: apoio a Análise de dadoS CiENtíficos em ambientes DISC - Produtividade em Pesquisa (PQ) 2018
Descrição: During the last decade, the scientific community has seen a considerable increase in the number of scientific experiments based on large-scale computational simulations. Such simulations are characterized by the chaining of programs that execute increasingly complex computational models (dataflows). These dataflows are often implemented through scripts or workflows that consume and produce large amounts of data. Due to this volume, processing commonly requires the use of parallelism and High Performance Computing (HPC) environments. The convergence between HPC and the tasks of processing and analyzing scientific data associated with these dataflows has been largely driven by the use of Data Intensive Scalable Computing (DISC) environments. The convergence between HPC and DISC is a recent topic of interest to the scientific community. While HPC environments focus on the high performance of the simulations, usually using supercomputers, the DISC environments are data oriented and are formed by clusters of commodity machines. Examples of DISC frameworks include Spark. The implementation and execution of dataflows in DISC environments poses a number of challenges that are related to large-scale resource management. Often in order for the simulation to reach the processing capacity required to complete in a timely manner, it is necessary to use a number of heterogeneous resources such as CPUs in a cluster and/or GPGPUs. The use of DISC environments requires new algorithms for data fragmentation and tasks, scheduling, management and analysis of produced data, security, and aggregation of results, as well as evaluation tests. The $ASCEND$ project aims at proposing an approach that can execute, manage, monitor, debug dataflows and analyze the data produced by them..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (5) / Doutorado: (5) .

Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Leonardo Murta - Integrante / Isabel Rosseti - Integrante / Marcos Lage - Integrante / Aline Paes - Integrante / Cristina Boeres - Integrante / Alexandre Plastino - Integrante / Ubiratam de Paula Junior - Integrante / Lúcia Maria de Assumpção Drummond - Integrante / Yuri Frota - Integrante / Kary Ocaña - Integrante / Marta Mattoso - Integrante / Bruno Lopes Vieira - Integrante / Marcos Bedo - Integrante / Carla Osthoff - Integrante / Victor Ströele de Andrade Menezes - Integrante.
2019 - Atual
Apoio Computacional ao Desenho de Novas Drogas para Tratamento de Zika Usando Computação em Larga-Escala Centrada em Dados - Edital Universal CNPq 2018 - R$ 40.000,00
Descrição: O vírus da Zika (ZIKV) faz parte de um grupo de doenças emergentes infecciosas que afetam em especial habitantes de países em desenvolvimento, incluindo o Brasil. O ZIKV é o responsável por graves anomalias congênitas em bebês, em especial a microcefalia. Dessa forma, para a população desses paı́ses, a descoberta de novas drogas que possam ser usadas como tratamento para o ZIKV é uma prioridade. Embora o Brasil tenha avançado significativamente na última década em vários campos da ciência, as pesquisas em áreas multidisciplinares como a bioinformática ainda se encontram em amadurecimento, e estas desempenham um papel fundamental para a descoberta de novas drogas para o tratamento do ZIKV. Diversas pesquisas de sucesso no ramo da bioinformática têm proposto protocolos in silico (baseado em simulações computacionais) que utilizam análises filogenéticas/filogenômicas e mais recentemente as análises farmacofilogenômicas. Esses protocolos normalmente envolvem um conjunto de programas que executam simulações cientı́ficas e que são encadeados formando um fluxo coerente de atividades, ao qual denominamos workflow. Entretanto, gerenciar um experimento nesse contexto não é ́uma tarefa trivial. Cada execução de um workflow para descoberta de novas drogas para o ZIKV pode consumir e produzir um grande volume de dados, o que comumente requer o uso de ambientes de Processamento de Alto Desempenho (PAD), como clusters e supercomputadores, aliado a técnicas de paralelismo. Apesar de tais ambientes serem bastante utilizados, nos últimos anos temos visto o crescimento dos Ambientes de Computação em Larga Escala Centrada em Dados (DISC), que se baseiam em clusters de computadores de hardware comum, e seus frameworks associados como o Apache Spark que fornece processamento eficiente em memória. Um dos maiores desafios na gerência de experimentos cientı́ficos nesses ambientes DISC reside na distribuição das execuções das atividades dos workflows nos recursos de forma eficiente. Além disso, devemos nos preocupar com a gerência de metadados e com a análise dos resultados obtidos, seja por meio de representação visual ou utilizando técnicas de aprendizado de máquina. O objetivo principal deste projeto de pesquisa está no desenvolvimento de novas técnicas de gerência de experimentos cientı́ficos baseados em simulação com o foco no apoio à descoberta de novas drogas para o tratamento de ZIKV. Essa gerência engloba a distribuição das simulações em ambientes DISC heterogêneos (que envolvem nuvens de computadores, GPUs e clusters de computadores) e análise dos resultados por meio de algoritmos de aprendizado de máquina e lógica. Todo o desenvolvimento será alicerçado em dados e processos reais fornecidos pela Fundação Oswaldo Cruz (FIOCRUZ) e pelo Laboratório Nacional de Bioinformática (LabInfo) do Laboratório Nacional de Computação Cientıífica..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (5) / Doutorado: (3) .

Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Leonardo Murta - Integrante / Isabel Rosseti - Integrante / Aline Paes - Integrante / Cristina Boeres - Integrante / Lúcia Maria de Assumpção Drummond - Integrante / Yuri Frota - Integrante / Kary Ocaña - Integrante / Marta Mattoso - Integrante / Bruno Lopes Vieira - Integrante / Marcos Bedo - Integrante / Marco Aurelio Pereira Horta - Integrante / Carla Osthoff - Integrante / Victor Ströele de Andrade Menezes - Integrante.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.Número de orientações: 3
2017 - Atual
Heurísticas para Otimização Combinatória: Aplicações e Contribuições Algorítmicas
Descrição: Muitos problemas em computação, logística, planejamento e engenharia, entre outras áreas, podem ser formulados como problemas de otimização combinatória. Metaheurísticas são métodos gerais eficazes para resolver tais problemas. Este projeto dirige-se a desenvolvimentos algorítmicos em metaheurísticas e à aplicação de heurísticas na solução de problemas combinatórios. Também são tratadas questões referentes à avaliação e à comparação de algoritmos..
Situação: Em andamento; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Fabio Protti - Integrante / José Viterbo - Integrante / Isabel Rosseti - Coordenador / Alexandre Plastino - Integrante / Simone de Lima Martins - Integrante / Celso da Cruz Carneiro Ribeiro - Integrante / Luidi Simonetti - Integrante.
2017 - Atual
Associate Teams: SciDISC - Scientific data analysis using Data-Intensive Scalable Computing

Projeto certificado pelo(a) coordenador(a) Patrick Valduriez em 21/05/2017.
Descrição: This project is an international collaborative project between Brazil and France, funded by the French side. --Inria (France) supports "Associate Teams" to strengthen scientific collaboration between Inria project teams and top-level research teams worldwide. -- Data-intensive science requires the integration of two fairly different paradigms: high-performance computing (HPC) and data-intensive scalable computing (DISC). Spurred by the growing need to analyze big scientific data, the convergence between HPC and DISC has been a recent topic of interest. This project will address the grand challenge of scientific data analysis using DISC (SciDISC), by developing architectures and methods to combine simulation and data analysis. The expected results of the project are: new data analysis methods for SciDISC systems; the integration of these methods as software libraries in popular DISC systems, such as Apache Spark; and extensive validation on real scientific applications, by working with our scientific partners such as INRA and IRD in France and Petrobras and the National Research Institute (INCT) on e-medicine (MACC) in Brazil. https://www.inria.fr/en/associate-team/scidisc.
Situação: Em andamento; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Alvaro Coutinho - Integrante / Esther Pacitti - Integrante / Reza Akbarinia - Integrante / Fabio Porto - Integrante / Patrick Valduriez - Coordenador / Kary Ocaña - Integrante / Eduardo Ogasawara - Integrante / Marta Mattoso - Integrante / José Camata - Integrante / Dennis Shasha - Integrante / Florent Masseglia - Integrante.
2016 - 2019
Apoio a Simulações Computacionais em Ambientes Híbridos Guiada por Dados de Proveniência - Produtividade em Pesquisa (PQ) 2016
Descrição: Nos últimos anos, a comunidade acadêmica tem percebido um aumento na quantidade de simulações computacionais executadas em experimentos científicos. Grandes projetos científicos são desenvolvidos por grupos de pesquisadores em colaboração, produzindo dados e programas em grande quantidade, distribuídos e heterogêneos. Muitos cientistas adotam workflows científicos como abstrações para as etapas computacionais envolvidas no experimento e a troca de dados entre estes. Tais workflows são computacionalmente intensivos e produzem um grande volume de dados, necessitando de ambientes de alto desempenho e técnicas de paralelismo para que terminem em tempo hábil. Existem diversos ambientes de processamento de alto desempenho já consolidados e que podem ser usados para executar os workflows como os clusters e as grades computacionais, e, mais recentemente, o conceito de nuvens de computadores têm ganhado bastante importância no cenário científico. Assim, podemos considerar grandes sistemas computacionais integrados, como o SINAPAD por exemplo, como um ambiente computacional híbrido multi-site que oferece acesso a recursos heterogêneos (máquinas em um cluster ou grade, GPUs, etc.) distribuídos, de forma transparente. A execução de workflows neste tipo de ambiente computacional trás uma série de desafios que estão relacionados com a gerência de recursos em larga escala (tanto de número e tipos de processadores quanto de dados e tarefas das simulações computacionais). Muitas vezes para que a simulação atinja a capacidade de processamento necessária para terminar em tempo hábil, é necessário que se utilize uma série de recursos heterogêneos como CPUs em um cluster e GPUs. O uso desses ambientes híbridos requer novos algoritmos de fragmentação de dados e tarefas das simulações, de escalonamento, de gerência de dados produzidos, de tolerância a falhas e de agregação de resultados, além de testes de avaliação. Além disso, devido à larga escala e heterogeneidade do ambiente, a análise dos dados de proveniência dos experimentos científicos, deve ser considerada e utilizada como base para as soluções propostas.
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (10) / Mestrado acadêmico: (3) / Doutorado: (2) .

Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Aline Paes - Integrante / Lúcia Maria de Assumpção Drummond - Integrante / Yuri Frota - Integrante / Vítor Silva - Integrante / Kary Ocaña - Integrante / Marta Mattoso - Integrante.
2016 - Atual
UFFeScience: Apoio Computacional a Experimentos de Larga Escala para Desenho de Novas Drogas para Tratamento de Doenças Tropicais Negligenciadas
Descrição: termo ?Doenças Tropicais Negligenciadas se refere a um grupo de doenças tropicais endêmicas que afetam em especial habitantes da Ásia, África e da América Latina. Algumas dessas DTN são responsáveis por altas taxas de mortalidade nessas regiões. Assim, para a população desses países, a descoberta de novas drogas que possam ser usadas como tratamento para as DTN é uma prioridade. Em especial no cenário brasileiro, e mais especificamente no estado do Rio de Janeiro, diversas DTN atingem parte da população, como por exemplo, a Dengue. Embora o Brasil tenha avançado significativamente na última década em vários campos da ciência, as pesquisas em áreas multidisciplinares como a bioinformática ainda estão em amadurecimento, e estas desempenham um papel fundamental para o desenvolvimento do país e do estado e para a descoberta de novas drogas para o tratamento das DTN. Diversas pesquisas de sucesso no ramo da bioinformática têm proposto protocolos in-silica (baseado em simulações computacionais) que utilizam análises filogenéticas/filogenônicas e mais recentemente as análises farmacofilogenônicas. Esses protocolos normalmente envolvem um conjunto de programas que executam simulações científicas e que são encadeados formando um fluxo coerente de atividades, ao qual denominamos workflow. Em um mesmo experimento de bioinformática para descoberta de novas drogas para DTN é comum que tenhamos mais de um workflow e que este mesmo workflow seja executado diversas vezes, variando-se dados de entrada e parametrização de configuração, a fim de confirmar ou refutar uma determinada hipótese. Entretanto, gerenciar um experimento nesse contexto não é uma tarefa trivial. Cada execução de um workflow pode consumir e produzir um grande volume de dados, o que comumente requer Processamento de Alto Desempenho (PAD) aliada a técnicas de paralelismo para produzir resultados em tempo hábil. A demanda por técnicas de gerência de experimentos em ambientes de PAD vem crescendo a cada ano, ao mesmo tempo em que surgem novos ambientes como as nuvens de computadores (que podem ser multi-site e federadas) e as unidades de processamento gráfico de propósito geral (GPGPUs). Um dos maiores desafios na gerência de experimentos científicos nesses ambientes reside na distribuição das execuções das atividades dos workflows nos recursos de forma eficiente. Essas execuções podem ser distribuídas em mais de um ambiente (cluster local, nuvem e GPGPU) e essa heterogeneidade insere uma complexidade adicional (e grande) no processo. Além disso, devemos nos preocupar com a gerência de metadados e com a análise dos resultados obtidos. Diversas pesquisas na área de mineração de dados e aprendizado de máquina têm sido propostas com foco na análise de grandes volumes de dados. Entretanto, os dados biológicos produzidos por esses experimentos não podem ser representados como tuplas chave-valor, como acontece tradicionalmente em algoritmos de mineração de dados (e.g. K-means). Dados biológicos são normalmente multi-relacionados, o que demanda técnicas de aprendizado de máquina mais complexas como a mineração de dados multi-relacional (MDMR). Uma vez que essas técnicas possam ser aplicadas/adaptadas no contexto de experimentos de bioinformática para descoberta de novas drogas podemos descobrir novos padrões de sequências, funções de genes e interações proteína-proteína que alavanquem investigações na terapia de DTN. O objetivo principal deste projeto de pesquisa está no desenvolvimento de novas técnicas de gerência de experimentos para DTN..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (6) / Doutorado: (2) .

Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Isabel Rosseti - Integrante / Aline Paes - Integrante / Yuri Frota - Integrante / Cristina Nader Vasconcelos - Integrante / Christiano de Oliveira Braga - Integrante / Bruno Lopes Vieira - Integrante.
Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.
2016 - Atual
GRADE-HPAD - GeRênciA de Dados ciEntíficos em ambientes Híbridos de Processamento de Alto Desempenho, Jovem Cientista do Nosso Estado 2016
Descrição: Experimentos científicos complexos são capazes de produzir volumes de dados na casa dos Petabytes. Esse volume de dados é produto normalmente de complexas simulações computacionais que fazem parte dos experimentos. Em muitos experimentos são adotados workflows como abstração para representar as etapas computacionais de uma simulação. Muitas dessas etapas dos workflows são datacêntricas, mas também são computacionalmente intensivas, assim necessitando de ambientes de processamento de alto desempenho (PAD) e técnicas de paralelismo para que produzam dados em tempo hábil. Existem diversos ambientes de PAD como os clusters, as grades, e, mais recentemente, as nuvens e as GPGPUs. Entretanto, nos últimos anos, ambientes compostos por recursos heterogêneos têm sido propostos, os chamados ambientes híbridos. Exemplos de tais ambientes são nuvens e clusters que são formados tanto por CPUs quanto por GPGPUs, além de nuvens federadas e multi-sítio. Além da execução do workflow nestes ambientes, devemos nos preocupar com a qualidade dos dados. Muitos dados possuem um nível de incerteza associado, normalmente porque os programas utilizados nas simulações não são determinísticos. A análise desses dados também é um ponto fundamental, porém dados científicos são normalmente multi-relacionados, o que demanda técnicas de aprendizado de máquina mais complexas que as tradicionais. As soluções existentes para gerência dos dados científicos já englobam a execução paralela e a coleta de dados de proveniência em ambientes tradicionais, porém, não oferecem apoio a ambientes híbridos. O uso de ambientes híbridos requer novos algoritmos de fragmentação, de escalonamento, e de gerência e análise de dados produzidos. Além disso, devido à heterogeneidade do ambiente, os dados de proveniência devem ser considerados e utilizados como base para as soluções propostas. Desta forma, este projeto visa desenvolver uma série de soluções para ambientes híbridos para gerência e análise de dados científicos.
Situação: Em andamento; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador.
Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.
2016 - Atual
BioMiningHPC: Arquitetura baseada em Workflows, Mineração e Proveniência de Dados de Experimentos de Bioinformática para Ambientes HPC no Apoio ao Estudo de Doenças Negligenciadas e Doenças Genômicas Raras em Humanos - APQ1 FAPERJ

Projeto certificado pelo(a) coordenador(a) Kary Ann del Carmen Ocaña Gautherot em 06/06/2016.
Descrição: Embora o Brasil tenha avançado significativamente nos últimos anos em vários campos das Ciências e tecnologias afins, pesquisas em áreas multidisciplinares como a bioinformática ainda são nascentes, mesmo sendo fundamentais para o desenvolvimento biotecnológico do país. As pesquisas biomédicas/biotecnológicas têm alavancado descobertas científicas devido à exploração da grande quantidade de dados coletada de pesquisas genômicas/proteômicas para a descoberta de padrões de sequências, funções de genes e interações proteína-proteína que alavanquem investigações de biomarcadores e/ou na terapia de doenças. Por outro lado, recentes progressos nas pesquisas na mineração de dados têm levado ao desenvolvimento de numerosos métodos eficientes/escaláveis para mineração, interessantes para os padrões/conhecimento em grandes bancos de dados e.g. métodos de classificação eficiente, análises de valores/resultados atípicos, frequência, métodos de análise de padrões estruturados, ferramentas de análise de dados temporal/espacial, e visualização. O desafio em questão é a melhor maneira de tornar experimentos de mineração de dados biológicos em larga escala em uma metodologia exitosa. Neste caso, o cientista precisa de um grau de abstração para poder atrelar as atividades domínio específicas da bioinformática a aquelas que melhor se adéquam ao algoritmo de mineração e acopla-los em uma arquitetura. Esses experimentos podem ser modelados como workflows e interconectados a Sistemas de Gerenciamento de Workflows Científicos, Sistemas de Gerenciamento de Banco de Dados e Sistemas Web. Desta maneira, workflows podem usufruir das vantagens de paralelismo e distribuição de ambientes de computação de alto desempenho como clusters de supercomputadores e recentemente nuvens. No entanto, a integração/uso desses ambientes apresentam outros muitos desafios relacionados principalmente à gerência de recursos em larga escala i.e. dados, tarefas, simulações computacionais, número de processadores.
Situação: Em andamento; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Integrante / Antônio Tadeu Azevedo Gomes - Integrante / Aline Paes - Integrante / Kary Ocaña - Coordenador / Marta Mattoso - Integrante / Luiz Gadelha - Integrante / Ana Tereza Ribeiro de Vasconcelos - Integrante.
Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.
2015 - 2018
PSwmsGpu - Parallel Scientific Workflow Management Systems on GPU - Edital FAPERJ-Sorbonne

Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 04/05/2015.
Descrição: Large-scale simulations in computational science are complex to manage. Due to its exploratory nature, several iterations evaluate a large space of parameter combinations spanning many tasks in parallel. Scientific workflow management systems can execute those simulations as a chain of activities (computer programs) and the dataflow between those activities. Workflow systems provide activity and dataflow management, parallel execution and register provenance data. However, there are several open challenges in exploring different models of parallelism during the workflow execution. Among the challenges are: optimizations in parallel execution plan derivation, while taking advantage of different multi-core architectures. For example, general purpose (GP) GPU programming demands coupling highly parallel computing units with classic CPUs to obtain high performance. Heterogeneous systems lead to complex designs combining multiple paradigms and programming languages to manage each hardware architecture. We aim at lowering this complexity in parallel scientific workflow design by using dataflow and programming abstractions to represent the workflow specification. Underlying engines that are aware of the abstractions will have room to optimize the parallel execution plan. We are going to take advantage of two main programming abstractions to leverage workflow parallel execution. One abstraction comes from the Brazilian team, which is a dataflow algebra for the parallel execution of Map/Reduce operations, among others, in scientific workflows. The other abstraction, developed by the French team is SPOC, a library of parallel skeletons that can offer high performance while efficiently easing development, including GPGPU programming. Our goal is to combine the semantics of the dataflow algebraic operations with the power of composition constructs of SPOC skeletons to obtain dynamic generation of parallel execution plans..
Situação: Concluído; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Emmanuel Chailloux - Integrante / Marta Mattoso - Coordenador.
Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.
2014 - 2017
MUSIC - Gerência de dados científicos em uma nuvem multi-site

Projeto certificado pelo(a) coordenador(a) Fabio Andre Machado Porto em 15/05/2014.
Descrição: Grandes projetos científicos em astronomia, biologia, medicina e engenharia produzem grandes volumes de dados, fruto de observação ou coleta instrumentada, ou ainda calculados por simulações numéricas de fenômenos. Na astronomia, por exemplo, projetos como o Large Synoptic Survey Telescope (LSST) estima produzir um mapa 3D do Universo com nível de detalhe e profundidade sem precedentes, o que se traduz em centenas de petabytes de dados em disco. Além do grande volume, dados científicos são imprecisos, devido aos aspectos de calibração dos instrumentos de captura, ou mesmo das incertezas introduzidas nos modelos dos fenômenos observados. Finalmente, grandes projetos científicos são desenvolvidos por grupos de pesquisadores em colaboração, produzindo dados e programas em grande quantidade, distribuídos e heterogêneos. Cientistas adotam workflows científicos como abstrações para as etapas computacionais envolvidas no experimento e a troca de dados entre estes. Além disso, sistemas de gerência de workflows científicos oferecem transparência em relação à complexidade do ambiente computacional, explorando técnicas eficientes de execução, como a execução paralela, e a coleta de dados de proveniência, com suporte à reprodução de experimentos e correções dinâmicas da execução. Finalmente, grandes sistema computacionais integrados, como o SINAPAD coordenado pelo LNCC, são vistos como uma nuvem computacional multi-site que visa a oferecer escalabilidade e acesso a recursos (máquinas, dados e programas) distribuídos, de forma transparente. Desta forma, este projeto pretende desenvolver uma arquitetura em nuvem multi-site para a gerência e análise de grandes volumes de dados científicos. A arquitetura multi-site em nuvem poderá ser utilizada como plataforma compartilhada para experimentos computacionais em diferentes disciplinas da ciência que se valerão de armazenamento, acesso, integração e processamento paralelo de seus dados distribuídos pela arquitetura de forma transparente.
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Mestrado acadêmico: (10) Doutorado: (10) .

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Alvaro Coutinho - Integrante / Esther Pacitti - Integrante / Reza Akbarinia - Integrante / Fabio Porto - Coordenador / Patrick Valduriez - Integrante / Kary Ocaña - Integrante / Eduardo Ogasawara - Integrante.
Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.
2014 - 2014
User-Steering Phylogenetic Workflows in the Cloud - Windows Azure for Research Proposal

Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015.
Descrição: This research aims at helping monitoring large-scale parallel execution of bioinformatics phylogenetic analysis workflow in the cloud. These workflows may be deployed as services and its real-time provenance can be queried during the execution so that the scientist can take actions like staging out part of the results such as a phylogenetic tree for visualization.
Situação: Concluído; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Kary Ocaña - Integrante / Marta Mattoso - Coordenador.
2013 - 2017
DocX Processamento de consultas e gerência de versões de documentos XML (CNPq, Edital Universal)

Projeto certificado pelo(a) coordenador(a) Vanessa Braganholo Murta em 14/05/2014.
Descrição: O volume de dados XML disponível atualmente vem crescendo cada vez mais. Este fato faz com que a necessidade de mecanismos eficientes de gerência de dados XML seja cada vez maior. Nesse projeto, tratamos de dois problemas diretamente relacionados à gerência de dados XML: processamento de consultas e gerência de versões. Existem vários trabalhos na literatura que lidam com o problema de processar consultas sobre dados XML. Uma abordagem bastante utilizada reside no processamento de consultas em paralelo. Para isso, os dados precisam estar distribuídos em diversos nós de uma rede. Fazer uma fragmentação fixa a priori pode gerar muito desbalanceamento de carga no processamento das consultas. A fragmentação virtual flexibiliza a rigidez da fragmentação física que é fixa. Por ser dinâmica, a fragmentação virtual tem se mostrado um uma boa alternativa para ganho de desempenho no processamento de consultas. No entanto, a abordagem existente, proposta pela proponente e sua equipe, ainda sofre de problemas de balanceamento de carga. Além disso, nem sempre o ambiente disponível dispõe de diversos nós de processamento para executar as consultas. Visando atender também a esse tipo de ambiente, em trabalhos anteriores comparamos o desempenho de processadores de consulta XQuery com máquinas de inferência Prolog. Surpreendentemente, diversas consultas executadas nas máquinas de inferência Prolog obtiveram melhor desempenho do que as consultas equivalentes executadas em processador XQuery nativo. No entanto, este estudo inicial usou traduções ad‐hoc que precisam ser sistematizadas e mais bem estudadas. Que tipo de consulta se beneficia do uso de máquina de inferência em seu processamento? Como traduzir consultas XML para consultas Prolog automaticamente? Outra questão primordial que tem recebido pouca atenção na literatura é a gerência de versões de documentos XML. Para que o controle de versões seja efetivo, são necessárias três operações: diff2 (que calcula a diferença entre duas versões consecutivas), diff3 (que calcula a diferença entre duas versões alternativas derivadas da mesma versão base), e merge (que consolida em um único documento as mudanças realizadas em duas versões alternativas). As técnicas existentes exploram a sintaxe e conteúdo do documento para o cálculo do diff2 [Cobena et al. 2002; Wang et al. 2003; Santos and Hara 2007; Sundaram and Madria 2012]. Técnicas para diff3 e merge têm recebido pouca atenção. Essas são questões que este projeto de pesquisa pretende investigar.
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Mestrado acadêmico: (6) Doutorado: (4) .

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Coordenador / Leonardo Murta - Integrante / Aline Paes - Integrante / Marta Mattoso - Integrante.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
2013 - 2016
SciCumulus2 - Infraestrutura Computacional para Execução de Experimentos Científicos em Nuvens de Computadores, Universal CNPq
Descrição: Nos últimos anos, a comunidade acadêmica tem percebido um aumento na quantidade de experimentos científicos baseados em simulações computacionais. Muitos destes experimentos são atualmente modelados como workflows científicos e demandam grande capacidade de processamento. Existem diversos ambientes de processamento de alto desempenho já consolidados e disponíveis como clusters e grades computacionais, porém as nuvens de computadores têm ganhado bastante importância devido à sua grande adoção no mundo corporativo. Para que workflows científicos possam se beneficiar de características de nuvens, como a elasticidade e a alta disponibilidade, foi desenvolvido o SciCumulus, uma máquina de execução de workflows, que paraleliza e coordena a execução dos mesmos em ambientes de nuvem. O SciCumulus foi produto da tese de doutorado do proponente e representou um passo muito importante nesse cenário. Com base no sucesso de sua utilização em diversos workflows reais, novas demandas surgiram por parte dos usuários. Além disso, desafios advindos da própria avaliação experimental do SciCumulus levaram à concepção desta nova etapa do SciCumulus, proposta neste projeto de pesquisa. Assim, este projeto tem como objetivo aprofundar a contribuição que sistemas como o SciCumulus podem oferecer em ambientes de nuvens computacionais e propor novas heurísticas de escalonamento, explorar a distribuição de dados do workflow científico e trabalhar na segurança desses dados. Tais desenvolvimentos deverão ser incorporados em uma nova versão dessa infraestrutura denominada SciCumulus2..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) .

Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Leonardo Murta - Integrante / Aline Paes - Integrante / Kary Ocaña - Integrante / Eduardo Ogasawara - Integrante / Marta Mattoso - Integrante.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
2013 - 2015
Ambiente de Cloud Computing para Computação de Alto Desempenho da Universidade Federal Fluminense, MCTI/ FINEP/ CT-INFRA 01/2013
Descrição: Grande parte da pesquisa e dos experimentos em larga escala existentes são computacionalmente intensivos e necessitam de muitos recursos computacionais. Em grande parte dos casos, esses recursos são utilizados para executar milhares (e até milhões) de tarefas em ambientes de processamento de alto desempenho (PAD). Nos últimos anos, o paradigma da ?computação em nuvem? (do termo em inglês Cloud Computing) surgiu como alternativa, visando oferecer recursos (inclusive de PAD) de forma elástica (o pesquisador pode aumentar ou diminuir a quantidade e a capacidade de recursos utilizados a qualquer momento) que podem ser instanciados, sob demanda, sem a necessidade dos pesquisadores adquirirem/configurarem uma infraestrutura própria, atingindo assim uma gama maior de usuários. Baseado nesta vantagem proporcionada pelas nuvens de computadores este projeto tem como objetivo principal prover este tipo de infraestrutura virtual baseada no conceito de nuvens para os pesquisadores da UFF. O presente projeto visa disponibilizar para os pesquisadores uma série de serviços que podem ser acessados remotamente e de forma transparente, possibilitando a utilização dos mesmos por vários grupos de pesquisa que atualmente necessitam de uma série de recursos de PAD e armazenamento para executar suas pesquisas. O Instituto de Computação da UFF já conta com um expressivo número de pesquisadores atuando na área de processamento paralelo e em suas aplicações, sendo esta uma das principais e mais ativas linhas de sua pós-graduação. Ressalta-se que novas parcerias de pesquisa possivelmente surgirão a partir da operacionalização deste ambiente de nuvem. Além disso, intensificará tanto a colaboração com outras unidades da UFF, tais como os Institutos de Química, e Física que desenvolvem aplicações que exigem uso intensivo de recursos computacionais..
Situação: Concluído; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Fabio Protti - Coordenador / Eugene Francis Vinod Rebello - Integrante / Esteban Clua - Integrante.
Financiador(es): Financiadora de Estudos e Projetos - Auxílio financeiro.
2013 - 2014
Gerência de Experimentos Científicos Datacêntricos em Nuvens de Computadores, APQ1 FAPERJ
Descrição: Técnicas de distribuição de atividades e paralelismo de dados em ambientes distribuídos vêm sendo objeto de pesquisas recentes, obtendo resultados significativos no aumento de desempenho de aplicações que lidam com grandes volumes de dados. Estas aplicações incluem experimentos científicos baseados em simulação. Seu uso vem crescendo rapidamente nos últimos anos, o que fez com que diversos cientistas começassem a modelar seus experimentos como workflows científicos. Entretanto, a demanda por técnicas de gerência de dados distribuídos vem crescendo, ao mesmo tempo em que surgem novos cenários de processamento distribuído e paralelo como as nuvens de computadores. Um dos maiores desafios na gerência de experimentos científicos em nuvens de computadores reside na exploração das características da nuvem como elasticidade. Além disso, devemos nos preocupar com a gerência de metadados e a gerência das aplicações (programas) e na composição dessas aplicações. O objetivo principal deste projeto de pesquisa está na geração de novas técnicas de gerência da execução de experimentos científicos em nuvens de computadores. Dentre as novas técnicas de gerência de recursos distribuídos, daremos ênfase à eficiência em: (i) captura e consultas a bases de dados de proveniência distribuídas e (ii) gerência e execução de workflows científicos. Todo o desenvolvimento será guiado pelos aspectos da organização e gerência de dados científicos em experimentos científicos, utilizando como estudo de caso workflows da área de aprendizado de máquina relacional para o estudo de redes sociais. Este experimento necessita realizar uma análise exploratória e se apresenta como um experimento em larga escala que depende de técnicas especializadas no que tange à sua execução paralela e a gerência dos dados..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) .

Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Leonardo Murta - Integrante / Aline Paes - Integrante.
Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.Número de orientações: 2
2012 - 2015
Gerência de experimentos guiada por proveniência, Edital Gdes Desafios R$ 227.292,00

Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015.
Descrição: O contexto do projeto está explicitamente identificado do documento "Grandes Desafios" da SBC (2006), no desafio 2 onde é dito que : ?O objetivo deste desafio é criar, avaliar, modificar, compor, gerenciar e explorar modelos computacionais para todos esses domínios e aplicações.? Abordamos esse desafio no projeto GExp (proc. 551013/2007-9), dentro do edital Edital MCT/CNPq/CT-INFO no 07/2007 - PD&I-TI. A todas essas ações que evolvem os modelos computacionais dos domínios e aplicações do desafio estamos chamando de "ciclo de vida do experimento científico". Os resultados positivos, nos levaram a propor uma continuidade ao apoio à gerência dos experimentos científicos em larga escala. No projeto GExp desenvolvemos processos, técnicas, algoritmos e software de apoio às fases de composição, execução e análise. Porém, devido à complexidade do desafio 2, essas soluções, embora concretas e promissoras, ainda estão longe de resolver o desafio previsto para essa década. Neste novo projeto damos continuidade ao apoio já desenvolvido e reforçamos a ênfase à representação e gerência das informações relativas às três fases do ciclo de vida do experimento. A proveniência pode ser vista como um dos principais auxílios conceituais para criar, modificar, compor e gerenciar os modelos computacionais do Desafio 2 dos ?Grandes Desafios? da SBC. Essa gerência de proveniência envolve varios desafios, em particular a representação da proveniência nas diversas fases do ciclo de vida e seu correspondente relacionamento. Uma das dificuldades está na associação dos dados de proveniência do experimento conceitual com os dados de proveniência do experimento executado. Outro desafio está relacionado a representação da proveniência de recursos distribuídos envolvendo o uso de ambientes de alto desempenho como grandes clusteres e nuvens computacionais.
Situação: Desativado; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Integrante / Guilherme Horta Travassos - Integrante / Alexandre A B Lima - Integrante / Marta Mattoso - Coordenador.
2012 - 2013
Apoio computacional ao desenvolvimento científico em larga escala, Universal 14/2011 - R$ 144.000,00

Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015.
Descrição: A motivação principal desse projeto está no apoio computacional ao desenvolvimento de científico em larga escala. Mais especificamente visamos a enfrentar os desafios na gerência dos recursos distribuídos inerentes ao desenvolvimento de ciência hoje em áreas como bioinformática e de engenharia do petróleo. Trabalhos existentes tendem a tratar os dados separadamente do encadeamento dos processos científicos, ou ainda sem dar atenção ao processamento paralelo. Ao longo da experimentação, os cientistas necessitam desempenhar diversas atividades, e algumas delas estão relacionadas ao encadeamento de programas usados durante as simulações que demandam alto poder computacional. Cada execução de programa pode produzir uma coleção de dados com determinada sintaxe e semântica. Esta coleção de dados pode ser usada como entrada para o próximo programa a ser executado no fluxo. Consideramos que os dados de proveniência podem ser a chave para o apoio ao ciclo de vida do experimento científico. Mattoso et al. (2010) definem o ciclo de um experimento científico como sendo formado por três fases: composição, execução e análise. A composição é a fase que trata da definição, edição e manipulação dos workflows. Estes workflows são submetidos à execução para, posteriormente, terem os resultados das suas diferentes execuções analisados a partir de seus dados de proveniência (Freire et al. 2008). O tratamento dado à proveniência de experimentos científicos é parcialmente obtido por Sistemas de Gerência de Workflows Científicos (SGWfC). A gerência da proveniência é feita atrelada a um workflow específico e sem considerar os recursos distribuídos durante a execução paralela do experimento. Assim, gerenciar os dados de proveniência ao longo do ciclo de vida, envolvendo aspectos de execução distribuída de vários workflows associados ao experimento ainda é um problema longe de ser resolvido.
Situação: Concluído; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Marta Mattoso - Coordenador.
2010 - 2011
CiclExp - Apoio ao Ciclo de vida de Experimentos científicos, Universal, R$ 122.000,00

Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015.
Descrição: ara que experimentos científicos em larga escala possam ser gerenciados, é ne-cessário que um conjunto de funcionalidades esteja presente. Dentre estas, estão o apoio à concepção dos workflows científicos e sua posterior instanciação num SGWfC (Sistema de Gerência de Workflows Científicos), a reutilização de workflows previamente concebidos por outros cientistas, o controle sobre a evolução das diferentes versões dos workflows e a coleta de informações que permitam identificar a proveniência dos dados gerados pela execução dos workflows científicos. Em particular é muito importante que a exploração visual de dados resultantes de workflows esteja associada a dados de proveniência do workflow. É fundamental que essas funcionalidades estejam atreladas ao experimento científico que está sendo conduzido por uma equipe de cientistas.
Situação: Concluído; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Integrante / Claudia Werner - Integrante / Leonardo Murta - Integrante / Marta Mattoso - Coordenador.
2007 - 2009
GExp- Gerência de experimentos científicos em larga escala, Edital Gdes Desafios - R$ 366.549,76

Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015.
Descrição: Diversas áreas científicas, tais como bioinformática e engenharia de petróleo, necessitam de meios para a execução simulada de experimentos. Em sua grande maioria, esses experimentos consistem da concatenação de programas e dados, que são repetidamente executados para testar hipóteses por meio da variação de parâmetros, dados, filtros, etc.. Uma ferramenta que apenas auxilie a concatenação de programas e dados não é suficiente para tratar a complexidade imposta pelos problemas a serem analisados. Faz-se necessário um sistema que gerencie a composição e execução de processos e dados num fluxo, que pode ser chamado de workflow científico. Mesmo nos casos onde sistemas de gerência de workflow científico são empregados, o apoio ainda é incipiente em três principais etapas: concepção, execução e análise. Durante a etapa de concepção, as tomadas de decisão quanto à estruturação do próprio workflow ocorrem de forma ad-hoc. Além disso, alguns fragmentos de workflow se repetem em outros workflows, o que passa despercebido pelos cientistas, gerando retrabalho e baixa qualidade do workflow resultante. Durante a etapa de execução, podem ser observadas necessidades de aumento de desempenho, o que pode ser atenuado via distribuição e paralelismo de recursos computacionais. Contudo, a transformação de sistemas seqüenciais em sistemas paralelos não é trivial, em especial para sistemas legados. Além disso, em diversas situações se torna necessário o acompanhamento on-line dos resultados parciais da execução do workflow. Finalmente, durante a etapa de análise, a maior necessidade consiste na identificação da razão de existência de determinados resultados, levando em consideração tanto os dados e parâmetros de entrada do workflow, quanto a configuração interna do workflow que transformou esses dados. Desta forma, o objetivo deste projeto é elaborar e aplicar técnicas de Banco de Dados e Engenharia de Software no contexto de experimentos científicos para tratar os problemas discutido.
Situação: Concluído; Natureza: Pesquisa.

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Integrante / Claudia Werner - Integrante / Guilherme Horta Travassos - Integrante / Leonardo Murta - Integrante / Eduardo Ogasawara - Integrante / Marta Mattoso - Coordenador.


Outros Projetos


2018 - Atual
Solução computacional com base em técnicas de inteligência artificial para eficiente uso dos dados do Campo de Libra
Descrição: O processo de exploração e produção na indústria de petróleo e gás gera diariamente um grande volume de dados que podem estar persistidos de diversas formas dentro de uma empresa de petróleo, seja em base de dados, ou em diretórios corporativos, ou em diretórios das máquinas dos usuários. Alem disso os dados são encontrados em variados formatos. Com base nessas informações a primeira etapa do projeto será mapear esses dados e entender como eles estão organizados. A partir desse mapeamento será utilizado o conceito de datalake. No conceito data lake o processo de carga poderá ser priorizado com a possibilidade de se abrir mão da estruturação dos dados, já submetendo os dados aos processos de análises, sendo essa a grande vantagem do projeto, ter-se-á uma rápida carga e mais tempo para análise. Então será criado um ambiente semântico, onde, semântica é geralmente definida como o estudo do significado das palavras, em uma visão mais ampla, porém, percebe-se que semântica é mais do que isso. Em sistemas computacionais, ela está diretamente relacionada a "o quê" os símbolos manipulados pela máquina realmente significam no mundo real, o que envolve não somente o significado dos termos, mas também o grau em que as pessoas e outros sistemas que lidam com os mesmos entendem e concordam com o significado atribuído. Para criar esse ambiente semântico será estabelecido descrições semânticas para as diferentes fontes de dados, que será feito por meio de ontologias e grafos de conhecimento, tais ontologias serão definidas por especialistas do domínio, e também aprendidas com métodos de aprendizado de máquina a partir dos dados. Com isso o sistema espera extrair conhecimento desse grande volume de dados organizado..
Situação: Em andamento; Natureza: Outra.
Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (3) / Doutorado: (3) .

Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Esteban Clua - Coordenador / Aline Paes - Integrante / Alexandre Plastino - Integrante.


Revisor de periódico


2012 - Atual
Periódico: RETEC. Revista de Tecnologias (Ourinhos)
2013 - Atual
Periódico: Journal of Information and Data Management - JIDM
2013 - Atual
Periódico: Data & Knowledge Engineering
2013 - Atual
Periódico: The Journal of Systems and Software
2013 - 2013
Periódico: Journal of Biomedical Informatics
2013 - 2013
Periódico: Journal of Grid Computing
2013 - Atual
Periódico: J ZHEJIANG U-SCI C
2014 - Atual
Periódico: Computer Journal (Print)
2014 - Atual
Periódico: Journal of the Brazilian Computer Society (Impresso)
2014 - Atual
Periódico: IEEE T SERV COMPUT
2014 - 2014
Periódico: Applied Computing and Informatics
2014 - Atual
Periódico: Journal of Supercomputing
2014 - Atual
Periódico: IEEE Transactions on Parallel and Distributed Systems (Print)
2014 - Atual
Periódico: Journal of Supercomputing
2014 - Atual
Periódico: BMC Bioinformatics
2016 - Atual
Periódico: Journal of Computational Science
2016 - 2016
Periódico: Journal of Computational Science
2018 - Atual
Periódico: JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING
2018 - Atual
Periódico: VLDB JOURNAL
2016 - Atual
Periódico: Future Generation Computer Systems-The International Journal of eScience


Revisor de projeto de fomento


2016 - Atual
Agência de fomento: Conselho Nacional de Desenvolvimento Científico e Tecnológico
2014 - 2014
Agência de fomento: Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ


Áreas de atuação


1.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação/Especialidade: Banco de Dados.
2.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação/Especialidade: Sistemas de Informação.
3.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação.


Idiomas


Inglês
Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.
Espanhol
Compreende Razoavelmente, Fala Razoavelmente, Lê Bem, Escreve Pouco.
Português
Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.


Prêmios e títulos


2018
Professor Homenageado na Turma 2017.2 de Sistemas de Informação da UFF, Universidade Federal Fluminense.
2018
Patrono da Turma 2017.2 de Sistemas de Informação da UFF, Universidade Federal Fluminense.
2018
Melhor Demonstração do 33o Simpósio Brasileiro de Banco de Dados com o artigo "VP-Viewer: keeping Track of Your Query from a Vantage Point", Sociedade Brasileira de Computação.
2018
Menção Honrosa pelo artigo "Análise Online de Dados de Proveniência e de Domínio de Aplicações Spark com SAMbA", no Simpósio Brasileiro de Banco de Dados, Sociedade Brasileira de Computação.
2017
Professor Homenageado na Turma 2016.2 de Sistemas de Informação da UFF, Universidade Federal Fluminense.
2017
Menção Honrosa pelo artigo "Análise de Dados Científicos: uma Análise Comparativa de Dados de Simulações Computacionais" no XXXII Simpósio Brasileiro de Banco de Dados, Sociedade Brasileira de Computação.
2017
Prêmio de Melhor Avaliador do XXXII Simpósio Brasileiro de Banco de Dados, Sociedade Brasileira de Computação.
2016
Best Paper Award - 6th International Provenance and Annotation Workshop (IPAW) in conjunction with The 2016 Provenance Week, Springer.
2016
Melhor artigo do X Brazilian e-Science Workshop (BreSci) para o trabalho intitulado "Verificação da Reprodução de Workflows Científicos por meio de Algoritmos de Detecção de Plágio", Sociedade Brasileira de Computação.
2016
Paraninfo da turma 2015.2 do curso de Bacharelado em Ciência da Computação, Universidade Federal Fluminense.
2016
Jovem Cientista do Nosso Estado, FAPERJ.
2016
Paraninfo da turma 2016.1 do curso de Bacharelado em Ciência da Computação, Universidade Federal Fluminense.
2015
Professor Homenageado na Turma 2014/2 de Ciência da Computação da UFF, Universidade Federal Fluminense.
2015
2o melhor artigo do XIV Workshop em Desempenho de Sistemas Computacionais e de Comunicação, Sociedade Brasileira de Computação.
2015
Melhor artigo do Latin America High Performance Computing Conference (CARLA 2015), Sociedade Brasileira de Computação.
2015
Menção Honrosa pelo artigo "Uma Abordagem para Publicação de Dados de Proveniência de Workflows Científicos na Web Semântica" no XXX Simpósio Brasileiro de Banco de Dados, Sociedade Brasileira de Computação.
2014
Professor homenageado da turma 6AINFO 2013.2 do curso técnico em informática, Centro Federal de Educação Tecnológica Celso Suckow da Fonseca.
2013
Tese de Doutorado indicada a premiação pelo PESC/COPPE/UFRJ - Concurso de Teses da CAPES, PESC/COPPE.
2012
Best Paper Award - 2nd International Workshop on Cloud Computing and Scientific Applications (CCSA) In conjunction with The 12th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing, Dell Inc..
2012
Aprovação em 1o Lugar no Concurso público para o cargo de Tecnologista Pleno 2, Laboratório Nacional de Computação Científica - LNCC.
2012
Aprovação em 1o Lugar no Concurso público para o cargo de Professor Adjunto, Universidade Federal Fluminense (UFF).
2012
Menção honrosa na XXXIV Jornada Giulio Massarani de Iniciação Científica - Orientação do aluno Pedro Henrique Cruz Caminha, Universidade Federal do Rio de Janeiro.
2011
Aprovação em concurso para professor temporário - Edital 2011/003, Centro Federal de Educação Tecnológica Celso Suckow da Fonseca (CEFET/RJ).
2010
Aprovação em concurso para professor - Edital 2010/001, Centro Federal de Educação Tecnológica Celso Suckow da Fonseca (CEFET-RJ).
2009
Bolsa de Doutorado, CAPES.
2005
Bolsa de Mestrado, CAPES.


Produções



Produção bibliográfica
Citações

Outras
Total de trabalhos:187
Total de citações:1994
Daniel de Oliveira  Data: 17/01/2019

Artigos completos publicados em periódicos

1.
OLIVEIRA, W.2018OLIVEIRA, W. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Provenance Analytics for Workflow-Based Computational Experiments. ACM COMPUTING SURVEYS, v. 51, p. 1-25, 2018.

2.
SILVA, V.2018SILVA, V. ; OLIVEIRA, D. ; VALDURIEZ, P. ; MATTOSO, M. . Dfanalyzer. Proceedings of the VLDB Endowment, v. 11, p. 2082-2085, 2018.

3.
MARINHO, ANDERSON2017MARINHO, ANDERSON ; DE OLIVEIRA, DANIEL ; OGASAWARA, EDUARDO ; SILVA, VITOR ; OCAÑA, KARY ; MURTA, LEONARDO ; BRAGANHOLO, VANESSA ; MATTOSO, MARTA . Deriving scientific workflows from algebraic experiment lines: A practical approach. Future Generation Computer Systems, v. 68, p. 111-127, 2017.

4.
SILVA, VÍTOR2017SILVA, VÍTOR ; LEITE, JOSÉ ; CAMATA, JOSÉ J. ; DE OLIVEIRA, DANIEL ; COUTINHO, ALVARO L.G.A. ; VALDURIEZ, PATRICK ; MATTOSO, MARTA . Raw data queries during data-intensive parallel workflow execution. Future Generation Computer Systems-The International Journal of eScience, p. 402-422, 2017.

5.
DE OLIVEIRA, DANIEL2017DE OLIVEIRA, DANIEL; JACOB, LIDSON ; CLUA, ESTEBAN . Oh Gosh!! Why is this game so Hard? Identifying Cycle Patterns in 2D Platform Games Using Provenance Data. Entertainment Computing, v. 19, p. 65-81, 2017.

6.
NEVES, V.2017NEVES, V. ; OCAÑA, K. ; OLIVEIRA, D. ; MURTA, L. ; BRAGANHOLO, V. . Managing Provenance of Implicit Data Flows in Scientific Experiments. ACM Transactions on Internet Technology, v. 17, p. 1-22, 2017.

7.
OLIVEIRA, W.2017OLIVEIRA, W. ; OCAÑA, K. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Querying Provenance along with Domain Data Using Prolog. Journal of Information and Data Management - JIDM, v. 8, p. 3-18, 2017.

8.
TEYLO, L.2017TEYLO, L. ; PAULA JUNIOR, U. ; FROTA, Y. ; OLIVEIRA, D. ; DRUMMOND, L. M. A. . A hybrid evolutionary algorithm for task scheduling and data assignment of data-intensive scientific workflows on clouds. Future Generation Computer Systems-The International Journal of eScience, v. 76, p. 1-17, 2017.

9.
5LIU, J.2016LIU, J. ; PACITTI, E. ; VALDURIEZ, P. ; MATTOSO, M. ; OLIVEIRA, D. . Multi-objective scheduling of Scientific Workflows in multisite clouds. Future Generation Computer Systems, v. 63, p. 76-95, 2016.

10.
3COUTINHO, RAFAELLI2016COUTINHO, RAFAELLI ; FROTA, YURI ; OCAÑA, KARY ; OLIVEIRA, DANIEL DE ; A. DRUMMOND, LÚCIA M. . A Dynamic Cloud Dimensioning Approach for Parallel Scientific Workflows: a Case Study in the Comparative Genomics Domain. Journal of Grid Computing, v. 14, p. 443-461, 2016.

11.
SILVA, VÍTOR2016SILVA, VÍTOR ; DE OLIVEIRA, DANIEL ; VALDURIEZ, PATRICK ; MATTOSO, MARTA . Analyzing related raw data files through dataflows. Concurrency and Computation, v. 28, p. 2528-2545, 2016.

12.
4COUTINHO, R.2015COUTINHO, R. ; DRUMMOND, L. M. A. ; FROTA, Y. ; OLIVEIRA, D. . Optimizing virtual machine allocation for parallel scientific workflows in federated clouds. Future Generation Computer Systems, v. 46, p. 51-68, 2015.

13.
18MATTOSO, M.2015MATTOSO, M. ; DIAS, J. ; OCAÑA, K. ; OGASAWARA, E. ; COSTA, F. ; HORTA, F. ; SILVA, V. ; DE OLIVEIRA, DANIEL . Dynamic steering of HPC scientific workflows: A survey. Future Generation Computer Systems, v. 46, p. 100-113, 2015.

14.
19OCAÑA, K.2015OCAÑA, K. ; OLIVEIRA, D. . Parallel computing in genomic research: advances and applications. Advances and Applications in Bioinformatics and Chemistry, p. 23-35, 2015.

15.
20PAES, A.2015PAES, A. ; OLIVEIRA, D. . Running Multi-relational Data Mining Processes in the Cloud: a Practical Approach for Social Networks. Communications in Computer and Information Science (Print), v. 565, p. 3-18, 2015.

16.
21QUADROS, J.2014QUADROS, J. ; OLIVEIRA, D. ; QUEIROZ, A. ; OGASAWARA, E. ; SCHOCAIR, C. . Towards a UML-based Reference Model for Blended Learning. International Journal of Recent Contributions from Engineering, Science & IT (iJES), v. 2, p. 15, 2014.

17.
22OGASAWARA, E.2013OGASAWARA, E. ; OLIVEIRA, D. ; PACHOAL, F. ; CASTANEDA, R. ; AMORIM, M. ; MAURO, R. ; SOARES, J. ; QUADROS, J. ; BEZERRA, E. . A Forecasting Method for Fertilizers Consumption in Brazil. International Journal of Agricultural and Environmental Information Systems, v. 4, p. 23-36, 2013.

18.
7OLIVEIRA, D.2013 OLIVEIRA, D.; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; GONCALVES, J. ; BAIAO, F. ; MATTOSO, M. . Performance evaluation of parallel strategies in public clouds: A study with phylogenomic workflows. Future Generation Computer Systems, v. 29, p. 1816-1825, 2013.

19.
8OCAÑA, K.2013OCAÑA, K. ; OLIVEIRA, D. ; DIAS, J. ; OGASAWARA, E. ; MATTOSO, M. . Designing a parallel cloud based comparative genomics workflow to improve phylogenetic analyses. Future Generation Computer Systems, p. 2205-2219, 2013.

20.
25GONCALVES, J.2013GONCALVES, J. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Performance Analysis of Data Filtering in Scientific Workflows. Journal of Information and Data Management - JIDM, v. 4, p. 17-26, 2013.

21.
23QUADROS, J.2013QUADROS, J. ; CASTANEDA, R. ; AMORIM, M. ; HERZOG, G. ; CARNEIRO, L. ; MENEZES, K. ; PINHEIRO, M. ; OLIVEIRA, D. ; OGASAWARA, E. . Construção de ambiente para desenvolvimento de jogos educacionais baseados em interface de gestos. Revista Brasileira de Computação Aplicada, v. 5, p. 110-119, 2013.

22.
24SALES, R.2013SALES, R. ; CLUA, E. ; PAES, A. ; OLIVEIRA, D. . Experiencing Affective Agents in Simulation Games. Revista de Informática Aplicada, v. 9, p. 54-65, 2013.

23.
9OGASAWARA, E.2013OGASAWARA, E. ; DIAS, J. ; SILVA, V. ; CHIRIGATI, F. ; DE OLIVEIRA, DANIEL ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . Chiron: a parallel engine for algebraic scientific workflows. Concurrency and Computation, v. 25, p. 2327-2341, 2013.

24.
2OLIVEIRA, D.2012 OLIVEIRA, D.; OGASAWARA, E. ; OCAÑA, K. ; BAIAO, F. ; MATTOSO, M. . An Adaptive Parallel Execution Strategy for Cloud-based Scientific Workflows. Concurrency and Computation, v. 24, p. 1531-1550, 2012.

25.
13GUERRA, G.2012GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; OLIVEIRA, D. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. ; COUTINHO, A. . Uncertainty Quantification in Computational Predictive Models for Fluid Dynamics Using Workflow Management Engine. International Journal for Uncertainty Quantification, v. 2, p. 53-71, 2012.

26.
12OLIVEIRA, D.2012OLIVEIRA, D.; OGASAWARA, E. ; DIAS, J. ; BAIAO, F. ; MATTOSO, M. . Ontology-based Semi-automatic Workflow Composition. Journal of Information and Data Management - JIDM, v. 3, p. 61-72, 2012.

27.
1OLIVEIRA, D.2012 OLIVEIRA, D.; OCAÑA, K. ; BAIAO, F. ; MATTOSO, M. . A Provenance-based Adaptive Scheduling Heuristic for Parallel Scientific Workflows in Clouds. Journal of Grid Computing, v. 10, p. 521-552, 2012.

28.
16SILVA, V.2011SILVA, V. ; CHIRIGATI, F. ; MAIA, K. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; MURTA, L. ; MATTOSO, M. . Similarity-based Workflow Clustering. Journal of Computational Interdisciplinary Sciences, v. 2, p. 23-35, 2011.

29.
15PAULINO, C.2011PAULINO, C. ; OLIVEIRA, D. ; CRUZ, S. M. S. ; CAMPOS, M. L. M. ; MATTOSO, M. . Capturing Distributed Provenance Metadata from Cloud-Based Scientific Workflows. Journal of Information and Data Management - JIDM, v. 2, p. 43-50, 2011.

30.
10COUTINHO, F.2011COUTINHO, F. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; LIMA, A. A. B. ; DAVILA, A. M. R. ; MATTOSO, M. . Many Task Computing for Orthologous Genes Identification in Protozoan Genomes Using Hydra. Concurrency and Computation, v. 1, p. 1-16, 2011.

31.
14OGASAWARA, E.2011OGASAWARA, E. ; DIAS, J. ; OLIVEIRA, D. ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . An Algebraic Approach for Data-Centric Scientific Workflows. Proceedings of the VLDB Endowment, v. 4, p. 1328-13369, 2011.

32.
11MATTOSO, M.2010MATTOSO, M. ; WERNER, C. ; TRAVASSOS, G.H. ; BRAGANHOLO, V. ; OGASAWARA, E. ; OLIVEIRA, D. ; CRUZ, S. M. S. ; MARTINHO, W. ; MURTA, L. . Towards supporting the life cycle of large scale scientific experiments. International Journal of Business Process Integration and Management (Print), v. 5, p. 79-92, 2010.

33.
17OLIVEIRA, D.2010OLIVEIRA, D.; OGASAWARA, E. . Is Cloud Computing the Solution for Brazilian Researchers?. International Journal of Computer Applications, v. 6, p. 19-23, 2010.

Livros publicados/organizados ou edições
1.
HARA, C. (Org.) ; LOSCIO, B. F. (Org.) ; OLIVEIRA, D. (Org.) ; DORNELES, C. F. (Org.) ; VIDAL, V. M. P. (Org.) ; BAIAO, F. (Org.) ; MORO, M. M. (Org.) ; OCAÑA, K. (Org.) ; RAZENTE, H. L. (Org.) ; BARIONI, M. C. N. (Org.) . Proceedings of the Satellite Events of the 32nd Brazilian Symposium on Databases. 1. ed. Porto Alegre: Sociedade Brasileira de Computação - SBC, 2017. v. 1. 342p .

Capítulos de livros publicados
1.
COUTINHO, RAFAELLI ; FROTA, YURI ; OCAÑA, KARY ; DE OLIVEIRA, DANIEL ; Drummond, Lúcia M. A. . Mirror Mirror on the Wall, How Do I Dimension My Cloud After All?. In: Nikos Antonopoulos (Editor); Lee Gillam (Editor). (Org.). Computer Communications and Networks. 2ed.Springer: Springer International Publishing, 2017, v. , p. 27-58.

2.
de Oliveira, Ary H. M. ; DE OLIVEIRA, DANIEL ; MATTOSO, MARTA . Clouds and Reproducibility: A Way to Go to Scientific Experiments?. In: Nikos Antonopoulos (Editor); Lee Gillam (Editor). (Org.). Computer Communications and Networks. 2ed.Springer: Springer International Publishing, 2017, v. , p. 127-151.

3.
MATTOSO, M. ; OLIVEIRA, D. . Monitoramento e adaptação de transformações em dados científicos ao longo de execuções paralelas em ambientes de processamento de alto desempenho. In: Ana Carolina Salgado;Cláudia Lage Rebello da Motta; Flávia Maria Santoro. (Org.). Grandes Desafios da Computação no Brasil - Relatos do 3o Seminário. 1ed.Porto Alegre, RS: Sociedade Brasileira de Computação, 2015, v. , p. 278-292.

4.
OLIVEIRA, D.; BAIAO, F. ; MATTOSO, M. . Towards a Taxonomy for Cloud Computing from an e-Science Perspective. In: Nikolaos Antonopoulos; Lee Gillam. (Org.). Cloud Computing: Principles, Systems and Applications. 1ed.Heidelberg: Springer-Verlag, 2010, v. 0, p. 47-62.

Textos em jornais de notícias/revistas
1.
OLIVEIRA, D.; BAIAO, F. ; MATTOSO, M. . Migração de Experimentos Científicos para a Nuvem. SBC Horizontes, http://portal.sbc.org.br/horiz, p. 24 - 28, 01 maio 2011.

2.
OLIVEIRA, D.; BAIAO, F. ; MATTOSO, M. . Migrating Scientific Experiments to the Cloud. HPC in the Cloud, Estados Unidos, 04 mar. 2011.

Trabalhos completos publicados em anais de congressos
1.
GRACIOLI NETO, C. ; ANDERLIN NETO, A. ; KALINOWSKI, M. ; OLIVEIRA, D. ; WINKLER, D. ; BIFFL, S. . Supporting Software Model Inspections with Expected Model Elements and Model Scoping: Results of a Controlled Experiment. In: 21st International Conference on Enterprise Information Systems, 2019, Heraklion, Grécia. Proceedings of the 21st International Conference on Enterprise Information Systems, 2019.

2.
LOURENCO, VITOR ; MANN, PAULO ; GUIMARAES, ARTUR ; PAES, ALINE ; DE OLIVEIRA, DANIEL . Towards Safer (Smart) Cities: Discovering Urban Crime Patterns Using Logic-based Relational Machine Learning. In: 2018 International Joint Conference on Neural Networks (IJCNN), 2018, Rio de Janeiro. 2018 International Joint Conference on Neural Networks (IJCNN), 2018. p. 1.

3.
NARDI, L. ; OLIVEIRA, D. ; TREVISAN, D. G. . A Provenance-based Approach to Support Cognitive Training of the Elderly Using Serious Games. In: Simpósio Brasileiro de Computação Aplicada à Saúde (CSBC 2018 - 18º SBCAS), 2018, Natal, RN. Anais do Simpósio Brasileiro de Computação Aplicada à Saúde (CSBC 2018 - 18º SBCAS). Porto Alegre: Sociedade Brasileira de Computação, 2018.

4.
SANTOS, W. ; OLIVEIRA, D. . Um Ambiente de Apoio à Decisão baseado em Data Warehouse para a área de Segurança Pública do Estado do Rio de Janeiro. In: 1º Workshop Brasileiro de Cidades Inteligentes (WBCI), 2018, Natal, RN. Anais do 1º Workshop Brasileiro de Cidades Inteligentes (WBCI), 2018.

5.
OLIMPIO, V. ; NASCIMENTO, A. L. C. ; PAES, A. ; OLIVEIRA, D. . WorkflowSim4RL: Aprendizado por Reforço Aplicado a Escalonamento de Workflows Científicos em Nuvens. In: 17º Workshop em Desempenho de Sistemas Computacionais e de Comunicação (WPerformance), 2018, Natal, RN. Anais do 17º Workshop em Desempenho de Sistemas Computacionais e de Comunicação (WPerformance). Porto Alegre: Sociedade Brasileira de Computação, 2018.

6.
BERTELLI, L. ; OLIVEIRA, M. ; FERREIRA, N. ; NAVIA, C. ; OLIVEIRA, D. . Modelagem de um Data Mart para Leituras do Fluxo de Múons Captadas pelos Telescópios New-Tupi. In: 12º BreSci - Brazilian e-Science Workshop, 2018, Natal, RN. Anais do 12º BreSci - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2018.

7.
TITO, L. ; OCAÑA, K. ; OLIVEIRA, D. . Enriquecimento de Dados de Proveniência de Análises Filogenéticas com Dados do NCBI: uma Abordagem Prática. In: 12º BreSci - Brazilian e-Science Workshop, 2018, Natal, RN. Anais do 12º BreSci - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2018.

8.
TEIXEIRA, M. ; OLIVEIRA, D. . Uma Abordagem para Identificação de Padrões de Ocorrência de Eventos Solares Transientes Baseada no Fluxo de Múons. In: 12º BreSci - Brazilian e-Science Workshop, 2018, Natal, RN. Anais do 12º BreSci - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2018.

9.
LAIGNER, R. ; KALINOWSKI, M. ; LIFSCHITZ, S. ; MONTEIRO, R. S. ; OLIVEIRA, D. . A Systematic Mapping of Software Engineering Approaches to Develop Big Data Systems. In: Euromicro Conference on Software Engineering and Advanced Applications (SEAA 2018), 2018, Prague, Czech Republic. Proceedings of the Euromicro Conference on Software Engineering and Advanced Applications (SEAA 2018), 2018.

10.
SILVA, V. ; SOUZA, R. S. ; CAMATA, J. ; OLIVEIRA, D. ; VALDURIEZ, P. ; COUTINHO, A. ; MATTOSO, M. . Capturing Provenance for Runtime Data Analysis in Computational Science and Engineering Applications. In: 7th International Provenance and Annotation Workshop (IPAW), 2018, Londres, UK. Proceedings of the 7th International Provenance and Annotation Workshop (IPAW), 2018.

11.
JASBICK, D. ; GUEDES, T. ; OLIVEIRA, R. ; SANTOS, L. F. D. ; OLIVEIRA, D. ; BEDO, M. V. N. . VP-Viewer: Keeping track of your query from a vantage point. In: Sessão de Demonstrações e Aplicações do XXXIII Simpósio Brasileiro de Banco de Dados, 2018, Rio de Janeiro, RJ. Anais da Sessão de Demonstrações e Aplicações do XXXIII Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2018.

12.
GUEDES, T. ; SILVA, V. ; BEDO, M. V. N. ; MATTOSO, M. ; OLIVEIRA, D. . Análise Online de Dados de Proveniência e de Domínio de Aplicações Spark com SAMbA. In: Sessão de Demonstrações e Aplicações do XXXIII Simpósio Brasileiro de Banco de Dados, 2018, Rio de Janeiro. Anais da Sessão de Demonstrações e Aplicações do XXXIII Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2018.

13.
SILVA JUNIOR, L. P. ; PAES, A. ; PACITTI, E. ; OLIVEIRA, D. . FReeP: towards parameter recommendation in scientific workflows using preference learning. In: XXXIII Simpósio Brasileiro de Banco de Dados, 2018, Rio de Janeiro. Anais do XXXIII Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2018.

14.
VALDURIEZ, P. ; MATTOSO, M. ; AKBARINIA, R. ; BORGES, H. ; CAMATA, J. ; COUTINHO, A. ; GASPAR, D. ; LEMUS, N. ; LIU, J. ; LUSTOSA, H. ; MASSEGLIA, F. ; NOGUEIRA, F. ; SILVA, V. ; SOUZA, R. S. ; OCAÑA, K. ; OGASAWARA, E. ; OLIVEIRA, D. ; PACITTI, E. ; PORTO, F. ; SHASHA, D. . Scientific Data Analysis Using Data-Intensive Scalable Computing: the SciDISC Project. In: 1st LADaS - Latin American Data Science Workshop, 2018, Rio de Janeiro. Proceedings of the 1st LADaS - Latin American Data Science Workshop (in conjunction with VLDB'18), 2018.

15.
SANTOS, LUCIO F. D. ; BLANCO, GUSTAVO ; OLIVEIRA, DANIEL DE ; TRAINA, AGMA J. M. ; TRAINA JR., CAETANO ; BEDO, MARCOS V. N. . Exploring Diversified Similarity with Kundaha. In: the 27th ACM International Conference, 2018, Torino. Proceedings of the 27th ACM International Conference on Information and Knowledge Management - CIKM '18. New York: ACM Press, 2018. p. 1903.

16.
VALERIANO, K. ; PAES, A. ; OLIVEIRA, D. . Análise da Evolução dos Discursos de Pré-candidatos à Presidente por meio de Representações Linguísticas Vetoriais. In: Symposium on Knowledge Discovery, Mining and Learning (KDMiLe), 2018, São Paulo. Proceedings of the Symposium on Knowledge Discovery, Mining and Learning (KDMiLe), 2018.

17.
GUEDES, T. ; SILVA, V. ; MATTOSO, M. ; BEDO, M. V. N. ; OLIVEIRA, D. . A Practical Roadmap for Provenance Capture and Data Analysis in Spark-based Scientific Workflows. In: Workflows in Support of Large-Scale Science Workshop (WORKS), in conjunction with IEEE/ACM SuperComputing, 2018, Dallas, EUA. Proceedings of the Workflows in Support of Large-Scale Science Workshop (WORKS 2018), 2018.

18.
TITO, LUCAS ; ESTEBANEZ, ALEXANDRE ; MAGALHÃES, ANDRÉA ; DE OLIVEIRA, DANIEL ; KALINOWSKI, MARCOS . A Systematic Mapping of Software Requirements Negotiation Techniques. In: 19th International Conference on Enterprise Information Systems, 2017, Porto. Proceedings of the 19th International Conference on Enterprise Information Systems, 2017. p. 518.

19.
ROMEIRO, A. C. ; KALINOWSKI, M. ; OLIVEIRA, D. . SciAgile: Applying Agile Methodologies in Scientific Simulation-based Experiments. In: IberoAmerican Software Engineering Conference - Experimental Software Engineering Track (ESELAW), 2017, Buenos Aires, Argentina. Proceedings of the IberoAmerican Software Engineering Conference - Experimental Software Engineering Track (ESELAW), 2017.

20.
GUEDES, T. ; OCAÑA, K. ; OLIVEIRA, D. . SciPhyloMiner: um Workflow para Mineração de Dados Filogenômicos de Protozários. In: Brazilian e-Science Workshop (E-SCIENCE), 2017, São Paulo, SP. Anais do XI Brazilian e-Science Workshop (BRESCI). Porto Alegre: Sociedade Brasileira de Computação, 2017.

21.
NOGUEIRA, F. ; OCAÑA, K. ; SILVA, V. ; BRAGANHOLO, V. ; OLIVEIRA, D. . Uma Estratégia para Versionamento dos Dados de Workflows Científicos Executados em Nuvem. In: Brazilian e-Science Workshop (E-SCIENCE), 2017, São Paulo, SP. Anais do XI Brazilian e-Science Workshop (BRESCI). Porto Alegre: Sociedade Brasileira de Computação, 2017.

22.
PINA, D. ; CAMPOS, V. ; SILVA, V. ; OCAÑA, K. ; OLIVEIRA, D. ; MATTOSO, M. . BioSciCumulus: um portal para análise de dados de proveniência em workflows de biologia computacional. In: Brazilian e-Science Workshop (E-SCIENCE), 2017, São Paulo, SP. Anais do XI Brazilian e-Science Workshop (BRESCI). Porto Alegre: Sociedade Brasileira de Computação, 2017.

23.
SILVA JUNIOR, L. P. ; PAES, A. ; OLIVEIRA, D. . Predição de Falhas em Workflows Científicos em Nuvens baseada em Aprendizado de Máquina. In: Brazilian e-Science Workshop (E-SCIENCE), 2017, São Paulo, SP. Anais do XI Brazilian e-Science Workshop (BRESCI). Porto Alegre: Sociedade Brasileira de Computação, 2017.

24.
RODRIGUES, I. B. ; OLIVEIRA, D. . Uma Abordagem Hierárquica para Escalonamento de Workflows Científicos Executados em Nuvens. In: Workshop em Desempenho de Sistemas Computacionais e de Comunicação, 2017, São Paulo, SP. Anais do XVI Workshop em Desempenho de Sistemas Computacionais e de Comunicação. Porto Alegre, RS: Sociedade Brasileira de Computação, 2017.

25.
JESUS, L. A. ; DRUMMOND, L. M. A. ; OLIVEIRA, D. . Eeny Meeny Miny Moe: choosing the fault tolerance technique for my cloud workflow. In: Latin American High Performance Computing Conference (CARLA 2017), 2017, Buenos Aires, Argentina. Proceedings of the Latin American High Performance Computing Conference (CARLA 2017), 2017.

26.
GUEDES, T. ; SILVA, VÍTOR ; CAMATA, J. ; MATTOSO, M. ; OLIVEIRA, D. . Análise de Dados Científicos: uma Análise Comparativa de Dados de Simulações Computacionais. In: XXXII Simpósio Brasileiro de Banco de Dados (SBBD 2017), 2017, Uberlândia, Minas Gerais. Anais do XXXII Simpósio Brasileiro de Banco de Dados (SBBD 2017). Porto Alegre: Sociedade Brasileira de Computação, 2017.

27.
ROSSETI, ISABEL ; OCAÑA, KARY ; DE OLIVEIRA, DANIEL . Towards preserving results confidentiality in cloud-based scientific workflows. In: the 12th Workshop, 2017, Denver. Proceedings of the 12th Workshop on Workflows in Support of Large-Scale Science - WORKS '17. New York: ACM Press, 2017. p. 1.

28.
RAMOS, L. S. ; OCAÑA, K. ; OLIVEIRA, D. . Um Sistema de Informação para Gerência de Projetos Científicos baseados em Simulações Computacionais. In: Simpósio Brasileiro de Sistemas de Informação - SBSI 2016, 2016, Florianópolis. Anais do Simpósio Brasileiro de Sistemas de Informação - SBSI 2016. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 216-223.

29.
LOURENCO, V. N. ; MANN, P. ; PAES, A. ; OLIVEIRA, D. . SiAPP: Um Sistema para Análise de Ocorrências de Crimes Baseado em Aprendizado Lógico-Relacional. In: Simpósio Brasileiro de Sistemas de Informação - SBSI 2016, 2016, Florianópolis. Anais do Simpósio Brasileiro de Sistemas de Informação - SBSI 2016. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 168-175.

30.
OLIVEIRA, W. ; MISSIER, P. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Analyzing Provenance across Heterogeneous Provenance Graphs. In: International Provenance and Annotation Workshop (IPAW), 2016, Washington D.C. Proceedings of the 6th International Provenance & Annotation Workshop (IPAW '16), 2016. p. 57-70.

31.
OLIVEIRA, W. ; MISSIER, P. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Comparing Provenance Data Models for Scientific Workflows: an Analysis of PROV-Wf and ProvOne. In: Brazilian e-Science Workshop (E-SCIENCE), 2016, Porto Alegre, RS. Anais do X Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 1-8.

32.
SILVA, F. T. S. ; OLIVEIRA, D. . Verificação da Reprodução de Workflows Científicos por meio de Algoritmos de Detecção de Plágio. In: Brazilian e-Science Workshop (E-SCIENCE), 2016, Porto Alegre, RS. Anais do X Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 1-8.

33.
JESUS, L. A. ; OLIVEIRA, D. ; DRUMMOND, L. M. A. . Uma Abordagem Baseada em Checkpoints para Tolerância a Falhas em Workflows Científicos Executados em Nuvens. In: II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016, Rio de Janeiro. Anais da II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016. p. 1-6.

34.
TEYLO, L. ; PAULA JUNIOR, U. ; FROTA, Y. ; OLIVEIRA, D. ; DRUMMOND, L. M. A. . Um Algoritmo Evolutivo Híbrido para o Escalonamento de Workflows Científicos em Ambientes de Nuvem. In: II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016, Rio de Janeiro. Anais da II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016. p. 1-6.

35.
LIU, J. ; PACITTI, E. ; VALDURIEZ, P. ; OLIVEIRA, D. ; MATTOSO, M. . Ordonnancement multi-objectif de workflows scientifiques dans le cloud multi-site. In: 32ème Conférence sur la Gestion de Données - Principes, Technologies et Applications, 2016, Poitiers, França. Actes de la 32ème Conférence sur la Gestion de Données - Principes, Technologies et Applications, 2016. p. 1-8.

36.
TALLARIDA, G. ; OCAÑA, K. ; PAES, A. ; BRAGANHOLO, V. ; OLIVEIRA, D. . Gerência de Incerteza em Bancos de Dados de Proveniência em Bioinformática. In: XXXI Simpósio Brasileiro de Banco de Dados, 2016, Salvador, Bahia. Anais do XXXI Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 1-6.

37.
JESUS, L. A. ; OLIVEIRA, D. ; DRUMMOND, L. M. A. . Tolerância a Falhas de Workflows Científicos Executados em Nuvens Usando Checkpoints. In: Simpósio em Sistemas Computacionais (WSCAD-SSC), 2016, Aracaju, SE. Anais do XVII Simpósio em Sistemas Computacionais de Alto Desempenho, 2016. p. 1-12.

38.
CAMATA, J. ; CELA, J. M. ; COSTA, D. ; COUTINHO, A. ; FERNANDEZ-GALISTEO, D. ; JIMENEZ, C. ; KOURDIOUMOV, V. ; MATTOSO, M. ; MAYO-GARCIA, R. ; MIRAS, T. ; MORINIGO, J. A. ; NAVARRO, J. ; NAVAUX, P. O. ; OLIVEIRA, D. ; RODRIGUEZ-PASCUAL, M. ; SILVA, V. ; SOUZA, R. S. ; VALDURIEZ, P. . Enhancing Energy Production with Exascale HPC Methods. In: Latin American High Performance Computing Conference (CARLA 2016), 2016, Mexico City, Mexico. Proceedings of the Latin American High Performance Computing Conference, 2016. p. 1-14.

39.
SILVA, V. ; NEVES, L. ; SOUZA, R. S. ; COUTINHO, A. ; OLIVEIRA, D. ; MATTOSO, M. . Integrating domain-data steering with code-profiling tools to debug data-intensive workflows. In: Workshop on Workflows in Support of Large-Scale Science (Works 2016), 2016, Salt Lake City, Utah. Proceedings of the Workshop on Workflows in Support of Large-Scale Science (Works 2016), 2016. p. 1-5.

40.
CAMATA, J. ; CELA, J. M. ; COSTA, D. ; COUTINHO, A. ; FERNANDEZ-GALISTEO, D. ; JIMENEZ, C. ; KOURDIOUMOV, V. ; MATTOSO, M. ; MAYO-GARCIA, R. ; MIRAS, T. ; MORINIGO, J. A. ; NAVARRO, J. ; OLIVEIRA, D. ; RODRIGUEZ-PASCUAL, M. ; SILVA, V. ; SOUZA, R. S. ; VALDURIEZ, P. . Applying future Exascale HPC methodologies in the energy sector. In: Russian Supercomputing Days 2016, 2016, Rússia. Proceedings of the Russian Supercomputing Days 2016, 2016. p. 9-19.

41.
PAULA JUNIOR, U. ; DRUMMOND, L. M. A. ; DE OLIVEIRA, DANIEL ; FROTA, Y. ; BARBOSA, V. C. . Handling flash-crowd events to improve the performance of web applications. In: the 30th Annual ACM Symposium, 2015, Salamanca. Proceedings of the 30th Annual ACM Symposium on Applied Computing - SAC '15. p. 769.

42.
OCAÑA, K. ; SILVA, V. ; OLIVEIRA, DANIEL DE ; MATTOSO, M. . Data Analytics in Bioinformatics: Data Science in Practice for Genomics Analysis Workflows. In: 2015 IEEE 11th International Conference on eScience (eScience), 2015, Munich. 2015 IEEE 11th International Conference on e-Science. p. 322.

43.
SOUZA, R. S. ; SILVA, V. ; NEVES, L. ; OLIVEIRA, D. ; MATTOSO, M. . Monitoramento de Desempenho usando Dados de Proveniência e de Domínio durante a Execução de Aplicações Científicas. In: XIV Workshop em Desempenho de Sistemas Computacionais e de Comunicação, 2015, Recife, PE. Anais do XIV Workshop em Desempenho de Sistemas Computacionais e de Comunicação. Porto Alegre, RS: Sociedade Brasileira de Computação, 2015.

44.
OLIVEIRA, D.; SILVA, V. ; MATTOSO, M. . How much domain data should be in provenance databases?. In: 7th International Workshop on Theory and Practice of Provenance, 2015, Edinburgh, Scotland. Proceedings of the 7th International Workshop on Theory and Practice of Provenance, 2015.

45.
CAMARA, R. V. ; PAES, A. ; OLIVEIRA, D. . Aplicação de Árvores de Decisão para Recomendação de Parâmetros em Workflows Científicos. In: Brazilian e-Science Workshop (E-SCIENCE), 2015, Recife, Pernambuco. Anais do IX BRESCI - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2015. p. 1-8.

46.
ROMEIRO, A. C. ; OLIVEIRA, D. . Um Mapeamento Sistemático Sobre o Uso de Metodologias Ágeis no Processo de Experimentação Científica. In: Brazilian e-Science Workshop (E-SCIENCE), 2015, Recife, Pernambuco. Anais do IX BRESCI - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2015.

47.
CASTRO, R. ; SOUZA, R. S. ; SILVA, V. ; OCAÑA, K. ; OLIVEIRA, D. ; MATTOSO, M. . Uma Abordagem para Publicação de Dados de Proveniência de Workflows Científicos na Web Semântica. In: XXX Simpósio Brasileiro de Banco de Dados, 2015, Petrópolis, RJ. Anais do XXX Simpósio Brasileiro de Banco de Dados, 2015.

48.
OLIVEIRA, A. H. M. ; OLIVEIRA, D. ; MATTOSO, M. . Reprodução de Experimentos Científicos: Teoria e Prática. In: XXX Simpósio Brasileiro de Bancos de Dados, 2015, Petrópolis, Rio de Janeiro. Anais do XXX Simpósio Brasileiro de Bancos de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2015.

49.
SALES, R. ; CLUA, E. ; OLIVEIRA, DANIEL DE ; PAES, A. ; CHAIMOWICZ, L. ; NUNES, M. . Evaluation between humans and affective NPC in digital gaming scenario. In: 2014 IEEE 3rd International Conference on Serious Games and Applications for Health (SeGAH), 2014, Rio de Janeiro. 2014 IEEE 3nd International Conference on Serious Games and Applications for Health (SeGAH). p. 1-8.

50.
OCAÑA, K. ; BAREIRO, S. B. ; OLIVEIRA, DANIEL DE ; DIAS, J. ; MATTOSO, M. . Exploring Large Scale Receptor-Ligand Pairs in Molecular Docking Workflows in HPC Clouds. In: 2014 IEEE International Parallel & Distributed Processing Symposium Workshops (IPDPSW), 2014, Phoenix. 2014 IEEE International Parallel & Distributed Processing Symposium Workshops. p. 536.

51.
COSTA, F. ; SILVA, V. ; OLIVEIRA, D. ; OCAÑA, K. ; MATTOSO, M. . Towards Supporting Provenance Gathering and Querying in Different Database Approaches. In: 5th International Provenance and Annotation Workshop (IPAW), 2014, Cologne. Proc. of the 5th Intl. Provenance and Annotation Workshop, 2014.

52.
ALMEIDA, M. ; PAES, A. ; OLIVEIRA, D. . Uma Ferramenta para Mineração Multi-relacional de Redes Sociais Baseada em Programação Lógica e Workflows. In: III Brazilian Workshop on Social Network Analysis and Mining (BraSNAM 2014), 2014, Brasília, DF. Anais do III Brazilian Workshop on Social Network Analysis and Mining (BraSNAM 2014). Porto Alegre: Sociedade Brasileira de Computação, 2014.

53.
MATTOSO, M. ; DIAS, J. ; COSTA, F. ; OLIVEIRA, D. ; OGASAWARA, E. . Experiences in using provenance to optimize the parallel execution of scientific workflows steered by users. In: Workshop of Provenance Analytics, 2014, Cologne. Proceedings of the First Provenance Analytics Workshop, 2014.

54.
COUTINHO, R. ; DRUMMOND, L. M. A. ; FROTA, Y. ; DE OLIVEIRA, DANIEL ; OCAÑA, K. . Evaluating Grasp-based cloud dimensioning for comparative genomics: A practical approach. In: 2014 IEEE International Conference On Cluster Computing (CLUSTER), 2014, Madrid. 2014 IEEE International Conference on Cluster Computing (CLUSTER). p. 371.

55.
OLIVEIRA, W. ; NEVES, V. ; OCAÑA, K. ; MURTA, L. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Captura e Consulta a Dados de Proveniência Retrospectiva Implícita Intra-Atividade. In: XXIX Simpósio Brasileiro de Banco de Dados, 2014, Curitiba, PR. Anais do XXIX Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2014.

56.
OLIVEIRA, D.; COSTA, F. ; SILVA, V. ; OCAÑA, K. ; MATTOSO, M. . Debugging Scientific Workflows with Provenance: Achievements and Lessons Learned. In: XXIX Simpósio Brasileiro de Banco de Dados, 2014, Curitiba, PR. Anais do XXIX Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2014.

57.
SILVA, V. ; OLIVEIRA, D. ; MATTOSO, M. . SciCumulus 2.0: Um Sistema de Gerência de Workflows Científicos para Nuvens Orientado a Fluxo de Dados. In: Sessão de Demos do XXIX Simpósio Brasileiro de Banco de Dados, 2014, Curitiba, PR. Anais da Sessão de Demos do XXIX Simpósio Brasileiro de Banco de Dados, 2014.

58.
COSTA, F. ; OLIVEIRA, DANIEL DE ; MATTOSO, M. . Towards an Adaptive and Distributed Architecture for Managing Workflow Provenance Data. In: 2014 IEEE 10th International Conference on eScience (eScience), 2014, Sao Paulo. 2014 IEEE 10th International Conference on e-Science. p. 79.

59.
FERREIRA, G. R. ; FILIPE JR, C. ; OLIVEIRA, D. . Uso de SGBDs NoSQL na Gerência da Proveniência Distribuída em Workflows Científicos. In: XXIX Simpósio Brasileiro de Banco de Dados, 2014, Curitiba, PR. Anais do XXIX Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2014.

60.
MIRANDA, G. ; SOUZA, J. A. ; BRAGANHOLO, V. ; OLIVEIRA, D. . CollabCumulus: Uma Ferramenta de Apoio à Análise Colaborativa de Proveniência em Workflows Científicos. In: XI Simpósio Brasileiro de Sistemas Colaborativos (SBSC 2014), 2014, Curitiba, PR. Anais do XI Simpósio Brasileiro de Sistemas Colaborativos (SBSC 2014). New York: ACM Press, 2014.

61.
JACOB, L. B. ; KOHWALTER, T. ; MACHADO, A. ; CLUA, E. ; OLIVEIRA, DANIEL DE . A Non-intrusive Approach for 2D Platform Game Design Analysis Based on Provenance Data Extracted from Game Streaming. In: 2014 Brazilian Symposium on Computer Games and Digital Entertainment (SBGAMES), 2014, Porto Alegre. 2014 Brazilian Symposium on Computer Games and Digital Entertainment. p. 41.

62.
MATTOSO, M. ; OLIVEIRA, D. . Monitoramento e adaptação de transformações em dados científicos ao longo de execuções paralelas em ambientes de processamento de alto desempenho. In: 3º Seminário dos Grandes Desafios em Computação, 2014, Rio de Janeiro, RJ. Anais do 3º Seminário dos Grandes Desafios em Computação, 2014.

63.
OCAÑA, K. ; OLIVEIRA, D. ; SILVA, V. ; BAREIRO, S. B. ; MATTOSO, M. . Exploiting the Parallel Execution of Homology Workflow Variants in HPC Compute Clouds. In: 4th International Workshop on Cloud Computing and Scientific Applications (CCSA 2014), 2014, Paris. Proc. of the 4th International Workshop on Cloud Computing and Scientific Applications (CCSA 2014), 2014.

64.
SILVA, V. ; OLIVEIRA, DANIEL DE ; MATTOSO, M. . Exploratory Analysis of Raw Data Files through Dataflows. In: 2014 International Symposium on Computer Architecture and High Performance Computing Workshop (SBACPADW), 2014, Paris. 2014 International Symposium on Computer Architecture and High Performance Computing Workshop. p. 114.

65.
GONCALVES, G. A. ; BASTOS, P. H. O. ; OLIVEIRA, D. . O uso de WebSockets no Desenvolvimento de Sistemas Baseados em uma Arquitetura Front-end com API. In: I Escola Regional de Sistemas de Informação ? RJ (ERSI-RJ 2014), 2014, Niterói, RJ. Anais da I Escola Regional de Sistemas de Informação ? RJ (ERSI-RJ 2014), 2014.

66.
SILVA, V. ; DIAS, J. ; OLIVEIRA, D. ; OGASAWARA, E. ; MATTOSO, M. . Uma Arquitetura P2P de Distribuição de Atividades para Execução Paralela de Workflows Científicos. In: VII Brazilian e-Science Workshop, 2013, Maceió, AL. Anais do VII Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2013. p. 1795-1802.

67.
ARAUJO, I. ; DIAS, J. ; OLIVEIRA, D. ; OGASAWARA, E. ; MATTOSO, M. . DynAdapt: Alterações na Definição de Atividades de Workflows Científicos em Tempo de Execução. In: VII Brazilian e-Science Workshop, 2013, Maceió, AL. Anais do VII Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2013. p. 1831-1838.

68.
SALES, R. ; CLUA, E. ; OLIVEIRA, D. ; PAES, A. . An Artificial Emotional Agent-based Architecture for Games Simulation. In: 12th International Conference on Entertainment Computing, 2013, São Paulo. Entertainment Computing ? ICEC 2013 - Lecture Notes in Computer Science. Heidelberg: Springer Berlin Heidelberg, 2013. v. 8215. p. 156-159.

69.
QUADROS, J. ; OLIVEIRA, D. ; QUEIROZ, A. ; OGASAWARA, E. . Towards a Reference Model for ODL: a Case Study in the Tourism Undergraduate Course. In: International Conference on Interactive Computer aided Blended Learning (ICBL 2013), 2013, Florianópolis, SC. Proceedings of the International Conference on Interactive Computer aided Blended Learning (ICBL 2013). Kassel: Kassel University Press, 2013. p. 151-158.

70.
DIAS, J. ; OGASAWARA, E. ; DE OLIVEIRA, DANIEL ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . Algebraic dataflows for big data analysis. In: 2013 IEEE International Conference on Big Data, 2013, Silicon Valley. 2013 IEEE International Conference on Big Data. p. 150-155.

71.
SANTOS, E. ; ASSIS, V. ; COSTA, F. ; OLIVEIRA, D. ; MATTOSO, M. . Distribuição de Bases de Dados de Proveniência na Nuvem. In: XXVIII Simpósio Brasileiro de Banco de Dados, 2013, Recife. Anais do XXVIII Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2013. p. 1-6.

72.
SALES, R. ; CLUA, E. ; OLIVEIRA, D. ; PAES, A. . An Architecture Coupled with a Provenance Model for Affective Simulations in Games Based on Real World. In: XII Simpósio Brasileiro de Games e Entretenimento Digital, 2013, São Paulo. Anais do XII Simpósio Brasileiro de Games e Entretenimento Digital, 2013. p. 25-34.

73.
SALES, R. ; CLUA, E. ; OLIVEIRA, D. ; PAES, A. . An Experimental Analysis of NPC as Affective Agents in Real World-based Games. In: XII Simpósio Brasileiro de Games e Entretenimento Digital, 2013, São Paulo. Anais do XII Simpósio Brasileiro de Games e Entretenimento Digital, 2013. p. 174-183.

74.
ARAUJO, I. ; DIAS, J. ; OLIVEIRA, DANIEL DE ; OGASAWARA, E. ; OCAÑA, K. ; MATTOSO, M. . Runtime Dynamic Structural Changes of Scientific Workflows in Clouds. In: 2013 IEEE/ACM 6th International Conference on Utility and Cloud Computing (UCC), 2013, Dresden. 2013 IEEE/ACM 6th International Conference on Utility and Cloud Computing. p. 417-422.

75.
PINTAS, J. ; DE OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; MATTOSO, M. . SciLightning: a Cloud Provenance-based Event Notification for Parallel Workflows. In: 3rd International Workshop on Cloud Computing and Scientific Applications (CCSA), 2013, Berlim. Service-Oriented Computing - ICSOC 2013 Workshops, 2013. p. 1-6.

76.
DE OLIVEIRA, DANIEL; VIANA, V. ; OGASAWARA, E. ; OCAÑA, K. ; MATTOSO, M. . Dimensioning the virtual cluster for parallel scientific workflows in clouds. In: the 4th ACM workshop, 2013, New York. Proceedings of the 4th ACM workshop on Scientific cloud computing - Science Cloud '13. p. 5-12.

77.
MATTOSO, M. ; OCAÑA, K. ; HORTA, F. ; DIAS, J. ; OGASAWARA, E. ; SILVA, V. ; DE OLIVEIRA, DANIEL ; COSTA, F. ; ARAUJO, I. . User-steering of HPC workflows. In: the 2nd ACM SIGMOD Workshop, 2013, New York. Proceedings of the 2nd ACM SIGMOD Workshop on Scalable Workflow Execution Engines and Technologies - SWEET '13. p. 1-10.

78.
COSTA, F. ; SILVA, V. ; DE OLIVEIRA, DANIEL ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Capturing and querying workflow runtime provenance with PROV. In: the Joint EDBT/ICDT 2013 Workshops, 2013, Genoa. Proceedings of the Joint EDBT/ICDT 2013 Workshops on - EDBT '13. p. 282-289.

79.
GUERRA, G. ; DIAS, J. ; OLIVEIRA, D. ; OGASAWARA, E. ; MATTOSO, M. ; COUTINHO, A. ; ROCHINHA, F. . Analysis of flow-induced vibration model under uncertainties using an iterative workflow. In: 1st International Symposium on Uncertainty Quantification and Stochastic Modeling (Uncertainties 2012), 2012, Maresias - SP. Proceedings of the 1st International Symposium on Uncertainty Quantification and Stochastic Modeling (Uncertainties 2012), 2012.

80.
CHIRIGATI, F. ; SILVA, V. ; OGASAWARA, E. ; OLIVEIRA, D. ; DIAS, J. ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . Evaluating Parameter Sweep Workflows in High Performance Computing. In: The 1st international workshop on Scalable Workflow Enactment Engines and Technologies (SWEET'12), 2012, Scottsdale, Arizona, EUA. Proceedings of the The 1st international workshop on Scalable Workflow Enactment Engines and Technologies (SWEET'12), 2012.

81.
GONCALVES, J. ; OLIVEIRA, D. ; OGASAWARA, E. ; OCAÑA, K. ; MATTOSO, M. . Using Domain-Specific Data to Enhance Scientific Workflow Steering Queries. In: 4th International Provenance and Annotation Workshop, 2012, Santa Barbara, CA. Proceedings of the 4th International Provenance and Annotation Workshop. Heildelberg: Springer Verlag, 2012.

82.
COSTA, F. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; MATTOSO, M. . Enabling Re-Executions of Parallel Scientific Workflows Using Runtime Provenance Data. In: 4th International Provenance and Annotation Workshop, 2012, Santa Barbara, CA. Proceedings of the 4th International Provenance and Annotation Workshop. Heildelberg: Springer Verlag, 2012.

83.
OCAÑA, K. ; OLIVEIRA, D. ; HORTA, F. ; DIAS, J. ; OGASAWARA, E. ; MATTOSO, M. . Exploring Molecular Evolution Reconstruction Using a Parallel Cloud-based Scientific Workflow. In: Brazilian Symposium on Bioinformatics 2012, 2012, Campo Grande. MT. Proceedings of the Brazilian Symposium on Bioinformatics 2012. Heildelberg: Springer Verlag, 2012.

84.
PINTAS, J. ; OLIVEIRA, D. ; OCAÑA, K. ; DIAS, J. ; MATTOSO, M. . Monitoramento em Tempo Real de Workflows Científicos Executados em Paralelo em Ambientes Distribuídos. In: VI e-Science Workshop (em conjunto com CSBC 2012), 2012, Curitiba. Anais do VI e-Science Workshop (em conjunto com CSBC 2012). Porto Alegre: Sociedade Brasileira de Computação, 2012.

85.
OCAÑA, K. ; DE OLIVEIRA, DANIEL ; DIAS, J. ; OGASAWARA, E. ; MATTOSO, M. . Discovering drug targets for neglected diseases using a pharmacophylogenomic cloud workflow. In: 2012 IEEE 8th International Conference on EScience (eScience), 2012, Chicago. 2012 IEEE 8th International Conference on E-Science. p. 1.

86.
GONCALVES, J. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Using Provenance Analyzers to Improve the Performance of Scientific Workflows in Cloud Environments. In: 27º Simpósio Brasileiro de Bancos de Dados (SBBD 2012), 2012, São Paulo. Anais do 27º Simpósio Brasileiro de Bancos de Dados (SBBD 2012). Porto Alegre: Sociedade Brasileira de Computação, 2012.

87.
OLIVEIRA, A. H. M. ; MARTINS, M. ; MODESTO, I. ; OLIVEIRA, D. ; MATTOSO, M. . Reprodução de Experimentos Científicos Usando Nuvens. In: 27º Simpósio Brasileiro de Bancos de Dados (SBBD 2012), 2012, São Paulo. Anais do 27º Simpósio Brasileiro de Bancos de Dados (SBBD 2012). Porto Alegre: Sociedade Brasileira de Computação, 2012.

88.
COSTA, F. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Handling Failures in Parallel Scientific Workflows Using Clouds. In: The 7th Workshop on Workflows in Support of Large-Scale Science, 2012, Salt Lake City. Proc. of the 7th Workshop on Workflows in Support of Large-Scale Science, 2012.

89.
OLIVEIRA, D.; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; GONCALVES, J. ; MATTOSO, M. . Cloud-based Phylogenomic Inference of Evolutionary Relationships: A Performance Study. In: 2nd International Workshop on Cloud Computing and Scientific Applications (CCSA), held in conjunction with the 12th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGrid 2012), 2012, Ottawa, Canadá. Proceedings of the 2nd International Workshop on Cloud Computing and Scientific Applications (CCSA), held in conjunction with the 12th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGrid 2012), 2012.

90.
OLIVEIRA, D.; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; BAIAO, F. ; MATTOSO, M. . A Performance Evaluation of X-ray Crystallography Scientific Workflow Using SciCumulus. In: Fourth IEEE 2011 International Conference on Cloud Computing (CLOUD 2011), 2011, Washington D.C. Proceedings of the Fourth IEEE 2011 International Conference on Cloud Computing (CLOUD 2011), 2011.

91.
VIANA, V. G. ; OLIVEIRA, D. ; MATTOSO, M. . Towards a Cost Model for Scheduling Scientific Workflows Activities in Cloud Environments. In: 2011 IEEE Scientific Workflow Workshop, 2011, Washington. Proceedings of the 2011 IEEE World Congress on Services, 2011.

92.
CHIRIGATI, F. ; SILVA, V. ; OGASAWARA, E. ; DIAS, J. ; OLIVEIRA, D. ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . Uma avaliação da Distribuição de Atividades Estática e Dinâmica em Ambientes Paralelos usando o Hydra. In: CSBC 2011 - e-Science Workshop, 2011, Natal, RN. Anais do CSBC 2011 - e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2011.

93.
OCAÑA, K. ; OLIVEIRA, D. ; OGASAWARA, E. ; DAVILA, A. M. R. ; LIMA, A. A. B. ; MATTOSO, M. . SciPhy: A Cloud-based Scientific Workflow for Phylogenetic Analysis of Drug Targets in Protozoan Species. In: Brazilian Simposium of Bioinformatics 2011, 2011, Brasilia, DF. Proceedings of the Brazilian Simposium of Bioinformatics 2011, 2011.

94.
VIANA, V. G. ; OLIVEIRA, D. ; OGASAWARA, E. ; MATTOSO, M. . SciCumulus-ECM: Um Serviço de Custos para a Execução de Workflows Científicos em Nuvens Computacionais. In: XXVI Simposio Brasileiro de Banco de Dados, 2011, Florianopolis. Anais do XXVI Simposio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computacao, 2011.

95.
OLIVEIRA, D.; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . Adding Ontologies to Scientific Workflow Composition. In: XXVI Simposio Brasileiro de Banco de Dados, 2011, Florianopolis. Anais do XXVI Simposio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computacao, 2011.

96.
OCAÑA, K. ; OLIVEIRA, D. ; DIAS, J. ; OGASAWARA, E. ; MATTOSO, M. . Optimizing Phylogenetic Analysis Using SciHmm Cloud-based Scientific Workflow. In: The seventh IEEE e?Science conference, 2011, Estocolmo. Proceedings of the seventh IEEE e?Science conference. New York: IEEE Computer Society, 2011.

97.
COSTA, F. ; OLIVEIRA, D. ; MATTOSO, M. . Heurísticas para Controle de Execução de Atividades de Workflows Científicos na Nuvem. In: Workshop de Teses e Dissertações em Banco de Dados (WTDBD), 2011, Florianopolis. Anais do Workshop de Teses e Dissertações em Banco de Dados (WTDBD). Porto Alegre: Sociedade Brasileira de Computacao, 2011.

98.
DIAS, J. ; OGASAWARA, E. ; OLIVEIRA, D. ; PORTO, F. ; COUTINHO, A. ; MATTOSO, M. . Supporting Dynamic Parameter Sweep in Adaptive and User-Steered Workflows. In: Workshop on Workflows in Support of Large-Scale Science (WORKS 2011), 2011, Seattle. Proceedings of the Workshop on Workflows in Support of Large-Scale Science (WORKS 2011). New York: IEEE Computer Society, 2011.

99.
OGASAWARA, E. ; DIAS, J. ; OLIVEIRA, D. ; RODRIGUES, C.A.S. ; PIVOTTO, C. ; ANTAS, R. ; BRAGANHOLO, V. ; VALDURIEZ, P. ; MATTOSO, M. . A P2P Approach to Many Tasks Computing for Scientific Workflows. In: High Performance Computing for Computational Science - VECPAR 2010, 2010, Berkley, CA. High Performance Computing for Computational Science - VECPAR 2010, 2010. v. 6449. p. 327-339.

100.
OGASAWARA, E. ; MARTINEZ, L. ; OLIVEIRA, D. ; ZIMBRAO, G. ; PAPPA, G. ; MATTOSO, M. . Adaptive Normalization: A Novel Data Normalization Approach for Non-Stationary Time Series. In: International Joint Conference on Neural Networks, 2010, Barcelona. Proceedings of the 2010 International Joint Conference on Neural Networks, 2010. p. 606-613.

101.
COUTINHO, F. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; LIMA, A. A. B. ; DAVILA, A. M. R. ; MATTOSO, M. . Data Parallelism in Bioinformatics Workflows Using Hydra. In: Emerging Computational Methods for the Life Sciences Workshop, 2010, Chicago, IL. Proc. of Emerging Computational Methods for the Life Sciences Workshop, 2010. p. 507-515.

102.
SILVA, E. ; OGASAWARA, E. ; OLIVEIRA, D. ; BENEVIDES, M. ; MATTOSO, M. . Especificação Formal e Verificação de Workflows Científicos. In: IV e-Science Workshop, 2010, Belo Horizonte. Proc. XXX Congresso da SBC. Porto Alegre: Sociedade Brasileira de Computação, 2010. p. 193-200.

103.
SILVA, V. ; CHIRIGATI, F. ; MAIA, K. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; MURTA, L. ; MATTOSO, M. . SimiFlow: Uma Arquitetura para Agrupamento de Workflows por Similaridade. In: IV e-Science Workshop, 2010, Belo Horizonte. Proc. XXX Congresso da SBC. Porto Alegre: Sociedade Brasileira de Computação, 2010. p. 201-208.

104.
OLIVEIRA, D.; OGASAWARA, E. ; CHIRIGATI, F. ; SILVA, V. ; MURTA, L. ; MATTOSO, M. . GExpLine: A Tool for Supporting Experiment Composition. In: Third International Provenance and Annotation Workshop (IPAW2010), 2010, Troy, NY. Proceedings of the third International Provenance and Annotation Workshop (IPAW2010), 2010.

105.
DIAS, J. ; RODRIGUES, C.A.S. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; PACITTI, E. ; MATTOSO, M. . SciMulator: Um Ambiente de Simulação de Workflows Científicos em Redes P2P. In: Workshop de Redes Dinâmicas e Sistemas P2P (WP2P 2010), 2010, Gramado, RS. Anais do Workshop de Redes Dinâmicas e Sistemas P2P (WP2P 2010). Porto Alegre: Sociedade Brasileira de Computação, 2010.

106.
OLIVEIRA, D.; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . SciCumulus: A Lightweight Cloud Middleware to Explore Many Task Computing Paradigm in Scientific Workflows. In: The 3rd IEEE International Conference on Cloud Computing, 2010, Miami, FL. Proceedings of the 3rd IEEE International Conference on Cloud Computing, 2010. p. 378-385.

107.
OLIVEIRA, D.; OLIVEIRA, B. . Odontology: Um Ambiente Semântico para Diagnósticos Odontológicos. In: WIM - X Workshop de Informática Médica, 2010, Belo Horizonte, MG. Anais do WIM - X Workshop de Informática Médica. Porto Alegre: Sociedade Brasileira de Computação, 2010. p. 1727-1730.

108.
PAULINO, C. ; OLIVEIRA, D. ; CRUZ, S. M. S. ; CAMPOS, M. L. M. ; MATTOSO, M. . Captura de Metadados de Proveniência para Workflows Científicos em Nuvens Computacionais. In: XXV Simpósio Brasileiro de Banco de Dados, 2010, Belo Horizonte, MG. Anais do XXV Simpósio Brasileiro de Banco de Dados. Porto Alegre, RS: Sociedade Brasileira de Computação, 2010.

109.
COSTA, F. ; OLIVEIRA, D. ; OGASAWARA, E. ; LIMA, A. A. B. ; MATTOSO, M. . Athena: Text Mining Based Discovery of Scientific Workflows in Disperse Repositories. In: Third International Workshop on REsource Discovery (RED'2010), 2010, Paris, França. Proceedings of the Third International Workshop on REsource Discovery (RED) (joint event IIWAS'2010). Heildelberg: Springer Verlag, 2010.

110.
OLIVEIRA, D.; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . An Adaptive Approach for Workflow Activity Execution in Clouds. In: International Workshop on Challenges in e-Science, 2010, Petrópolis, RJ. Proceedings of the International Workshop on Challenges in e-Science, 2010.

111.
SIMÕES, D.V. ; OLIVEIRA, D. ; OGASAWARA, E. ; LIMA, A. A. B. ; MATTOSO, M. . Modeling Parallel Bioinformatics Workflows Using MapReduce. In: International Workshop on Challenges in e-Science, 2010, Petrópolis, RJ. Proceedings of the International Workshop on Challenges in e-Science, 2010.

112.
DIAS, J. ; OGASAWARA, E. ; OLIVEIRA, D. ; PACITTI, E. ; MATTOSO, M. . Improving Many-Task Computing in Scientific Workflows Using P2P Techniques. In: 3rd IEEE Workshop on Many-Task Computing on Grids and Supercomputers (MTAGS2010), 2010, New Orleans, Louisiana, USA. Proceedings of the 3rd IEEE Workshop on Many-Task Computing on Grids and Supercomputers (MTAGS2010). New York: IEEE Computer Society, 2010. p. 1-10.

113.
OLIVEIRA, D.; CUNHA, L. ; TOMAZ, L. ; PEREIRA, V. ; MATTOSO, M. . Using Ontologies to Support Deep Water Oil Exploration Scientific Workflows. In: IEEE 2009 Third International Workshop on Scientific Workflows (SWF 2009), 2009, Los Angeles. 2009 Congress on Services - I, 2009. p. 364-367.

114.
OLIVEIRA, D.; OGASAWARA, E. ; SILVA, V. ; CHIRIGATI, F. ; MURTA, L. ; WERNER, C. ; MATTOSO, M. . Uma Abordagem Semântica para Linhas de Experimentos Científicos Usando Ontologias. In: III e-Science workshop - XXIV SBBD & XXIII SBES, 2009, Fortaleza - CE. III e-Science workshop - XXIV SBBD & XXIII SBES, 2009.

115.
CUNHA, L. ; OLIVEIRA, D. ; OGASAWARA, E. ; ANDRADE, S. ; ZIMBRAO, G. ; BREFIN, M. . OntoEPFS: uma Ontologia para Experimentos em Mapeamento Digital de Solos. In: SBIAgro - 7º Congresso Brasileiro de Agroinformática, 2009, Viçosa. SBIAgro - 7º Congresso Brasileiro de Agroinformática, 2009.

116.
BARBOSA, C. E. ; OGASAWARA, E. ; OLIVEIRA, D. ; MATTOSO, M. . Paralelização de Tarefas de Mineração de Dados Utilizando Workflows Científicos. In: V Workshop em Algoritmos e Aplicações de Mineração de Dados (Em conjunto com o XXIV SBBD), 2009, Fortaleza, Ceará. V Workshop em Algoritmos e Aplicações de Mineração de Dados (Em conjunto com o XXIV SBBD), 2009.

117.
NETO, A. ; ALHADAS, L. ; OLIVEIRA, D. . Um Primeiro Estudo sobre Computação em Nuvem e suas Implicações em Banco de Dados. In: III Sessão de Pôsteres do XXIV SBBD, 2009, Fortaleza. III Sessão de Pôsteres do XXIV SBBD, 2009.

118.
PAULINO, C. ; OLIVEIRA, D. ; CRUZ, S. M. S. ; MATTOSO, M. . Captura de Proveniência de Workflows Científicos Executados em Nuvem. In: III Sessão de Pôsteres do XXIV SBBD, 2009, Fortaleza. III Sessão de Pôsteres do XXIV SBBD, 2009.

119.
OGASAWARA, E. ; OLIVEIRA, D. ; CHIRIGATI, F. ; BARBOSA, C. E. ; ELIAS, R. ; BRAGANHOLO, V. ; COUTINHO, A. ; MATTOSO, M. . Exploring Many Task Computing in Scientific Workflows. In: ACM/IEEE SC09 (International Conference for High Performance, Networking, Storage and Analysis), 2009, Portland. 2nd Workshop on Many-Task Computing on Grids and Supercomputers, 2009. p. 1-10.

120.
GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; COUTINHO, A. ; BRAGANHOLO, V. ; OLIVEIRA, D. ; OGASAWARA, E. ; CHIRIGATI, F. ; MATTOSO, M. . Scientific Workflow Management System Applied to Uncertainty Quantification in Large Eddy Simulation. In: 30th Iberian-Latin-American Congress on Computational Methods in Engineering (CILAMCE), 2009, Armação dos Búzios. Proceedings of the 30th Iberian-Latin-American Congress on Computational Methods in Engineering (CILAMCE), 2009.

121.
OLIVEIRA, D.; BAIAO, F. ; MATTOSO, M. . MF-Ontology: uma ontologia para o processo de mineração de textos. In: I Seminário de Pesquisa em Ontologia no Brasil, 2008, Rio de Janeiro. I Seminário de Pesquisa em Ontologia no Brasil, 2008.

122.
OLIVEIRA, D. C. M.; BAIAO, F. ; MATTOSO, M. . MiningFlow: Adding Semantics to Text Mining Workflows. In: Sessão de Posteres do Simpósio Brasileiro de Banco de Dados, 2007, João Pessoa - PB. Sessão de Posteres do Simpósio Brasileiro de Banco de Dados, 2007.

123.
RUBERG, N. ; KOTOWSKI, N. ; MATTOS, A. ; FERRAZ, C. ; MATOS , L. ; MACHADO, M. ; OLIVEIRA, D. C. M. ; MONCLAR, R. ; SANCHOTENE, T. ; BRAGANHOLO, V. . Experiencing Data Grids. In: International Workshop on High-Performance Data Management in Grid Environments, 2006, Rio de Janeiro. LNCS - High Performance Computing for Computational Science - VECPAR 2006, 2006. v. 4395. p. 707-718.

Resumos expandidos publicados em anais de congressos
1.
OLIMPIO, V. ; PAES, A. ; OLIVEIRA, D. . Escalonamento de Workflows de Larga-escala em Nuvens de Computadores com uso de Aprendizado por Reforço. In: II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016, Rio de Janeiro. Anais da II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016. p. 1-2.

2.
SILVA, V. ; CAMATA, J. ; OLIVEIRA, D. ; COUTINHO, A. ; VALDURIEZ, P. ; MATTOSO, M. . In Situ Data Steering on Sedimentation Simulation with Provenance Data. In: The International Conference for High Performance Computing, Networking, Storage and Analysis, 2016, Salt Lake City, Utah. Proc. of the International Conference for High Performance Computing, Networking, Storage and Analysis, 2016. p. 1-2.

3.
SOUZA, R. S. ; SILVA, V. ; OLIVEIRA, D. ; VALDURIEZ, P. ; LIMA, A. A. B. ; MATTOSO, M. . Parallel Execution of Workflows Driven by a Distributed Database Management System. In: 27th The International Conference for High Performance Computing, Networking, Storage and Analysis, 2015, Austin, Texas. Proc. of the 27th The International Conference for High Performance Computing, Networking, Storage and Analysis, 2015.

4.
OLIVEIRA, W. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Experiencing PROV-Wf for Provenance Interoperability in SWfMSs. In: 5th International Provenance and Annotation Workshop (IPAW), 2014, Cologne. Proc. of the 5th Intl. Provenance and Annotation Workshop, 2014.

5.
OLIVEIRA, D.; MATTOSO, M. . Computação em Nuvem para Ciência: o Papel Fundamental da Área de Bancos de Dados. In: XXVIII Simpósio Brasileiro de Banco de Dados, 2013, Recife. Anais do XXVIII Simpósio Brasileiro de Banco de Dados - Tutoriais. Porto Alegre: Sociedade Brasileira de Computação, 2013. p. 3-4.

6.
HORTA, F. ; DIAS, J. ; ELIAS, R. ; OLIVEIRA, D. ; COUTINHO, A. ; MATTOSO, M. . Prov-Vis: Large-Scale Scientific Data Visualization using Provenance. In: International Conference for High Performance Computing, Networking, Storage, and Analysis, 2013, Denver, Colorado. Proc. of the International Conference for High Performance Computing, Networking, Storage, and Analysis, 2013.

7.
HORTA, F. ; SILVA, V. ; COSTA, F. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Provenance traces from Chiron parallel workflow engine. In: ProvBench: A Provenance Repository for Benchmarking (joint with BigProv 2013), 2013, Genova, Itália. EDBT '13 Proceedings of the Joint EDBT/ICDT 2013 Workshops. New York: ACM Press, 2013. p. 337-338.

8.
HORTA, F. ; DIAS, J. ; OCAÑA, K. ; DE OLIVEIRA, DANIEL ; OGASAWARA, E. ; MATTOSO, M. . Abstract: Using Provenance to Visualize Data from Large-Scale Experiments. In: 2012 SC Companion: High Performance Computing, Networking, Storage and Analysis (SCC), 2012, Salt Lake City. 2012 SC Companion: High Performance Computing, Networking Storage and Analysis. p. 1418.

9.
DIAS, J. ; OGASAWARA, E. ; OLIVEIRA, D. ; MATTOSO, M. . Scientific Data Parallelism Using P2P Techniques. In: SC11, 2011, Seattle. Proceedings of the SC11, 2011.

10.
COSTA, F. ; OLIVEIRA, D. ; OGASAWARA, E. ; LIMA, A. A. B. ; MATTOSO, M. . Athena: Text Mining Based Discovery of Scientific Workflows in Disperse Repositories. In: The 12th International Conference on Information Integration and Web-based Applications & Services (iiWAS2010), 2010, Paris, França. Proceedings of the The 12th International Conference on Information Integration and Web-based Applications & Services (iiWAS2010), 2010.

11.
OGASAWARA, E. ; OLIVEIRA, D. ; KULAIF, Y. ; FERNANDES, F. . Modelo Auto-Regressivo de Previsão de Fertilizantes Baseados em Redes Neurais. In: 1º Congresso Brasileiro de Rochagem, 2009, Brasília. Anais do 1º Congresso Brasileiro de Rochagem, 2009.

12.
OLIVEIRA, D.; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . Using Ontologies to Provide Different Levels of Abstraction in Scientific Workflows. In: 5th IEEE International Conference on e-Science, 2009, Oxford. 5th IEEE International Conference on e-Science, 2009.

13.
MARTINHO, W. ; OGASAWARA, E. ; OLIVEIRA, D. ; CHIRIGATI, F. ; CORREA, F. ; JACOB, B. ; SANTOS, I. ; TRAVASSOS, G.H. ; MATTOSO, M. . A Conception Process for Abstract Workflows: An Example on Deep Water Oil Exploitation Domain. In: 5th IEEE International Conference on e-Science, 2009, Oxford. 5th IEEE International Conference on e-Science, 2009.

Resumos publicados em anais de congressos
1.
BAREIRO, S. B. ; OCAÑA, K. ; SILVA, V. ; OLIVEIRA, D. ; MATTOSO, M. . Modelling Data-intensive Metagenomics Experiments Using Scientific Workflows. In: X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015, São Paulo, SP. Proceedings of the X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015.

2.
OCAÑA, K. ; COSTA, L. ; OLIVEIRA, D. ; SILVA, V. ; MATTOSO, M. . Applying Data Mining Techniques to Identify Frequent Phylogenetic Trees using Scientific Workflows. In: X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015, Sao Paulo, SP. Proceedings of the X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015.

3.
RITA, A. V. N. S. S. ; OGANDO, R. L. C. ; OLIVEIRA, D. . Linhas de Experimento com Algoritmos de Redshifts Fotométricos. In: Jornada de Iniciacao Cientifica do ON (JICON) do Observatório Nacional, 2014, Rio de Janeiro. Livro de Resumos da Jornada de Iniciacao Cientifica do ON (JICON) 2013/2014, 2014.

4.
BAREIRO, S. B. ; OCAÑA, K. ; OLIVEIRA, D. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Análises de Ancoragem Molecular por meio de Workflows Científicos. In: I Jornada de Bioinformática do Rio de Janeiro, 2013, Rio de Janeiro, RJ. Anais da I Jornada de Bioinformática do Rio de Janeiro, 2013.

5.
OCAÑA, K. ; OLIVEIRA, D. ; MATTOSO, M. . Adaptive Evolution of Falcipain-Homologues in Plasmodium. In: VI e-Science Workshop (em conjunto com CSBC 2012), 2012, Curitiba. Anais do VI e-Science Workshop (em conjunto com CSBC 2012). Porto Alegre: Sociedade Brasileira de Computação, 2012.

6.
DIAS, J. ; OGASAWARA, E. ; OLIVEIRA, D. ; PORTO, F. ; COUTINHO, A. ; MATTOSO, M. . Adaptive and User-Steered Workflows for Computational Mechanics Experiments. In: 10th World Congress on Computational Mechanics, 2012, São Paulo, SP. Proc. 10th World Congress on Computational Mechanics, 2012.

7.
GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; OLIVEIRA, D. ; OGASAWARA, E. ; DIAS, J. ; CHIRIGATI, F. ; BRAGANHOLO, V. ; MATTOSO, M. ; COUTINHO, A. . Cleaning the Mess: Progress in Scientific Workflows for Managing Large Scale Simulations. In: Colloquium on Advances in Computational Science, Engineering and Mathematics, 2012, Austin, TX. Proc. Colloquium on Advances in Computational Science, Engineering and Mathematics, 2012.

8.
GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; COUTINHO, A. ; BRAGANHOLO, V. ; OLIVEIRA, D. ; OGASAWARA, E. ; CHIRIGATI, F. ; MATTOSO, M. . Scientific Workflow Management System Applied to Uncertainty Quantification in Computational Fluid Mechanics. In: 16th International Conference on Finite Elements in Flow Problems (FEF 2011), 2011, Munique. Proceedings of the 16th International Conference on Finite Elements in Flow Problems (FEF 2011), 2011.

9.
GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; COUTINHO, A. ; BRAGANHOLO, V. ; OLIVEIRA, D. ; OGASAWARA, E. ; CHIRIGATI, F. ; MATTOSO, M. . Uncertainty Quantification in Flow-structures Interaction Supported by Scientific Workflow Management. In: IV International Conference on Computational Methods in Marine Engineering, 2011, Lisbon. Proceedings of the IV International Conference on Computational Methods in Marine Engineering, 2011.

10.
MATTOSO, M. ; COUTINHO, A. ; ELIAS, R. ; OLIVEIRA, D. ; OGASAWARA, E. . Exploring Parallel Parameter Sweep in Scientific Workflows. In: 9th World Congress on Computational Mechanics and 4th Asian Pacific Congress on Computational Mechanics, 2010, Sydney, Australia. Proc. 9th World Congress on Computational Mechanics and 4th Asian Pacific Congress on Computational Mechanics, 2010.

11.
CUNHA, L. ; OLIVEIRA, D. ; OGASAWARA, E. ; ANDRADE, S. ; ZIMBRAO, G. ; SANTOS, M. . On the Use of Scientific Workflows for Digital Soil Mapping. In: Pedometrics 2009, 2009, Beijing. Pedometrics 2009, 2009. p. 110-111.

12.
OLIVEIRA, D. C. M.; FERNANDES, E. ; NOVO, L. . Monitoramento Cardíaco Ubíquo. In: XXIV Jornada de Iniciação Científica da UFRJ, 2002, Rio de Janeiro. Catálogo da XXIV Jornada de Iniciação Científica da UFRJ. Rio de Janeiro: UFRJ, 2002.

Artigos aceitos para publicação
1.
BEDO, M. V. N. ; OLIVEIRA, D. ; TRAINA, A. ; TRAINA, C. . Beyond hit-or-miss: a comparative study of synopses for similarity searching. Journal of Information and Data Management - JIDM, 2019.

2.
GUERINE, M. ; STOCKINGER, M. B. ; ROSSETI, I. ; SIMONETTI, L. G. ; OCAÑA, K. ; PLASTINO, A. ; OLIVEIRA, D. . A Provenance-based Heuristic for Preserving Results Confidentiality in Cloud-based Scientific Workflows. Future Generation Computer Systems-The International Journal of eScience, 2019.

3.
GUEDES, T. ; JESUS, L. A. ; OCAÑA, K. ; DRUMMOND, L. M. A. ; OLIVEIRA, D. . Provenance-based Fault Tolerance Technique Recommendation for Cloud-based Scientific Workflows: a Practical Approach. Cluster Computing-The Journal of Networks Software Tools and Applications, 2019.

4.
GUEDES, T. ; SILVA, V. ; CAMATA, J. ; BEDO, M. V. N. ; MATTOSO, M. ; OLIVEIRA, D. . Towards an Empirical Evaluation of Scientific Data Indexing and Querying. Journal of Information and Data Management - JIDM, 2019.

5.
SILVA, V. ; SOUZA, R. S. ; NEVES, L. ; OLIVEIRA, D. ; COUTINHO, A. ; MATTOSO, M. . Adding domain data to code profiling tools to debug workflow parallel execution. Future Generation Computer Systems-The International Journal of eScience, 2018.

Apresentações de Trabalho
1.
OLIVEIRA, D. C. M.; VIANA, V. G. ; OGASAWARA, E. ; OCAÑA, K. ; MATTOSO, M. . Dimensioning the Virtual Cluster for Parallel Scientific Workflows in Clouds. 2013. (Apresentação de Trabalho/Congresso).

2.
MATTOSO, M. ; DIAS, J. ; OLIVEIRA, D. C. M. ; OCAÑA, K. ; OGASAWARA, E. ; COSTA, F. ; HORTA, F. ; SILVA, V. ; ARAUJO, I. . User-Steering of HPC Workflows: State of the Art and Future Directions. 2013. (Apresentação de Trabalho/Congresso).

3.
ARAUJO, I. ; DIAS, J. ; OLIVEIRA, D. ; OGASAWARA, E. ; OCAÑA, K. ; MATTOSO, M. . Runtime Dynamic Structural Changes of Scientific Workflows in Clouds. 2013. (Apresentação de Trabalho/Congresso).

4.
PINTAS, J. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; MATTOSO, M. . SciLightning: a Cloud Provenance-based Event Notification for Parallel Workflows. 2013. (Apresentação de Trabalho/Congresso).

5.
OLIVEIRA, D.; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; GONCALVES, J. ; MATTOSO, M. . Cloud-based Phylogenomic Inference of Evolutionary Relationships: A Performance Study. 2012. (Apresentação de Trabalho/Congresso).

6.
OLIVEIRA, D.; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . Adding Ontologies to Scientific Workflow Composition. 2011. (Apresentação de Trabalho/Congresso).

7.
VIANA, V. G. ; OLIVEIRA, D. ; MATTOSO, M. . Towards a Cost Model for Scheduling Scientific Workflows Activities in Cloud Environments. 2011. (Apresentação de Trabalho/Congresso).

8.
OLIVEIRA, D.; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; BAIAO, F. ; MATTOSO, M. . A Performance Evaluation of X-ray Crystallography Scientific Workflow Using SciCumulus. 2011. (Apresentação de Trabalho/Congresso).

9.
OLIVEIRA, D.; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . An Adaptive Approach for Workflow Activity Execution in Clouds. 2010. (Apresentação de Trabalho/Congresso).

10.
COSTA, F. ; OLIVEIRA, D. ; OGASAWARA, E. ; LIMA, A. A. B. ; MATTOSO, M. . Athena: Text Mining Based Discovery of Scientific Workflows in Disperse Repositories. 2010. (Apresentação de Trabalho/Congresso).

11.
OLIVEIRA, D.; OLIVEIRA, B. . Odontology: Um Ambiente Semântico para Diagnósticos Odontológicos. 2010. (Apresentação de Trabalho/Congresso).

12.
OLIVEIRA, D.; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . SciCumulus: A Lightweight Cloud Middleware to Explore Many Task Computing Paradigm in Scientific Workflows. 2010. (Apresentação de Trabalho/Congresso).

13.
SILVA, E. ; OGASAWARA, E. ; OLIVEIRA, D. ; BENEVIDES, M. ; MATTOSO, M. . Especificação Formal e Verificação de Workflows Científicos. 2010. (Apresentação de Trabalho/Congresso).

14.
OLIVEIRA, D.; CUNHA, L. ; TOMAZ, L. ; PEREIRA, V. ; MATTOSO, M. . Using Ontologies to Support Deep Water Oil Exploration Scientific Workflows. 2009. (Apresentação de Trabalho/Congresso).

15.
OLIVEIRA, D.; OGASAWARA, E. ; CHIRIGATI, F. ; MURTA, L. ; WERNER, C. ; MATTOSO, M. . Uma Abordagem Semântica para Linhas de Experimentos Científicos Usando Ontologias. 2009. (Apresentação de Trabalho/Simpósio).

16.
NETO, A. ; ALHADAS, L. ; OLIVEIRA, D. . Um Primeiro Estudo sobre Computação em Nuvem e suas Implicações em Banco de Dados. 2009. (Apresentação de Trabalho/Simpósio).

17.
PAULINO, C. ; OLIVEIRA, D. ; CRUZ, S. M. S. ; MATTOSO, M. . Captura de Proveniência de Workflows Científicos Executados em Nuvem. 2009. (Apresentação de Trabalho/Seminário).

18.
OLIVEIRA, D. C. M.; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . Using Ontologies to Provide Different Levels of Abstraction in Scientific Workflows. 2009. (Apresentação de Trabalho/Conferência ou palestra).

19.
OLIVEIRA, D.; MATTOSO, M. ; BAIAO, F. . MF-Ontology: uma ontologia para o processo de mineração de textos. 2008. (Apresentação de Trabalho/Seminário).

20.
OLIVEIRA, D.; BAIAO, F. ; MATTOSO, M. . MiningFlow: Adding Semantics to Text Mining Workflows. 2007. (Apresentação de Trabalho/Simpósio).

21.
OLIVEIRA, D.; FERNANDES, E. ; NOVO, L. . Monitoramento Cardíaco Ubíquo. 2002. (Apresentação de Trabalho/Outra).


Produção técnica
Assessoria e consultoria
1.
OLIVEIRA, D. C. M.; DURAN, M. ; MATTOS, A. . Construção da Arquitetura de Informações do Sistema de Saúde da Marinha do Brasil. 2007.

2.
OLIVEIRA, D. C. M.; DURAN, M. ; SCHMIDT, D. . Construção da Arquitetura de Informações do Sistema de Pagamento da Marinha do Brasil. 2006.

Programas de computador sem registro
1.
OLIVEIRA, D.; MATTOSO, M. ; OGASAWARA, E. ; COSTA, F. ; DIAS, J. ; VIANA, V. G. ; SILVA, V. ; PINTAS, J. . SciCumulus Cloud Workflow Engine. 2012.

2.
OLIVEIRA, D. C. M.. MiningFlow: ambiente para definição de workflows para mineração de textos. 2008.

3.
OLIVEIRA, D. C. M.; OLIVEIRA, A. ; SILVA, T. G. . Sistema de Controle de Postos de Combustíveis. 1998.

Trabalhos técnicos
1.
OLIVEIRA, D.. VLDB 2018 Demonstration Program Committee. 2018.

2.
OLIVEIRA, D.. Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2018 - WCGA). 2018.

3.
OLIVEIRA, D.. Comitê de Programa do Workshop de Teses e Dissertações em Sistemas de Informação (WTDSI) 2018. 2018.

4.
OLIVEIRA, D.. Comitê de Programa da IV Escola Regional de Computação de Alto Desempenho. 2018.

5.
OLIVEIRA, D.. Comitê de Programa do Workshop of Algorithms and Systems for MapReduce and Beyond (BeyondMR). 2018.

6.
OLIVEIRA, D.. Comitê de Programa do Workshop on Clusters, Clouds and Grids for Life Sciences - CCGrid-Life. 2018.

7.
OLIVEIRA, D.. Comitê de Programa do XVII Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2018.

8.
OLIVEIRA, D.. Comitê de Programa do XII ​​​BreSci - ​XII Brazilian e-Science Workshop. 2018.

9.
OLIVEIRA, D.. Comitê de Programa do XXXII Simpósio Brasileiro de Banco de Dados - Demo. 2018.

10.
OLIVEIRA, D.. Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados (WTDBD) 2018. 2018.

11.
OLIVEIRA, D.. Comitê de Programa do International Workshop on Very Large Internet of Things (VLIoT 2018). 2018.

12.
OLIVEIRA, D.. Comitê de Programa do 7th International Provenance and Annotation Workshop. 2018.

13.
OLIVEIRA, D.. Comitê de Programa do 19th Annual International Conference on Digital Government Research. 2018.

14.
OLIVEIRA, D.. Comitê de Programa do XXXIII Simpósio Brasileiro de Banco de Dados. 2018.

15.
OLIVEIRA, D.. Comitê de Programa do I LADaS - Latin American Data Science Workshop. 2018.

16.
OLIVEIRA, D.. Comitê de Programa do Workshop of Algorithms and Systems for MapReduce and Beyond (BeyondMR). 2017.

17.
OLIVEIRA, D.. Comitê de Programa do Workshop on Clusters, Clouds and Grids for Life Sciences - CCGrid-Life. 2017.

18.
OLIVEIRA, D.. Comitê de Programa da 43rd International Conference on Very Large Databases. 2017.

19.
OLIVEIRA, D.. Comitê de Programa do XXI ​​​BreSci - ​XI Brazilian e-Science Workshop. 2017.

20.
OLIVEIRA, D.. Comitê de Programa do XVI Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2017.

21.
OLIVEIRA, D.. Comitê de Programa do XVIII WSCAD - Simpósio em Sistemas Computacionais de Alto Desempenho. 2017.

22.
OLIVEIRA, D.. Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2017 - WCGA). 2017.

23.
OLIVEIRA, D.. Comitê de Programa da III Escola Regional de Computação de Alto Desempenho. 2017.

24.
OLIVEIRA, D.. Comitê de Programa do XXXII Simpósio Brasileiro de Banco de Dados - Short Papers. 2017.

25.
OLIVEIRA, D.. Comitê de Programa do XXXII Simpósio Brasileiro de Banco de Dados. 2017.

26.
OLIVEIRA, D.. Comitê de Programa do XXXII Simpósio Brasileiro de Banco de Dados - Demo. 2017.

27.
OLIVEIRA, D.. Comitê de Programa do Workshop de Teses e Dissertações em Sistemas de Informação (WTDSI) 2017. 2017.

28.
OLIVEIRA, D.. Comitê de Programa do I Workshop Databases meet Bioinformatics. 2017.

29.
OLIVEIRA, D.. Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados (WTDBD) 2017. 2017.

30.
OLIVEIRA, D.. Comitê de Programa do Workshop Workflows in Support of Large-Scale Science. 2017.

31.
OLIVEIRA, D.. Comitê de Programa do I SBBD Dataset Showcase Workshop. 2017.

32.
OLIVEIRA, D.. ICDE 2016 Demonstration Program Committee. 2016.

33.
OLIVEIRA, D.. Comitê de Programa do XV Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2016.

34.
OLIVEIRA, D.. Comitê de Programa do X Brazilian e-Science Workshop (BreSci). 2016.

35.
OLIVEIRA, D.. Comitê de Programa do XXXI Simpósio Brasileiro de Banco de Dados. 2016.

36.
OLIVEIRA, D.. Comitê de Programa do 6th International Provenance and Annotation Workshop. 2016.

37.
OLIVEIRA, D.. Comitê de Programa do Workshop of Algorithms and Systems for MapReduce and Beyond (BeyondMR). 2016.

38.
OLIVEIRA, D.. Comitê de Programa do XVII WSCAD - Simpósio em Sistemas Computacionais de Alto Desempenho. 2016.

39.
OLIVEIRA, D.. Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2016 - WCGA). 2016.

40.
OLIVEIRA, D.. Comitê de Programa da II Escola Regional de Computação de Alto Desempenho. 2016.

41.
OLIVEIRA, D.. Comitê de Programa do Workshop de Teses e Dissertações em Sistemas de Informação (WTDSI) 2016. 2016.

42.
OLIVEIRA, D.. Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados (WTDBD) 2016. 2016.

43.
OLIVEIRA, D.. Comitê de Programa do Workshop Workflows in Support of Large-Scale Science. 2016.

44.
OLIVEIRA, D.. SIGMOD 2015 Demonstration Program Committee. 2015.

45.
OLIVEIRA, D.. Comitê de Programa do XXX Simpósio Brasileiro de Banco de Dados. 2015.

46.
OLIVEIRA, D.. Comitê de Programa do XIV Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2015.

47.
OLIVEIRA, D.. Comitê de Programa do High Performance Big Data and Cloud Computing workshop. 2015.

48.
OLIVEIRA, D.. Comitê de Programa do XXX Simpósio Brasileiro de Banco de Dados - Short Papers. 2015.

49.
OLIVEIRA, D.. Comitê de Programa do XXX Simpósio Brasileiro de Banco de Dados - Demo. 2015.

50.
OLIVEIRA, D.. Comitê de Programa do XVI Simpósio em Sistemas Computacionais de Alto Desempenho. 2015.

51.
OLIVEIRA, D.. Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2015 - WCGA). 2015.

52.
OLIVEIRA, D.. Comitê de Programa da I Escola Regional de Alto Desempenho do Rio de Janeiro. 2015.

53.
OLIVEIRA, D.. Comitê de Programa do IX Brazilian e-Science Workshop (BreSci). 2015.

54.
OLIVEIRA, D.. Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados (WTDBD) 2015. 2015.

55.
OLIVEIRA, D.. Comitê de Programa do High Performance Cloud and Grid Computing Workshop. 2014.

56.
OLIVEIRA, D.. Comitê de Programa do Workshop de Teses e Dissertações em Sistemas de Informação (WTDSI) 2014. 2014.

57.
OLIVEIRA, D.. Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2014 - WCGA). 2014.

58.
OLIVEIRA, D.. Comitê de Programa do VIII Brazilian e-Science Workshop (BreSci). 2014.

59.
OLIVEIRA, D.. Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados 2014. 2014.

60.
OLIVEIRA, D.. Comitê de Programa do XV Simpósio em Sistemas Computacionais (WSCAD-SSC). 2014.

61.
OLIVEIRA, D.. Comitê de Programa do Concurso de Tese do XV Simpósio em Sistemas Computacionais (WSCAD-CTD). 2014.

62.
OLIVEIRA, D.. Comitê de Programa do III IEEE LatinCloud. 2014.

63.
PAULA JUNIOR, U. ; DRUMMOND, L. M. A. ; OLIVEIRA, D. ; FROTA, Y. ; BARBOSA, V. C. . Handling Flash-Crowd Events to Improve the Performance of Web Applications. 2014.

64.
OLIVEIRA, D.. Comitê de Programa do VI Workshop de Teses e Dissertações em Sistemas de Informação. 2013.

65.
OLIVEIRA, D.. Comitê de Programa do BreSci - VII Brazilian e-Science workshop. 2013.

66.
OLIVEIRA, D.. Comitê de Programa do XIV Simpósio em Sistemas Computacionais (WSCAD-SSC). 2013.

67.
OLIVEIRA, D.. Comitê de Programa do V Congresso de Computação do Sul de Mato Grosso. 2013.

68.
OLIVEIRA, D.. Comitê de Programa do Workshop on Cost and Performance Optimization in Cloud Computing. 2013.

69.
OLIVEIRA, D.. Comitê de Programa do High-Performance Grid and Cloud Computing Workshop. 2013.

70.
OLIVEIRA, D. C. M.; BAIAO, F. ; MATTOSO, M. . MF-Ontology: an Ontology for the Text Mining Domain. 2009.

Entrevistas, mesas redondas, programas e comentários na mídia
1.
OLIVEIRA, D.. Pesquisas em Banco de Dados no IC/UFF - Workshop do Curso de Tecnologia em Sistemas de Computação do CEDERJ. 2015. (Programa de rádio ou TV/Entrevista).


Demais tipos de produção técnica
1.
OLIVEIRA, D.; MATTOSO, M. . Tutorial 'Computação em Nuvem para Ciência: o Papel Fundamental da Área de Bancos de Dados'. 2013. (Curso de curta duração ministrado/Outra).

2.
OLIVEIRA, D. C. M.. Utilização da Diretiva PRAGMA AUTONOMOUS_TRANSACTION. 2009. (Artigo Online).

3.
OLIVEIRA, D. C. M.. Introdução ao uso de imagens no MySQL. 2009. (Artigo Online).

4.
OLIVEIRA, D. C. M.. Implementando Logs de Auditoria em Banco de Dados Oracle. 2009. (Artigo Online).



Patentes e registros



Programa de computador
1.
MATTOSO, M. ; OLIVEIRA, D. ; OGASAWARA, E. ; BARBOSA, C. E. . Hydra - Many Tasks Computing. 2011.
Patente: Programa de Computador. Número do registro: 115550, data de registro: 04/01/2011, título: "Hydra - Many Tasks Computing" , Instituição de registro: INPI - Instituto Nacional da Propriedade Industrial.



Bancas



Participação em bancas de trabalhos de conclusão
Mestrado
1.
LAGE, M.; ROCHA, A. A. A.; VELLOSO, P. B.; OLIVEIRA, D.. Participação em banca de Rhodrigo da Venda Santana. Identificação de Padrões de Deslocamento em Dados de Trajetórias de Táxis. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

2.
OLIVEIRA, D.; PAES, A.; PLASTINO, A.; REVOREDO, K.. Participação em banca de Hugo Arraes Henley. PRELUDE: uma Arquitetura para Análise de Evasão no Ensino Superior por meio de Aprendizado de Máquina Relacional. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

3.
OLIVEIRA, D.; BEDO, M. V. N.; MATTOSO, M.; CAVALCANTI, M. C. R.; MURTA, L.; OLIVEIRA, A. H. M.. Participação em banca de Thaylon Guedes Santos. Análise e Captura de Dados de Proveniência no Apache Spark. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

4.
MATTOSO, M.; PIRES, P.; OLIVEIRA, D.. Participação em banca de Luciano Silva Leite. Captura de Proveniência Assíncrona em Simulações Computacionais. 2018. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

5.
XEXEO, G.; SOUZA, J. M.; OLIVEIRA, D.. Participação em banca de Felipe de Oliveira Badejo Almeida. Social Tag Prediction: Resource-Centered Approaches for Broad Folksonomies. 2018. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

6.
BRAGA, R. M.; DANTAS, M. A. R.; OLIVEIRA, D.. Participação em banca de Maria Luiza Furtuozo Falci. Melhoria de processos de software através da combinação de Proveniência de dados, Ontologias, Redes complexas e Visualizações. 2018. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

7.
BERNARDINI, F. C.; VITERBO, J.; SALGADO, L. C. C.; CAPELLI, C.; SILVEIRA, M. S.; OLIVEIRA, D.. Participação em banca de Higor dos Santos Pinto. Alinhamento de Categorias em Portais de Dados Abertos com Base em um Subconjunto Abrangente. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

8.
OLIVEIRA, D.; PAES, A.; DRUMMOND, L. M. A.; BEZERRA, E.. Participação em banca de André Luís da Costa Nascimento. Uma Estratégia de Escalonamento baseada em Aprendizado por Reforço para Workflows Científicos em Nuvens de Computadores. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

9.
TREVISAN, D. G.; BERNARDINI, F. C.; PANIZZUTTI, R. A.; OLIVEIRA, D.. Participação em banca de Leonardo Luis da Silva Nardi. Identificação de Padrões de Interação no Treinamento Cognitivo Computadorizado com Idosos. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

10.
MATTOSO, M.; LIMA, A. A. B.; BOERES, C.; OLIVEIRA, D.. Participação em banca de Marcello Willians Messina Ribeiro. Processamento Paralelo de Consultas OLAP em Nuvens de Computadores com C-ParGRES. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

11.
MURTA, L.; KOHWALTER, T.; OLIVEIRA, D.; BARROS, M. O.. Participação em banca de Eduardo Smil Prutchi. Como a Adoção de Feature Toggles Afeta Merges de Ramos e Defeitos em Projetos de Software Livre?. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

12.
DRUMMOND, L. M. A.; FROTA, Y.; BENTES, C. B.; OLIVEIRA, D.. Participação em banca de Luan Teylo Gouveia Lima. Escalonamento de Tarefas e Alocação de Arquivos de Dados de Workflows Científicos em Nuvens Computacionais. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

13.
OLIVEIRA, D.; KALINOWSKI, M.; MATTOSO, M.; OCAÑA, K.; MURTA, L.. Participação em banca de Augusto Consulmagnos Romeiro. SciAgile: Uma Abordagem Ágil em Processos de Experimentação Científica. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

14.
BRAGHETTO, K. R.; MACEDO, D.; OLIVEIRA, D.. Participação em banca de Elaine Naomi Watanabe. Um método para paralelização automática de workflows intensivos em dados. 2017. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo.

15.
KALINOWSKI, M.; GARCIA, A.; OLIVEIRA, D.. Participação em banca de Gisele Domingos Alves Carneiro. Investigando o Impacto de Estilos de Aprendizado em Equipes de Inspeção de Projeto de Software. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

16.
DRUMMOND, L. M. A.; PAES, A.; OGASAWARA, E.; OLIVEIRA, D.. Participação em banca de Leonardo Araújo de Jesus. Tolerância a Falha em Workflows Científicos Executados em Nuvens Computacionais. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

17.
MACHADO, J. C.; MONTEIRO FILHO, J. M. S.; SOUSA, F. R. C.; OLIVEIRA, D.. Participação em banca de Victor Aguiar Evangelista de Farias. Uma Abordagem para a Modelagem de Performance e de Elasticidade para Bancos de Dados em Nuvem. 2016. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal do Ceará.

18.
OLIVEIRA, D.; BRAGANHOLO, V.; PORTO, F.. Participação em banca de Igor Barreto Rodrigues. Uma Abordagem Hierárquica para Escalonamento de Atividades de Workflows Científicos Executados em Nuvens de Computadores. 2016. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

19.
BRAGANHOLO, V.; BAIAO, F.; OLIVEIRA, D.. Participação em banca de Leonardo Cesar Machado. Tradução de consultas XPath para predicados Prolog. 2016. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

20.
BAIAO, F.; TANAKA, A.; AZEVEDO, L. G.; OLIVEIRA, D.. Participação em banca de André Eduardo Bento Garcia. Business Intelligence em Tempo Real Utilizando Infraestrutura em Nuvem. 2016. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro.

21.
MURTA, L.; DELICATO, F.; OLIVEIRA, D.. Participação em banca de Cristiano Machado Cesário. Awareness over Distributed Version Control Systems. 2015. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

22.
BRAGANHOLO, V.; PAES, A.; DORNELES, C. F.; OLIVEIRA, D.. Participação em banca de Fábio Gomes dos Santos. Prolog versus XQuery Processors: a performance evaluation of XML queries processing methods. 2015. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

23.
MATTOSO, M.; OLIVEIRA, D.; DRUMMOND, L. M. A.; LIMA, A. A. B.. Participação em banca de Renan Francisco Santos Souza. Controlling the Parallel Execution of Workflows Relying on a Distributed Database. 2015. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

24.
VITERBO, J.; BREITMAN, K.; OLIVEIRA, D.. Participação em banca de Dânia Naomi Osato Meira. A Comparative Study of Scalable Implementations of the Alternating Least Squares Algorithm for Collaborative Filtering Recommendation. 2015. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

25.
OLIVEIRA, D.; MATTOSO, M.; CLUA, E.; MONTENEGRO, A. A.; PASCHOAL, A. R.. Participação em banca de Lidson Barbosa Jacob. Spielzyklus: Identificando Padrões de Ciclos em Dados de Proveniência Extraídos de Forma não Intrusiva. 2015. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

26.
BAIAO, F.; REVOREDO, K.; SANTORO, F.; OLIVEIRA, D.. Participação em banca de Mateus Ferreira Silva. Learning Data-aware Declarative Models from Provenance Data. 2015. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro.

27.
OLIVEIRA, D.; PAES, A.; CLUA, E.; TREVISAN, D. G.; BENEVIDES, M.. Participação em banca de Rainier Augusto Ferreira Sales. Aplicação de NPC Afetivo em Jogos de Simulação. 2014. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

28.
LIMA, L.; OGASAWARA, E.; BARBASTEFANO, R.; MONTEIRO, A.; OLIVEIRA, D.. Participação em banca de Patrícia Mattos Teixeira. Uso de Técnicas de Mudança de Periodicidade de Séries Temporais para Previsão da Temperatura de Superfície do Mar do Oceano Atlântico. 2014. Dissertação (Mestrado em Tecnologia) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca.

29.
MATTOSO, M.; GOMES, A. T. A.; LIMA, A. A. B.; OCAÑA, K.; OLIVEIRA, D.. Participação em banca de Vitor Silva Sousa. Uma Arquitetura para a Execução Paralela Adaptável de Workflows Científicos. 2014. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

30.
MATTOSO, M.; OLIVEIRA, D.; LIMA, A. A. B.; AZEVEDO, L. G.. Participação em banca de Igor de Araujo dos Santos. Uma abordagem para alteração na definição de atividades de workflows científicos em tempo de execução. 2014. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

31.
MURTA, L.; CLUA, E.; OLIVEIRA, D.; SILVA, F. C.. Participação em banca de Troy Costa Kohwalter. Provenance in Games. 2013. Dissertação (Mestrado em CIÊNCIAS DA COMPUTAÇÃO) - Universidade Federal Fluminense.

32.
LIMA, A. A. B.; MATTOSO, M.; AZEVEDO, L. G.; OLIVEIRA, D.. Participação em banca de Ricardo Rocha Soares. Estudo Comparativo entre Sistemas de Bancos de Dados de Grafos e Relacionais paraa Gerência de Dados de Proveniência em Workflows Científicos. 2013. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

33.
REBELLO, E. F. V.; OLIVEIRA, D.; SZTAJNBERG, A.. Participação em banca de Carlos Henrique Zilves Nicodemus. Um Estudo sobre Grades Virtuais sob Demanda em um Ambiente de Nuvens Computacionais. 2013. Dissertação (Mestrado em CIÊNCIAS DA COMPUTAÇÃO) - Universidade Federal Fluminense.

34.
MATTOSO, M.; LIMA, A. A. B.; DELICATO, F.; OLIVEIRA, D. C. M.. Participação em banca de Julliano Trindade Pintas. Monitoramento em Tempo Real de Workflows Cieníficos Executados em Paralelo em Ambientes Distribuídos. 2012. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

35.
MATTOSO, M.; OLIVEIRA, D. C. M.; ZIMBRAO, G.; PIRES, P.. Participação em banca de Vitor de Gamboa Viana. Um Serviço de Custo para a Execução Paralela de Workflows Científicos em Nuvens de Computadores. 2012. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Teses de doutorado
1.
SOARES, J. M.; BARROSO, G. C.; THE, G. A. P.; GOMES, D. G.; PINTO, I. I. B. S.; OLIVEIRA, D.. Participação em banca de Allyson Bonetti França. O código por trás do código-fonte: mudança de representação para análise de similaridade. 2019. Tese (Doutorado em Engenharia de Teleinformática) - Universidade Federal do Ceará.

2.
OLIVEIRA, D.; MACIEL, P. R. M.; LIMA, R. M. F.; MEDEIROS, R. W. A.; GARCIA, V. C.. Participação em banca de Milton Secundino de Souza Júnior. LONGWisE4cloud: Um Ambiente Adaptativo para Execução de Workflows de Longa Duração como Serviço. 2018. Tese (Doutorado em Ciências da Computação) - Universidade Federal de Pernambuco.

3.
PIRES, C. E. S.; SALGADO, A. C.; ANDRADE, N. F.; BAPTISTA, C. S.; OLIVEIRA, D.. Participação em banca de Demetrio Gomes Mestre. Leveraging the Entity Matching Performance Through Adaptive Indexing and Efficient Parallelization. 2018. Tese (Doutorado em Ciência da Computação) - Universidade Federal de Campina Grande.

4.
BRAGANHOLO, V.; OLIVEIRA, D.; MATTOSO, M.; CAVALCANTI, M. C. R.; PLASTINO, A.; LEME, L. A. P. P.. Participação em banca de Wellington Moreira de Oliveira. Integrated Analysis of Heterogeneous Provenance Graphs. 2018. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

5.
ESTRELLA, J. C.; BRUSCHI, S. M.; MACIEL, C. D.; OLIVEIRA, D.. Participação em banca de Edvard Martins de Oliveira. MDAPSP - Uma arquitetura modular distribuída para auxílio à predição de estruturas de proteínas. 2018. Tese (Doutorado em Ciências da Computação e Matemática Computacional) - Universidade de São Paulo.

6.
MURTA, L.; CLUA, E.; BRAGA, R. M.; FEIJO, B.; PAES, A.; OLIVEIRA, D.. Participação em banca de Troy Costa Kohwalter. Gameplay Analysis with Provenance. 2018. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

7.
MATTOSO, M.; AZEVEDO, L. G.; LIMA, A. A. B.; BOERES, C.; OLIVEIRA, D.. Participação em banca de Vitor Silva Sousa. Análise de Dados Científicos sobre Múltiplas Fontes de Dados ao Longo da Execução de Simulações Computacionais. 2018. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

8.
ESTRELLA, J. C.; BRUSCHI, S. M.; BITTENCOURT, L. F.; OLIVEIRA, D.. Participação em banca de Henrique Yoshikazu Shishido. Escalonamento de workflow com anotações de tarefas sensitivas para otimização de segurança e custo em nuvens. 2018. Tese (Doutorado em Ciências da Computação e Matemática Computacional) - Universidade de São Paulo.

9.
GOMES, D. G.; ANDRADE, R. M. C.; SOARES, J. M.; MACIEL, P. R. M.; OLIVEIRA, D.. Participação em banca de Deborah M. V. Magalhães. Workload Modeling and Prediction for Resources Provisioning in Cloud. 2017. Tese (Doutorado em Engenharia de Teleinformática) - Universidade Federal do Ceará.

10.
WERNER, C.; MONTENEGRO, A. A.; SIQUEIRA, S. W. M.; SILVA, V. T.; OLIVEIRA, D.. Participação em banca de Eduardo Augusto Silvestre. Verificação de Conflitos entre Múltiplas Normas em Sistemas Multiagentes. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

11.
SILVA, V. T.; SIQUEIRA, S. W. M.; CARBONERA, J. L.; MURTA, L.; OLIVEIRA, D.. Participação em banca de Laura Costa Sarkis. Uma Abordagem para a Detecção de Conflitos Indiretos entre Políticas de Controle de Acesso. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

12.
EBECKEN, N. F. F.; GUIMARAES, S.; BEZERRA, E.; OGASAWARA, E.; OLIVEIRA, D.. Participação em banca de Fábio Paschoal Junior. Uma Abordagem para Identificação de Padrões Comportamentais a partir de Aplicativos para Redes Sociais. 2017. Tese (Doutorado em Engenharia Civil) - Universidade Federal do Rio de Janeiro.

13.
MURTA, L.; PLASTINO, A.; PIRES, P.; GARCIA, A.; SILVA, V. T.; OLIVEIRA, D.. Participação em banca de Daricélio Moreira Soares. On the Nature of Pull Requests: a Study about this Collaboration Paradigm over Open-Source Projects Using Association Rules. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

14.
OLIVEIRA, D.; PORTO, F.; BOERES, C.; SCHULZE, B. R.; MATTOSO, M.; BRAGANHOLO, V.; Drummond, Lúcia M. A.. Participação em banca de Douglas Ericson Marcelino de Oliveira. Otimização da Execução de Workflows Intensivos de Dados em Frameworks MapReduce. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

15.
REBELLO, E. F. V.; BOERES, C.; SCHULZE, B. R.; RODRIGUEZ, N. L. R.; CLUA, E.; FRANCA, F.; OLIVEIRA, D.. Participação em banca de Henrique de Medeiros Klôh. Escalonamento de Jobs em Ambientes Virtualizados com Elasticidade. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

16.
SILVA, V. T.; CARBONERA, J. L.; SIQUEIRA, S. W. M.; MONTENEGRO, A. A.; OLIVEIRA, D.. Participação em banca de Mairon de Araújo Belchior. Detecção de Potenciais Conflitos Normativos que Dependem da Ordem de Execução dos Eventos nos Sistemas Multi-Agentes. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

17.
MATTOSO, M.; OLIVEIRA, D.; BAIAO, F.; PLASTINO, A.; LIMA, A. A. B.. Participação em banca de Flavio da Silva Costa. Uma Proposta de Arquitetura Distribuída e Adaptativa para Gerência dos Dados de Proveniência de Experimentos Científicos Executados em Nuvens Computacionais. 2016. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

18.
REBELLO, E. F. V.; BOERES, C.; OLIVEIRA, D.; SCHULZE, B. R.; ROCHA, A. A. A.; FRANCA, F.. Participação em banca de Rafael Burlamaqui Amaral. Uma Abordagem Autônoma para Gerenciar Workflows Científicos em Ambientes Computacionais Heterogêneos e Compartilhados. 2016. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

19.
BRAGANHOLO, V.; MURTA, L.; PLASTINO, A.; OLIVEIRA, D.; SAMPAIO, J. O.; GALANTE, R.. Participação em banca de Alessandreia Marta de Oliveira. Diff Semântico de Documentos XML. 2016. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

20.
DRUMMOND, L. M. A.; OLIVEIRA, D.; FROTA, Y.; BARBOSA, V. C.; GOMES, A. T. A.; ALBUQUERQUE, C. V. N.; BENTES, C. B.. Participação em banca de Ubiratam Carvalho de Paula Júnior. Detecção e Tratamento de Eventos de Flash Crowd em Nuvens Computacionais. 2015. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

21.
DRUMMOND, L. M. A.; MATTOSO, M.; BARBOSA, V. C.; FROTA, Y.; BOERES, C.; OLIVEIRA, D.. Participação em banca de Rafaelli de Carvalho Coutinho. Dimensionamento Estático e Dinâmico de Máquinas Virtuais em Nuvens Computacionais. 2015. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

22.
MATTOSO, M.; OLIVEIRA, D.; XEXEO, G.; PORTO, F.; MURTA, L.; BAIAO, F.. Participação em banca de Ary Henrique Morais de Oliveira. Reprodução de Experimentos Computacionais na Infraestrutura de Computação em Nuvem. 2015. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Qualificações de Doutorado
1.
PLASTINO, A.; BAIAO, F.; OLIVEIRA, D.. Participação em banca de Pablo Nascimento da Silva. Novel Feature Selection Methods for Hierarchical and Sparse Feature Spaces. 2017. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

2.
PIRES, C. E. S.; BAPTISTA, C. S.; CAMPELO, C. E. C.; BARBOSA, L. A.; OLIVEIRA, D.. Participação em banca de Tiago Brasileiro Araújo. Blocagem em Paralelo para Resolução de Entidades no Contexto de Dados Semiestruturados. 2017. Exame de qualificação (Doutorando em Pós-Graduação em Ciência da Computação) - Universidade Federal de Campina Grande.

3.
OLIVEIRA, D.; GARCIA, V. C.; MACIEL, R. S. P.. Participação em banca de Milton Secundino de Souza Junior. RA-LONGWisE: Uma Arquitetura de Referência para Suporte à Execução de Workflows de Longa Duração. 2016. Exame de qualificação (Doutorando em Ciências da Computação) - Universidade Federal de Pernambuco.

4.
BRAGANHOLO, V.; MURTA, L.; MATTOSO, M.; MISSIER, P.; OLIVEIRA, D.. Participação em banca de João Felipe Nicolaci Pimentel. Capturing, Managing and Analyzing Provenance from Scripts. 2016. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

5.
ESTRELLA, J. C.; MADEIRA, E.; SOUZA, P. S. L.; OLIVEIRA, D.. Participação em banca de Henrique Yoshikazu Shishido. Escalonamento de tarefas de workflow na nuvem baseado em restrições de segurança. 2016. Exame de qualificação (Doutorando em Ciencia da Computacao) - Universidade de São Paulo.

6.
PIRES, C. E. S.; SALGADO, A. C.; OLIVEIRA, D.; BRITO, A.. Participação em banca de Demetrio Gomes Mestre. Paralelização Eficiente de Métodos de Indexação Adaptativa e Incremental para Resolução de Entidades. 2016. Exame de qualificação (Doutorando em Pós-Graduação em Ciência da Computação) - Universidade Federal de Campina Grande.

7.
OLIVEIRA, D.; GOMES, A. T. A.; ZIVIANI, A.. Participação em banca de Daniel Gaspar Gonçalves de Souza. Optimal Execution of Scientific Workflows in In-Memory Dataflow Frameworks. 2016. Exame de qualificação (Doutorando em Modelagem Computacional) - Laboratório Nacional de Computação Científica.

8.
REBELLO, E. F. V.; BOERES, C.; SCHULZE, B. R.; RODRIGUEZ, N. L. R.; OLIVEIRA, D.. Participação em banca de Henrique de Medeiros Klôh. Metaescalonamento de Aplicações Paralelas com um Tempo Alvo em Ambientes Colaborativos e Compartilhados. 2015. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

9.
BRAGANHOLO, V.; OLIVEIRA, D.; MATTOSO, M.; PLASTINO, A.. Participação em banca de Wellington Moreira de Oliveira. An Approach for Multi-Source Provenance Analytics. 2015. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

10.
MATTOSO, M.; VALDURIEZ, P.; WERNER, C.; PORTO, F.; OLIVEIRA, D.. Participação em banca de Vítor Silva Sousa. Análise de Dados Científicos Sobre Múltiplos Arquivos ao Longo da Geração dos Dados. 2015. Exame de qualificação (Doutorando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

11.
DRUMMOND, L. M. A.; ALBUQUERQUE, C. V. N.; OLIVEIRA, D.; BARBOSA, V. C.. Participação em banca de Ubiratam Carvalho de Paula Junior. Uma Nova Abordagem para Detecção e Tratamento de Flash Crowds em Sistemas Distribuídos. 2014. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

12.
MATTOSO, M.; XEXEO, G.; MURTA, L.; OLIVEIRA, D. C. M.. Participação em banca de Ary Henrique Morais de Oliveira. Reprodutibilidade de Experimentos Científicos Através da Tecnologia de Computação em Nuvem e Proveniência Retrospectiva. 2013. Exame de qualificação (Doutorando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Trabalhos de conclusão de curso de graduação
1.
KOWADA, L. A. B.; MURTA, L.; OLIVEIRA, D.. Participação em banca de Tadeu Moreira Oliveira.Uma Aplicação Descentralizada, Autônoma e Transparente para Prover Viagens em Transportes Coletivos. 2019. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

2.
ALMEIDA, V. T.; COSTA, L. C.; OLIVEIRA, D.. Participação em banca de Raphael Quintanilha dos Santos e Diogo de Almeida Souza.Aumento de eficiência em escalonamento de processos de grande porte através do compartilhamento de nós e balanceadores de carga. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

3.
MONTENEGRO, A. A.; PAES, A.; OLIVEIRA, D.. Participação em banca de Filipe Coimbra Cavalcante.Aplicativo híbrido para desenvolvimento de ouvido absoluto. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

4.
MURTA, L.; KOHWALTER, T.; PIMENTEL, J. F.; OLIVEIRA, D.. Participação em banca de Vynicius Morais Pontes.Reducing the Storage Overhead of the noWorkflow Content Database by using Git. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

5.
OLIVEIRA, D.; PAES, A.; DRUMMOND, L. M. A.; BERNARDINI, F. C.; SILVA, V.. Participação em banca de Victor Olimpio dos Santos Silva.WorkflowSim4RL - Escalonamento de Workflows de Larga-escala em Nuvens de Computadores com uso de Aprendizado por Reforço. 2018. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

6.
BRAGANHOLO, V.; NASCIMENTO, A. P.; OLIVEIRA, D.. Participação em banca de Daniel Prett Campagna.Análise do Impacto da Lei de Cotas de 2012 no Desempenho e nos Índices de Evasão das Primeiras Turmas de 2013 dos Cursos da UFF. 2018. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

7.
OLIVEIRA, D.; VIEIRA, B. L.; ROSSETI, I.. Participação em banca de Bruno Alves Hilario.Comparação entre Abordagens para Otimização Automática de Workflows Intensivos em Dados. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

8.
OLIVEIRA, D.; PAES, A.; LAGE, M.. Participação em banca de Ricardo José C. Júnior.Uma ferramenta para extração e análise de páginas web por meio de web scraping. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

9.
PAES, A.; LAGE, M.; OLIVEIRA, D.. Participação em banca de Caio de Souza e Silva.Publicação de experimentos científicos em plataformas de dados abertos. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

10.
PAES, A.; MANN, P.; BERNARDINI, F. C.; OLIVEIRA, D.. Participação em banca de Marco Antonio de Carvalho Bonetti.Received your letter: análise das cartas de Van Gogh por meio de aprendizado de máquina. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

11.
VITERBO, J.; ALMEIDA, V. T.; OLIVEIRA, D.. Participação em banca de Carlos Marins e Luiz Felipe Mendes.Analisando o Desempenho de Microsserviços Implementados Através da Decomposição Parcial de Sistemas Monolíticos. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

12.
KALINOWSKI, M.; MAGDALENO, A. M.; OLIVEIRA, D.. Participação em banca de Lorena Teixeira da Costa.Sistema de Apoio para a Geração de Planos de Medição de Software. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

13.
VITERBO, J.; KALINOWSKI, M.; OLIVEIRA, D.. Participação em banca de Juan Diniz Magalhães e Polliana Machado Pires da Silva.Uma Análise Comparativa de Ferramentas de ERP Baseadas em Código Livre para Uso em Pequenas e Médias Empresas. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

14.
PAES, A.; OLIVEIRA, D.; OCAÑA, K.; PLASTINO, A.. Participação em banca de Daniel Pinheiro da Silva Junior.Uma ferramenta de apoio a deteção de falhas e recomendação de parâmetros em workflows científicos com o uso de mineração de dados. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

15.
OLIVEIRA, D.; PAES, A.; OCAÑA, K.; VITERBO, J.. Participação em banca de Rafael Ferreira Ramalho.Aplicação de Técnicas de Mineração de Dados para Prevenção de Erros na Geração de Árvores Filogenéticas. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

16.
PAES, A.; OLIVEIRA, D.; VITERBO, J.; LEME, L. A. P. P.. Participação em banca de Bernardo Costa Amaral.Análise do Perfil de Eleitores Brasileiros com Mineração de Dados Abertos Governamentais. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

17.
PAES, A.; OLIVEIRA, D.; BOERES, C.; DRUMMOND, L. M. A.. Participação em banca de Marcelo Andrade Rodrigues d'Almeida.Aprendizado por Reforço para o Escalonamento de Tarefas em Ambientes de Computação em Nuvem. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

18.
PAES, A.; OLIVEIRA, D.; ROSSETI, I.; SILVEIRA, O.. Participação em banca de Paulo Roberto Mann Marques Junior.Detecção de Transtorno de Personalidade Narcisista a partir de Tweets: um estudo preliminar. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

19.
PAES, A.; PLASTINO, A.; OLIVEIRA, D.. Participação em banca de Lucas Pinheiro Paim.Predição de Falhas em Sistemas Abertos de Requisição de Software. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

20.
OLIVEIRA, D.; PAES, A.; VIEIRA, B. L.. Participação em banca de Frederico Queiroz.Análise de Desempenho Esportivo Baseado em Dados Estatísticos. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

21.
OLIVEIRA, D.; MONTENEGRO, A. A.; SILVA, VITOR. Participação em banca de Lucas Carreiro Pinheiro.Um Sistema para Instanciação de Máquinas Virtuais em Múltiplos Provedores de Nuvem:. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

22.
OLIVEIRA, D.; COSTA, L. C.; VITERBO, J.. Participação em banca de Lucas Bertelli Martins.Modelagem de um Data Mart para os Telescópios de Múons Tupi. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

23.
PAES, A.; MONTENEGRO, A. A.; OLIVEIRA, D.. Participação em banca de Artur Miranda Guimarães.Sistema de Crowdsourcing Aberto de Coleta de Dados de Crimes Urbanos. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

24.
OLIVEIRA, D.; PAES, A.; VIEIRA, B. L.. Participação em banca de Mariana Teixeira Carvalho.Uma Abordagem para Busca de Padrões de Explosões Solares nos Dados dos Telescópios Tupi. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

25.
OLIVEIRA, D.; PAES, A.; VITERBO, J.. Participação em banca de Luciano da Silva Nascimento e Rômulo Pereira Soares da Silva.Uma Análise de Dados de Suicídio no Brasil. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

26.
OLIVEIRA, D.; LAGE, M.; BRAGANHOLO, V.. Participação em banca de Monique Ferreira Moledo.Sistema de visualização de Big Data para doenças transmitidas pelo mosquito Aedes Aegypti. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

27.
OLIVEIRA, D.; VIEIRA, B. L.; COSTA, L. C.. Participação em banca de Fabrizio Soares Di Biase Moura e Guilherme de Souza Silva.Uma Proposta de Sistema para Controle de Trabalhos de Conclusão de Curso do IC/UFF. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

28.
OLIVEIRA, D.; KALINOWSKI, M.; MONTEIRO, R. S.. Participação em banca de Rodrigo Nunes Laigner.Desenvolvimento de Sistemas Big Data: Um Mapeamento Sistemático da Literatura. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

29.
KALINOWSKI, M.; ALMEIDA, V. T.; OLIVEIRA, D.. Participação em banca de Leonardo Gargano e José Matheus Vianna Terra.Análise e visualização de dados de portais da transparência. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

30.
PAES, A.; MONTENEGRO, A. A.; OLIVEIRA, D.. Participação em banca de Thadeu José Caldas Neves.Um framework para criação de text adventures. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

31.
OLIVEIRA, D.; PAES, A.; KALINOWSKI, M.. Participação em banca de Pedro Develly e Luiz Felipe Tavares.Ágora: Sistema de Apoio a Gerência de Projetos de Workflows Científicos Baseado no SCRUM. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

32.
OLIVEIRA, D.; OCAÑA, K.; MURTA, L.. Participação em banca de Leonardo Sousa Lima Ramos.Um Sistema de Informação para Gerência de Projetos Científicos baseados em Simulações Computacionais. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

33.
OLIVEIRA, D.; MONTENEGRO, A. A.; OCAÑA, K.. Participação em banca de Daniel Rossi Marinho.Uma Interface Orientada a Relações para um Sistema de Gerência de Workflows Científico. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

34.
OLIVEIRA, D.; SALGADO, L. C. C.; FERNANDES, L. A. F.; ROSSETI, I.. Participação em banca de Gisele Freitas Pereira e Maximiano Pereira.SCAC: Sistema de Acompanhamento de Atividades Complementares. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

35.
OLIVEIRA, D.; PAES, A.; COSTA, L. C.. Participação em banca de Jorcyane Lima.Fatores Humanos no Levantamento de Requisitos. 2016. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

36.
OLIVEIRA, D.; PAES, A.; OCAÑA, KARY. Participação em banca de Fabiane Lucas da Silva e Felipe Lima.Um Sistema Colaborativo para Análise de Dados de Proveniência Baseado em Redes Sociais. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

37.
OLIVEIRA, D.; KALINOWSKI, M.; MAGDALENO, A. M.. Participação em banca de Lucas Tito e Alexandre Estabanez.Técnicas de Negociação de Requisitos: Uma revisão Quasi-sistemática. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

38.
OLIVEIRA, D.; BRAGANHOLO, V.; PAES, A.; OCAÑA, K.. Participação em banca de Gustavo Tallarida Serra Pereira.Gerência de Dados de Proveniência em Bancos de Dados Probabilísticos. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

39.
OLIVEIRA, D.; OCAÑA, K.; PAES, A.. Participação em banca de Filipe Tadeu Santiago.Uma Abordagem para Verificação de Reprodutibilidade em Experimentos Científicos. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

40.
REBELLO, E. F. V.; NASCIMENTO, A. P.; OLIVEIRA, D.. Participação em banca de Roberto Martelo Marins e Luiz Felipe Pessanha.Plataforma de analises semi-automatizadas de vulnerabilidades em aplicações web. 2015. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

41.
OCAÑA, K.; PAES, A.; OLIVEIRA, D.. Participação em banca de Bruno Conti Quevedo e Carlos Maciel da Silva.Aplicação de Metodologias Ágeis no Ambiente Científico. 2015. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

42.
OCAÑA, K.; LIMA, A. A. B.; OLIVEIRA, D.. Participação em banca de Lygia Marina Mendes da Costa.Avaliação dos Dados de Domínio de Análises Filogenéticas por Meio de Workflows Científicos e Mineração de Dados. 2015. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação e Informação) - Universidade Federal do Rio de Janeiro.

43.
PAES, A.; OLIVEIRA, D.; DRUMMOND, L. M. A.; LOPES, B. V.. Participação em banca de Gisele Domingos Alves e Pedro Henrique Ribeiro da Silva.Uma Abordagem para Execução de Processos na Nuvem Usando Aprendizado por Reforço. 2015. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

44.
MONTENEGRO, A. A.; PAES, A.; OLIVEIRA, D.. Participação em banca de Carlos Henrique Carvalho da Silva.CarSys-Beleza Ferramenta de Gerenciamento para Salões de Beleza. 2015. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

45.
OLIVEIRA, D.; PAES, A.; OCAÑA, K.; BRAGANHOLO, V.. Participação em banca de Renan Vinagre Câmara.SPC-Wf Sistema de Predição de Comportamento de Workflows. 2015. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

46.
OLIVEIRA, D.; BRAGANHOLO, V.; CLUA, E.; OCAÑA, K.. Participação em banca de Guilherme Costa Velho Miranda e João Augusto B. V. de Souza.CollabCumulus: um Sistema Colaborativo para Análise de Dados de Proveniência. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

47.
OLIVEIRA, D.; BRAGANHOLO, V.; OCAÑA, K.. Participação em banca de Carlos Filipe M.Teixeira Junior e Guilherme Rangel Ferreira.Uma Comparação entre SGBD's Relacionais e NoSQL para Dados de Proveniência em Workflows Científicos. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

48.
BOKEHI, J. R.; THOME, L. F.; OLIVEIRA, D.. Participação em banca de Felipe Gonçalves Maia Garcia e Robson Morais Santos.MongoDB: Conceitos e paradigmas do banco de dados não-relacional. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

49.
OLIVEIRA, D.; GUERRA, R.; RIBEIRO, C. A. S.. Participação em banca de Walanem Figueiredo.Um Estudo sobre a Plataforma Android. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

50.
OLIVEIRA, D.; OCAÑA, K.; MONTEIRO, R. S.. Participação em banca de Lucas Amorim Rossi Carvalho.Modelagem de um Data Warehouse para Dados de Proveniência em Workflows Científicos. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

51.
OLIVEIRA, D.; MONTENEGRO, A. A.; COSTA, L. C.. Participação em banca de Guilherme Alves e Paulo Henrique Ouverney Bastos.Um Modelo de Arquitetura Utilizando o Protocolo WebSocket para Prover um Serviço RESTFUL para Sistemas em Tempo Real. 2014. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

52.
PAES, A.; VITERBO, J.; OLIVEIRA, D.. Participação em banca de Rafael Grillo Abreu.BigSEO - Dados Além do HTML. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

53.
DRUMMOND, L. M. A.; REBELLO, E. F. V.; OLIVEIRA, D.. Participação em banca de Leonardo Araújo de Jesus.Análise de Comportamento do Ambiente em Nuvem para Computação de Alto Desempenho. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

54.
LAGE, M.; PAES, A.; OLIVEIRA, D.. Participação em banca de Marcelo A. C. Pinto e Vinicius de O. Henriques.Visualização dos dados das linhas de ônibus na cidade do Rio de Janeiro. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

55.
MATTOSO, M.; OLIVEIRA, D. C. M.; COUTINHO, A.; OCAÑA, K.. Participação em banca de Felipe Figueira Horta.Prov-Vis: Visualização de Dados de Experimentos em Larga Escala Por meio de Proveniênci. 2013. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação e Informação) - Universidade Federal do Rio de Janeiro.

56.
MURTA, L.; BRAGANHOLO, V.; ALBUQUERQUE, C. V. N.; OLIVEIRA, D. C. M.. Participação em banca de Bruno de Pinho Schettino.SAPOS2 - Gerência de Programa de Pós-graduação. 2013. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

57.
MATTOSO, M.; LIMA, A. A. B.; OCAÑA, K.; OLIVEIRA, D.. Participação em banca de Silvia Benza Bareiro.Avaliação de Desempenho de Análises de Ancoragem Molecular em Nuvens de Computadores por meio de Workflows Científicos. 2013. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação e Informação) - Universidade Federal do Rio de Janeiro.

58.
OLIVEIRA, D. C. M.; ARÊAS, M.; SEMAAN, G. Participação em banca de Deullysses Dael e Adeilson Nascimento.Estudo de Políticas de Escalonamento de Aplicações Científicas em Nuvens. 2012. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Centro Universitário Plínio Leite.

59.
OLIVEIRA, D. C. M.; SEMAAN, G; ARÊAS, M.. Participação em banca de John Mavellin e Bruno Cruz.Proposta de ferramenta para tradução da linguagem de banco de dados tradicionais para NoSQL. 2012. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Centro Universitário Plínio Leite.

60.
ARÊAS, M.; OLIVEIRA, D. C. M.; SEMAAN, G; MUNHOZ, P. L. A.. Participação em banca de Leonardo Mendonça e Juliano Rodrigues.Implantação de Centrais Telefônicas IP com Redução de Custo. 2012. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Centro Universitário Plínio Leite.

61.
MAURO, R.; BEZERRA, E.; OLIVEIRA, D. C. M.. Participação em banca de Diogo Pires, Nilton Gomes e Rodney Porto.Desenvolvimento e Implantação de Data Warehouse em Empresa Prestadora de Plano de Saúde. 2012. Trabalho de Conclusão de Curso (Graduação em Tecnologia em Sistemas para Internet) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca.

62.
MATTOSO, M.; OGASAWARA, E.; COUTINHO, A.; OLIVEIRA, D. C. M.. Participação em banca de Fernando Seabra Chirigati.Avaliação de Desempenho de Experimentos Científicos em Ambientes de Processamento de Alto Desempenho. 2011. Trabalho de Conclusão de Curso (Graduação em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

63.
MATTOSO, M.; OGASAWARA, E.; OLIVEIRA, D. C. M.; COUTINHO, A.. Participação em banca de Vítor Silva Sousa.SimiFlow: Uma Arquitetura para Agrupamento de Workflows por Similaridade. 2011. Trabalho de Conclusão de Curso (Graduação em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

64.
SOUSA, A. C. G.; OLIVEIRA, D. C. M.; CAVALCANTI, M. C. B.. Participação em banca de Thiago Castelló Fonseca.Bússola Médica ? Sistema de Gerenciamento de Carteiras de Saúde. 2010. Trabalho de Conclusão de Curso (Graduação em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

65.
MATTOSO, M.; CRUZ, S. M. S.; LIMA, A. A. B.; OLIVEIRA, D. C. M.. Participação em banca de Alexandre de Oliveira Ribeiro.VTPortal ? Portal de Gestão de Workflows Científicos. 2010. Trabalho de Conclusão de Curso (Graduação em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.



Participação em bancas de comissões julgadoras
Concurso público
1.
ROSSETI, I.; LAGE, M.; OLIVEIRA, D.. Professor Substituto em nível de Assistente. 2014. Universidade Federal Fluminense.

2.
BERNARDINI, F. C.; SANTOS, M. T. P.; BAIAO, F.; FIGUEIREDO, J. M.; OLIVEIRA, D.. Professor Doutor. 2013. Universidade Federal Fluminense.



Eventos



Participação em eventos, congressos, exposições e feiras
1.
Workflows in Support of Large-Scale Science Workshop (WORKS), in conjunction with IEEE/ACM SuperComputing. A Practical Roadmap for Provenance Capture and Data Analysis in Spark-based Scientific Workflows. 2018. (Congresso).

2.
2nd Workshop on Many-Task Computing on Grids and Supercomputers.Exploring Many Task Computing in Scientific Workflows. 2009. (Outra).

3.
IEEE 2009 Third International Workshop on Scientific Workflows (SWF 2009). IEEE 2009 Third International Workshop on Scientific Workflows (SWF 2009). 2009. (Congresso).

4.
IEEE e-Science Conference. Using Ontologies to Provide Different Levels of Abstraction in Scientific Workflows. 2009. (Congresso).

5.
III e-Science workshop - XXIV SBBD & XXIII SBES.Uma Abordagem Semântica para Linhas de Experimentos Científicos Usando Ontologias. 2009. (Seminário).

6.
I Seminário de Pesquisa em Ontologia no Brasil.MF-Ontology: uma ontologia para o processo de mineração de textos. 2008. (Seminário).

7.
Sessão de Posteres do Simpósio Brasileiro de Banco de Dados.MiningFlow: Adding Semantics to Text Mining Workflows. 2007. (Simpósio).

8.
XXIV Jornada de Inciação Científica - UFRJ.Monitoramento Cardíaco Ubíquo. 2002. (Outra).


Organização de eventos, congressos, exposições e feiras
1.
OLIVEIRA, D.; OGASAWARA, E. . XIII Brazilian eScience Workshop. 2019. (Congresso).

2.
KOWADA, L. A. B. ; OLIVEIRA, D. . Brazilian Symposium on Bioinformatics. 2018. (Congresso).

3.
OLIVEIRA, D.. Sessão de Demos do XXXII Simpósio Brasileiro de Banco de Dados. 2017. (Congresso).

4.
OLIVEIRA, D.; MEIRA JR., W. . WPerformance - XV Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2016. (Congresso).

5.
OLIVEIRA, D.; GOMES, A. T. A. . BreSci - VIII Brazilian e-Science workshop. 2014. (Congresso).



Orientações



Orientações e supervisões em andamento
Dissertação de mestrado
1.
Lucas Bertelli Martins. Data Lakes. Início: 2019. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (Orientador).

2.
Yan Mendes. Análise de Proveniência com Bancos de Dados Polystore. Início: 2018. Dissertação (Mestrado em Modelagem Computacional) - Universidade Federal de Juiz de Fora. (Coorientador).

3.
Kid Yonatan Valeriano Valdez. Mineração de Dados Eleitorais. Início: 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (Orientador).

4.
Daniel Pinheiro da Silva Junior. Recomendação de Workflows. Início: 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (Coorientador).

5.
Lucas de Souza Tito. Integração de Dados Biológicos. Início: 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense. (Orientador).

6.
Filipe Tadeu Santiago da Silva. Escalonamento de Workflows. Início: 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (Orientador).

7.
Carlos Gracioli Neto. Requisitos de Software. Início: 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense. (Orientador).

8.
Leonardo Sousa Lima Ramos. Gerência de Experimentos Científicos. Início: 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense. (Orientador).

Tese de doutorado
1.
Maria Luiza Furtuozo Falci. Proveniência de Dados. Início: 2019. Tese (Doutorado em Computação) - Universidade Federal Fluminense. (Orientador).

2.
Luiz Gustavo Dias. Apoio Semântico a Workflows Científicos. Início: 2018. Tese (Doutorado em Computação) - Universidade Federal Fluminense. (Orientador).

3.
Claudio Vasconcelos Ribeiro. Proveniência e Séries Temporais. Início: 2018. Tese (Doutorado em Computação) - Universidade Federal Fluminense. (Orientador).

Trabalho de conclusão de curso de graduação
1.
Rodrigo Marins Esteves. Sistema de Consultas a Dados dos Telescópios Tupi. Início: 2018. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense. (Orientador).


Orientações e supervisões concluídas
Dissertação de mestrado
1.
Marcello Willians Messina Ribeiro. Processamento Paralelo de Consultas OLAP em Nuvens de Computadores com C-ParGRES. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, . Orientador: Daniel Cardoso Moraes de Oliveira.

2.
André Luís da Costa Nascimento. Uma Estratégia de Escalonamento baseada em Aprendizado por Reforço para Workflows Científicos em Nuvens de Computadores. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, . Orientador: Daniel Cardoso Moraes de Oliveira.

3.
Thaylon Guedes Santos. Análise e Captura de Dados de Proveniência no Apache Spark. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Daniel Cardoso Moraes de Oliveira.

4.
Hugo Arraes Henley. PRELUDE: uma Arquitetura para Análise de Evasão no Ensino Superior por meio de Aprendizado de Máquina Relacional. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, . Orientador: Daniel Cardoso Moraes de Oliveira.

5.
Augusto Consulmagnos Romeiro. SciAgile: Uma Abordagem Ágil em Processos de Experimentação Científica. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Daniel Cardoso Moraes de Oliveira.

6.
Leonardo Araújo de Jesus. Tolerância a Falhas em Workflows Científicos Executados em Nuvens Computacionais. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Coorientador: Daniel Cardoso Moraes de Oliveira.

7.
Igor Barreto Rodrigues. Uma Abordagem Hierárquica para Escalonamento de Atividades de Workflows Científicos Executados em Nuvens de Computadores. 2016. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Daniel Cardoso Moraes de Oliveira.

8.
Lidson Barbosa Jacob. Spielzyklus: Identificando Padrões de Ciclos em Dados de Proveniência Extraídos de Forma não Intrusiva. 2015. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, . Orientador: Daniel Cardoso Moraes de Oliveira.

9.
Rainier Augusto Ferreira Sales. Aplicação de NPC Afetivo em Jogos de Simulação. 2014. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Daniel Cardoso Moraes de Oliveira.

10.
Vítor Silva Sousa. Uma Estratégia de Execução Paralela Adaptável de Workflows Científicos. 2014. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Coorientador: Daniel Cardoso Moraes de Oliveira.

Tese de doutorado
1.
Vítor Silva Sousa. Análise de Dados Científicos sobre Múltiplas Fontes de Dados ao Longo da Execução de Simulações Computacionais. 2018. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Daniel Cardoso Moraes de Oliveira.

2.
Wellington Moreira de Oliveira. Integrated Analysis of Heterogeneous Provenance Graphs. 2018. Tese (Doutorado em Pós-Graduação em Computação da UFF) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Coorientador: Daniel Cardoso Moraes de Oliveira.

3.
Douglas Ericson Marcelino de Oliveira. Otimização da Execução de Workflows Intensivos de Dados em Frameworks MapReduce. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense, . Orientador: Daniel Cardoso Moraes de Oliveira.

4.
Flavio da Silva Costa. Uma Proposta de Arquitetura Distribuída e Adaptativa para Gerência dos Dados de Proveniência de Experimentos Científicos Executados em Nuvens Computacionais. 2016. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, . Coorientador: Daniel Cardoso Moraes de Oliveira.

5.
Ary Henrique Morais de Oliveira. Reprodução de Experimentos Computacionais na Infraestrutura de Computação em Nuvem. 2015. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, . Coorientador: Daniel Cardoso Moraes de Oliveira.

Trabalho de conclusão de curso de graduação
1.
Bruno Alves Hilario. Comparação entre Abordagens para Otimização Automática de Workflows Intensivos em Dados. 2018. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

2.
Victor Olimpio dos Santos Silva. WorkflowSim4RL - Escalonamento de Workflows de Larga-escala em Nuvens de Computadores com uso de Aprendizado por Reforç. 2018. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

3.
Ricardo Jose Conceição Junior. Uma ferramenta para extração e análise de páginas web por meio de web scraping. 2018. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

4.
Caio de Souza e Silva. Publicação de experimentos científicos em plataformas de dados abertos. 2018. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

5.
Rafael Ferreira Ramalho. Aplicação de Técnicas de Mineração de Dados para Prevenção de Erros na Geração de Árvores Filogenéticas. 2017. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

6.
Daniel Pinheiro da Silva Junior. Uma ferramenta de apoio a deteção de falhas e recomendação de parâmetros em workflows científicos com o uso de mineração de dados. 2017. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

7.
Marcelo Andrade Rodrigues d'Almeida. Reforço para o Escalonamento de Tarefas em Ambientes de Computação em Nuvem. 2017. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

8.
Bernardo Costa Amaral. Análise do Perfil de Eleitores Brasileiros com Mineração de Dados Abertos Governamentais. 2017. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

9.
Paulo Roberto Mann Marques Junior. Detecção de Transtorno de Personalidade Narcisista a partir de Tweets: um estudo preliminar. 2017. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

10.
Frederico Queiroz. Análise de Desempenho Esportivo Baseado em Dados Estatísticos. 2017. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

11.
Artur Miranda Guimarães. Sistema de Crowdsourcing Aberto de Coleta de Dados de Crimes Urbanos. 2017. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

12.
Lucas Carreiro Pinheiro. Um Sistema de Instanciação de Máquinas Virtuais em Múltiplos Provedores de Nuvem. 2017. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

13.
Lucas Bertelli Martins. Modelagem de um Data Mart para os Telescópios de Múons Tupi. 2017. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

14.
Monique Ferreira Moledo. Sistema de visualização de Big Data para doenças transmitidas pelo mosquito Aedes Aegypti. 2017. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

15.
Mariana Teixeira Carvalho. Uma Abordagem para Busca de Padrões de Explosões Solares nos Dados dos Telescópios Tupi. 2017. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

16.
Luciano da Silva Nascimento e Rômulo Pereira Soares da Silva. Uma Análise de Dados de Suicídio no Brasil. 2017. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

17.
Fabrizio Soares Di Biase Moura e Guilherme de Souza Silva. Uma Proposta de Sistema para Controle de Trabalhos de Conclusão de Curso do IC/UFF. 2017. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

18.
Leonardo Sousa Lima Ramos. Um Sistema de Informação para Gerência de Projetos Científicos baseados em Simulações Computacionais. 2016. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

19.
Filipe Tadeu Santiago. Uma Abordagem para Verificação de Reprodutibilidade em Experimentos Científicos. 2016. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

20.
Daniel Rossi Marinho. Uma Interface Orientada a Relações para um Sistema de Gerência de Workflows Científico. 2016. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

21.
Pedro Develly e Luiz Felipe Tavares. Ágora: Sistema de Apoio a Gerência de Projetos de Workflows Científicos Baseado no SCRUM. 2016. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

22.
Gisele Freitas Pereira e Maximiano Pereira. SCAC: Sistema de Acompanhamento de Atividades Complementares. 2016. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

23.
Fabiane Lucas e Felipe Lima. Um Sistema Colaborativo para Análise de Dados de Proveniência Baseado em Redes Sociais. 2016. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

24.
Jorcyane Lima. Fatores Humanos no Levantamento de Requisitos. 2016. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

25.
Carlos Maciel da Silva. Aplicação de Metologias Ágeis no Ambiente Científico. 2015. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

26.
Renan Vinagre Câmara. SPC-Wf Sistema de Predição de Comportamento de Workflows. 2015. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

27.
Bruno Conti Quevedo. Aplicação de Metodologias Ágeis no Ambiente Científico. 2015. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

28.
Gisele Alves e Pedro Silva. Uma Abordagem para Execução de Processos na Nuvem Usando Aprendizado por Reforço. 2015. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

29.
Lucas Amorim Rossi Carvalho. Modelagem de um Data Warehouse para Dados de Proveniência em Workflows Científicos. 2014. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

30.
Carlos Filipe Marques Teixeira Junior. Uma Comparação entre SGBD's Relacionais e NoSQL para Dados de Proveniência em Workflows Científicos. 2014. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

31.
Guilherme Rangel Ferreira. Uma Comparação entre SGBD's Relacionais e NoSQL para Dados de Proveniência em Workflows Científicos. 2014. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

32.
Guilherme Costa Velho Miranda. CollabCumulus: um Sistema Colaborativo para Análise de Dados de Proveniência. 2014. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

33.
João Augusto B. V. de Souza. CollabCumulus: um Sistema Colaborativo para Análise de Dados de Proveniência. 2014. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

34.
Gustavo Tallarida Serra Pereira. Gerência de Dados de Proveniência em Bancos de Dados Probabilísticos. 2014. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

35.
Paulo Henrique Ouverney Bastos. Um Modelo de Arquitetura Utilizando o Protocolo WebSocket para Prover um Serviço RESTFUL para Sistemas em Tempo Real. 2014. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

36.
Guilherme Alves. Um Modelo de Arquitetura Utilizando o Protocolo WebSocket para Prover um Serviço RESTFUL para Sistemas em Tempo Real. 2014. Trabalho de Conclusão de Curso. (Graduação em Sistemas de Informação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

37.
Felipe Figueira Horta. Prov-Vis: Visualização de Dados de Experimentos em Larga Escala Por meio de Proveniênci. 2013. Trabalho de Conclusão de Curso. (Graduação em Engenharia de Computação e Informação) - Universidade Federal do Rio de Janeiro. Orientador: Daniel Cardoso Moraes de Oliveira.

38.
Juliano Oliveira e Leonardo Almeida. Implementação de uma Rede VoIP com Garantias de Qualidade. 2012. Trabalho de Conclusão de Curso. (Graduação em Bacharelado em Ciência da Computação) - Centro Universitário Plínio Leite. Orientador: Daniel Cardoso Moraes de Oliveira.

39.
Deullysses Dael e Adeilson Nascimento. Estudo de Políticas de Escalonamento de Aplicações em Nuvens. 2012. Trabalho de Conclusão de Curso. (Graduação em Bacharelado em Ciência da Computação) - Centro Universitário Plínio Leite. Orientador: Daniel Cardoso Moraes de Oliveira.

40.
John Mavellin e Bruno Cruz. Modelagem de Bancos de Dados em SGBD NoSQL. 2012. Trabalho de Conclusão de Curso. (Graduação em Bacharelado em Ciência da Computação) - Centro Universitário Plínio Leite. Orientador: Daniel Cardoso Moraes de Oliveira.

Iniciação científica
1.
Bernardo Costa Amaral. Algoritmos de Mineração de Dados em Problemas de Big Data. 2017. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

2.
Vítor Nascimento Lourenço. Aplicação de Mineração de Dados para Predição de Crimes na Cidade de Niterói. 2016. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal Fluminense, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Daniel Cardoso Moraes de Oliveira.

3.
Victor Olimpio dos Santos Silva. Aprendizado por Reforço. 2016. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

4.
Manuel Maria Baptista de Almeida. Uma Ferramenta para Mineração Multi-relacional de Redes Sociais Baseada em Programação Lógica e Workflows. 2013. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal Fluminense. Orientador: Daniel Cardoso Moraes de Oliveira.

5.
Thiago Della Libera Moreira. Desenvolvimento de Workflows de Astronomia. 2013. Iniciação Científica. (Graduando em Ciência da Computação) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca. Orientador: Daniel Cardoso Moraes de Oliveira.

6.
Arthur Vinicius Nascimento de Souza Santa Rita. Desenvolvimento de Workflows de Astronomia. 2013. Iniciação Científica. (Graduando em Ciência da Computação) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Daniel Cardoso Moraes de Oliveira.

7.
Cassio Gonçalves Holanda. Uma Interface para Captura de Conhecimento de Workflows Científicos. 2010. Iniciação Científica. (Graduando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Daniel Cardoso Moraes de Oliveira.

8.
Daniel Vega Simões. Paralelização de Workflows com MapReduce/Hadoop. 2010. Iniciação Científica. (Graduando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro. Orientador: Daniel Cardoso Moraes de Oliveira.

9.
Ricardo de Holanda Busquet. Gerência de experimentos científicos através de sistemas de workflows. 2010. Iniciação Científica. (Graduando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Daniel Cardoso Moraes de Oliveira.

10.
Pedro Henrique Cruz Caminha. Mecanismos de paralelismo em workflows científicos. 2010. Iniciação Científica. (Graduando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro. Orientador: Daniel Cardoso Moraes de Oliveira.

Orientações de outra natureza
1.
Tsiky Mamy Baptiste Adriamanantsoa. A Dynamic Interface for Workflow Composition in the Cloud. 2017. Orientação de outra natureza. (Computer Science) - Université Montpellier 2 - Sciences et Techniques. Orientador: Daniel Cardoso Moraes de Oliveira.



Inovação



Programa de computador registrado
1.
MATTOSO, M. ; OLIVEIRA, D. ; OGASAWARA, E. ; BARBOSA, C. E. . Hydra - Many Tasks Computing. 2011.
Patente: Programa de Computador. Número do registro: 115550, data de registro: 04/01/2011, título: "Hydra - Many Tasks Computing" , Instituição de registro: INPI - Instituto Nacional da Propriedade Industrial.


Outros projetos


Educação e Popularização de C & T



Programa de Computador registrado
1.
MATTOSO, M. ; OLIVEIRA, D. ; OGASAWARA, E. ; BARBOSA, C. E. . Hydra - Many Tasks Computing. 2011.
Patente: Programa de Computador. Número do registro: 115550, data de registro: 04/01/2011, título: "Hydra - Many Tasks Computing" , Instituição de registro: INPI - Instituto Nacional da Propriedade Industrial.



Outras informações relevantes


Apenas a lista de software relevantes foi apresentada.



Página gerada pelo Sistema Currículo Lattes em 17/02/2019 às 16:49:00