Roberto Alves Gueleri

  • Endereço para acessar este CV: http://lattes.cnpq.br/3707461114166032
  • Última atualização do currículo em 09/06/2017


Mestre em Ciências de Computação e Matemática Computacional (CCMC) pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP). Atualmente, realiza curso de doutorado em CCMC no mesmo instituto (ICMC-USP). Graduado em Ciências da Computação pela Universidade Estadual Paulista (UNESP), campus de Rio Claro. Atuou durante um ano e meio com desenvolvimento de software na empresa Cientistas Associados Desenvolvimento Tecnológico. Dentre seus interesses: aprendizado de máquina; sistemas dinâmicos coletivos (swarms e flocking); sistemas auto-organizáveis; representação do conhecimento. (Texto informado pelo autor)


Identificação


Nome
Roberto Alves Gueleri
Nome em citações bibliográficas
GUELERI, R. A.;R. A. Gueleri;GUELERI, ROBERTO ALVES;GUELERI, ROBERTO A.;GUELERI, ROBERTO


Formação acadêmica/titulação


2013
Doutorado em andamento em Ciências da Computação e Matemática Computacional.
Universidade de São Paulo, USP, Brasil.
Título: Desenvolvimento de técnicas de aprendizado semissupervisionado via sistemas dinâmicos coletivos,
Orientador: Zhao Liang.
Bolsista do(a): Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Brasil.
Palavras-chave: aprendizado semissupervisionado; aprendizado de máquina; comportamento coletivo ("swarms"); movimento coletivo ("flocking"); sistemas dinâmicos não-lineares; sistemas auto-organizáveis.
Grande área: Ciências Exatas e da Terra
2011 - 2013
Mestrado em Ciências da Computação e Matemática Computacional.
Universidade de São Paulo, USP, Brasil.
Título: Agrupamento de dados baseado em comportamento coletivo e auto-organização,Ano de Obtenção: 2013.
Orientador: Zhao Liang.
Bolsista do(a): Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Brasil.
Palavras-chave: agrupamento de dados; aprendizado semissupervisionado; aprendizado de máquina; comportamento coletivo ("swarms"); movimento coletivo ("flocking"); sistemas auto-organizáveis.
Grande área: Ciências Exatas e da Terra
2005 - 2008
Graduação em Bacharelado em Ciências da Computação.
Universidade Estadual Paulista - Campus de Rio Claro, UNESP, Brasil.
Título: Foram Finder: Desenvolvimento de um Sistema Computacional Baseado em Ontologias para Suporte à Identificação de Espécies de Foraminíferos de Manguezais e Marismas Brasileiros.
Orientador: Ivan Rizzo Guilherme / Décio Luis Semensatto Junior.
Bolsista do(a): Agência Nacional do Petróleo, ANP, Brasil.
1996 - 1999
Curso técnico/profissionalizante em Edificações.
Escola Técnica Estadual "Carlos de Campos", ETE, Brasil.
1996 - 1998
Curso técnico/profissionalizante em Mecânica Geral.
Escola Senai "A. Jacob Lafer", SENAI, Brasil.




Formação Complementar


2008 - 2008
Cursos de Verão 2008 do PRH-05. (Carga horária: 240h).
Universidade Estadual Paulista - Campus de Rio Claro, UNESP, Brasil.


Atuação Profissional



Universidade de São Paulo, USP, Brasil.
Vínculo institucional

2012 - 2012
Vínculo: Estagiário, Enquadramento Funcional: Estagiário, Carga horária: 6
Outras informações
Estágio supervisionado em docência, atividade do Programa de Aperfeiçoamento de Ensino (PAE), sob supervisão do Prof. Dr. Alneu de Andrade Lopes. Atuação na disciplina Introdução à Ciência da Computação, para o curso de Engenharia Elétrica.

Vínculo institucional

2012 - 2012
Vínculo: Estagiário, Enquadramento Funcional: Estagiário, Carga horária: 6
Outras informações
Estágio supervisionado em docência, atividade do Programa de Aperfeiçoamento de Ensino (PAE), sob supervisão do Prof. Dr. Alneu de Andrade Lopes. Atuação na disciplina Projeto de Algoritmos, para os cursos de Matemática e de Matemática Aplicada e Computação Científica.

Vínculo institucional

2011 - 2011
Vínculo: Estagiário, Enquadramento Funcional: Estagiário, Carga horária: 6
Outras informações
Estágio supervisionado em docência, atividade do Programa de Aperfeiçoamento de Ensino (PAE), sob supervisão do Prof. Dr. Alneu de Andrade Lopes. Atuação na disciplina Projeto de Algoritmos, para os cursos de Matemática e de Matemática Aplicada e Computação Científica.


Cientistas Associados, CIENT. ASSOC., Brasil.
Vínculo institucional

2009 - 2010
Vínculo: Celetista formal, Enquadramento Funcional: Pesquisador Assistente, Carga horária: 40, Regime: Dedicação exclusiva.
Outras informações
Atuou com desenvolvimento de software. Dentre as atividades realizadas: bibliotecas para controle e simulação de robôs móveis; software para geração de mapas urbanos; software para alocação automática de turmas em salas de aula numa universidade. Dentre as tecnologias empregadas: ambientes Windows e Linux; linguagens C/C++, C# e Java; IDEs VisualStudio, Eclipse e NetBeans; modelagem UML; Microsoft Robotics Developer Studio; MapInfo e sua linguagem MapBasic; SGBD PostgreSQL.


Universidade Estadual Paulista - Campus de Rio Claro, UNESP, Brasil.
Vínculo institucional

2007 - 2008
Vínculo: Bolsista, Enquadramento Funcional: Bolsista de Iniciação Científica
Outras informações
Desenvolveu um trabalho de Iniciação Científica intitulado "Foram Finder: Desenvolvimento de um Sistema Computacional Baseado em Ontologias para Suporte à Identificação de Espécies de Foraminíferos de Manguezais e Marismas Brasileiros", sob orientação do Prof. Dr. Ivan Rizzo Guilherme e co-orientação do Dr. Décio Luis Semensatto Junior. Esse foi um trabalho integrante do Programa de Formação de Recursos Humanos em Geologia do Petróleo e Ciências Ambientais Aplicadas ao Setor de Petróleo & Gás e de Biocombustíveis (PRH-05), contando com o apoio financeiro da Agência Nacional do Petróleo (ANP).

Vínculo institucional

2006 - 2006
Vínculo: Bolsista, Enquadramento Funcional: Monitor, Carga horária: 10
Outras informações
Atuou como Monitor das disciplinas Introdução à Computação I e II, para o curso de Ciências da Computação. Conjuntamente, como parte deste trabalho, desenvolveu um projeto de estudo na área temática de Sistemas de Bancos de Dados, intitulado "Linguagem XML e Aplicações de Banco de Dados na Web", sob orientação do Prof. Farid Nourani. Este trabalho contou com a Bolsa de Apoio Acadêmico e Extensão III - Modalidade Monitoria.



Projetos de pesquisa


2013 - Atual
Desenvolvimento de técnicas de aprendizado semissupervisionado via sistemas dinâmicos coletivos
Descrição: O aprendizado de máquina consiste de conceitos e técnicas que permitem aos computadores melhorar seu desempenho com a experiência, ou, em outras palavras, "aprender" com dados. Uma das principais categorias do aprendizado de máquina é o aprendizado semissupervisionado, que consiste na classificação de dados em bases parcialmente rotuladas. Embora muito estudado, trata-se de um campo repleto de desafios e com muitos tópicos abertos. Sistemas dinâmicos coletivos, por sua vez, são sistemas constituídos por muitos indivíduos, cada qual um sistema dinâmico por si só, de modo que todos eles agem coletivamente, ou seja, a ação de cada indivíduo é influenciada pela ação dos vizinhos. Uma característica notável desses sistemas é que padrões globais podem surgir espontaneamente das interações locais entre os indivíduos, fenômeno conhecido como "emergência". Os desafios intrínsecos e a relevância do tema vêm motivando sua pesquisa em diversos ramos da ciência e da engenharia. Ao mesmo tempo, técnicas baseadas em sistemas dinâmicos coletivos já vêm sendo empregadas em tarefas do aprendizado de máquina, mostrando-se promissoras e ganhando bastante atenção. Neste projeto de pesquisa, objetiva-se desenvolver e analisar modelos dinâmicos coletivos para o aprendizado semissupervisionado. Em especial, propõe-se trabalhar modelos onde a movimentação de cada objeto é determinada pela localização e pela velocidade dos objetos vizinhos. Enquanto a localização captura a geometria presente nos dados, a velocidade permite a formação de padrões diversos durante a absorção dos dados não-rotulados pelos rotulados. Propõe-se, pois, combinar o modelo de localização com o modelo de velocidade, aproveitando as vantagens de cada um. Espera-se que o sistema dinâmico coletivo assim modelado convirja a um estado de equilíbrio em que o padrão formado pelos dados corresponda ao resultado da propagação de rótulos - tarefa do aprendizado semissupervisionado. Objetiva-se, também, realizar análise teórica e simulações numéricas sobre os modelos computacionais desenvolvidos, atividades que vêm sendo bastante exigidas, dado o estado da arte. Devido ao seu caráter dinâmico, espera-se que os modelos aqui desenvolvidos sejam robustos e capazes de descrever não só o resultado da propagação de rótulos, mas também o processo de propagação. Nesse processo, as informações geradas - valores das variáveis do sistema - são ricas e podem, além da propagação de rótulos, revelar características para realizar "soft labeling", determinar classes sobrepostas, e até evitar a propagação de rótulos errados..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Doutorado: (1) .
Integrantes: Roberto Alves Gueleri - Integrante / Zhao Liang - Coordenador.Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.
Número de produções C, T & A: 5
2011 - 2013
Agrupamento de dados baseado em comportamento coletivo e auto-organização

Projeto certificado pelo(a) coordenador(a) Zhao Liang em 19/02/2013.
Descrição: O aprendizado de máquina consiste de conceitos e técnicas que permitem aos computadores melhorar seu desempenho com a experiência, ou, em outras palavras, "aprender" com dados. Um dos principais tópicos do aprendizado de máquina é o agrupamento de dados que, como o nome sugere, procura agrupar os dados de acordo com sua similaridade. Apesar de sua definição relativamente simples, o agrupamento é uma tarefa computacionalmente complexa, tornando proibitivo o emprego de algoritmos exaustivos, na busca pela solução ótima do problema. A importância do agrupamento de dados, aliada aos seus desafios, faz desse campo um ambiente de intensa pesquisa. Também a classe de fenômenos naturais conhecida como comportamento coletivo tem despertado muito interesse. Isso decorre da observação de um estado organizado e global que surge espontaneamente das interações locais presentes em grandes grupos de indivíduos, caracterizando, pois, o que se chama auto-organização (ou "emergência", para ser mais preciso). Os desafios intrínsecos e a relevância do tema vêm motivando sua pesquisa em diversos ramos da ciência e da engenharia. Ao mesmo tempo, técnicas baseadas em comportamento coletivo vêm sendo empregadas em tarefas de aprendizado de máquina, mostrando-se promissoras e ganhando bastante atenção. Neste trabalho, objetiva-se o desenvolvimento de técnicas de agrupamento baseadas em comportamento coletivo. Faz-se cada item do conjunto de dados corresponder a um indivíduo, definem-se as leis de interação local, e então os indivíduos são colocados a interagir entre si, de modo que os padrões que surgem reflitam os padrões originalmente presentes no conjunto de dados. Abordagens baseadas em dinâmica de troca de energia são propostas. Os dados permanecem fixos em seu espaço de atributos, mas carregam certa informação (a "energia"), a qual é progressivamente trocada entre eles. Os grupos são estabelecidos entre dados que tomam estados de energia semelhantes. Este trabalho aborda também o aprendizado semissupervisionado, cuja tarefa é rotular dados em bases parcialmente rotuladas. Nesse caso, é adotada uma abordagem baseada na movimentação dos próprios dados pelo espaço de atributos. Procura-se, durante todo este trabalho, não apenas propor novas técnicas de aprendizado, mas principalmente, por meio de muitas simulações e ilustrações, mostrar como elas se comportam em diferentes cenários, num esforço em mostrar onde reside a vantagem de se utilizar a dinâmica coletiva na concepção dessas técnicas..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Mestrado acadêmico: (1) .
Integrantes: Roberto Alves Gueleri - Integrante / Zhao Liang - Coordenador.Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa.
Número de produções C, T & A: 10
2007 - 2008
Foram Finder: Desenvolvimento de um Sistema Computacional Baseado em Ontologias para Suporte à Identificação de Espécies de Foraminíferos de Manguezais e Marismas Brasileiros

Projeto certificado pelo(a) coordenador(a) Ivan Rizzo Guilherme em 27/08/2012.
Descrição: Foraminíferos são protozoários sarcodinos dotados de carapaça, ou teca (Ordem Foraminiferida Eichwald, 1830). Já na década de 20 surgiu interesse da indústria do petróleo pelos foraminíferos, sendo hoje em dia utilizados como a mais importante ferramenta bioestratigráfica e sendo também muito importantes nas Ciências Ambientais. Embora exista farta informação sobre a sistemática de foraminíferos, ela se encontra dispersa na literatura, dificultando consultas rápidas, eficientes e sistematizadas. Devido ao enorme crescimento da Web nos últimos anos, surge hoje a necessidade de uma melhoria no modo como documentos e aplicações são disponibilizados. A Web Semântica aparece com este propósito, consequentemente estendendo o poder da Web atual, atribuindo significado ao imenso volume de dados hoje existente. Com o advento desta Web Semântica, vem sendo muito incentivado o emprego de ontologias, estruturas capazes de representar o conhecimento de modo formalizado e padronizado. Ontologias permitem também a integração entre diversos domínios do conhecimento, aumentando o poder das aplicações que as utilizam. O presente trabalho visa então o desenvolvimento de um sistema computacional baseado em ontologias capaz de auxiliar a tarefa de identificação de espécies de foraminíferos..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) .
Integrantes: Roberto Alves Gueleri - Integrante / Ivan Rizzo Guilherme - Coordenador / Décio Luis Semensatto Junior - Integrante / Charles Nascimento Gomes - Integrante.Financiador(es): Agência Nacional do Petróleo - Bolsa.
Número de produções C, T & A: 10


Revisor de periódico


2011 - Atual
Periódico: IEEE Transactions on Neural Networks and Learning Systems
2014 - Atual
Periódico: Neural Networks


Áreas de atuação


1.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação.


Idiomas


Inglês
Compreende Razoavelmente, Fala Razoavelmente, Lê Bem, Escreve Razoavelmente.


Prêmios e títulos


2014
Segunda melhor dissertação de mestrado no "IX Concurso de Teses e Dissertações em Inteligência Artificial e Computacional - Brazilian Conference on Intelligent Systems (CTDIAC/BRACIS 2014)", Brazilian Conference on Intelligent Systems (BRACIS 2014).


Produções



Produção bibliográfica
Artigos completos publicados em periódicos

1.
CUPERTINO, THIAGO H.2013 CUPERTINO, THIAGO H. ; GUELERI, ROBERTO ; ZHAO, LIANG . A semi-supervised classification technique based on interacting forces. Neurocomputing (Amsterdam), v. 127, p. 43-51, 2013.

Trabalhos completos publicados em anais de congressos
1.
R. A. Gueleri; ZHAO, L. . Image segmentation via superpixels self-organized motion. In: 4th Symposium on Knowledge Discovery, Mining and Learning (KDMILE 2016), 2016, Recife, PE. Proceedings of the 4th Symposium on Knowledge Discovery, Mining and Learning (KDMILE 2016), 2016. p. 44-51.

2.
GUELERI, ROBERTO A.; CUPERTINO, THIAGO H. ; DE CARVALHO, ANDRE C.P.L.F. ; ZHAO, LIANG . A flocking-like technique to perform semi-supervised learning. In: 2014 International Joint Conference on Neural Networks (IJCNN), 2014, Beijing. 2014 International Joint Conference on Neural Networks (IJCNN). p. 1579-1586.

3.
GUELERI, R. A.; ZHAO, L. . Data clustering based on collective behavior and self-organization. In: IX Concurso de Teses e Dissertações em Inteligência Artificial e Computacional - Brazilian Conference on Intelligent Systems (CTDIAC/BRACIS 2014), 2014, São Carlos - SP. IX Concurso de Teses e Dissertações em Inteligência Artificial e Computacional (CTDIAC 2014), 2014.

4.
GUELERI, R. A.; ZHAO, L. . Data clustering based on collective behavior and self-organization. In: Workshop of Theses and Dissertations - XXVII SIBGRAPI Conference on Graphics, Patterns and Images (WTD/SIBGRAPI 2014), 2014, Rio de Janeiro - RJ. Workshop of Theses and Dissertations (WTD/SIBGRAPI 2014), 2014.

5.
GUELERI, ROBERTO ALVES; ZHAO, LIANG . An Energy Exchanging Mechanism for Data Clustering. In: 2012 Brazilian Symposium on Neural Networks (SBRN), 2012, Curitiba. 2012 Brazilian Symposium on Neural Networks. p. 31-36.

6.
GUELERI, R. A.; ZHAO, L. . Agrupamento de Dados baseado em Dinâmica de Troca de Energia. In: VIII Encontro Nacional de Inteligência Artificial (ENIA 2011) - XXXI Congresso da Sociedade Brasileira de Computação (CSBC 2011), 2011, Natal - RN. XXXI Congresso da Sociedade Brasileira de Computação, 2011. p. 418-429.

Resumos expandidos publicados em anais de congressos
1.
GUELERI, R. A.; GUILHERME, I. R. ; SEMENSATTO JUNIOR, D. L. ; PRADO, S. G. D. . Uma ontologia para o suporte na identificação de foraminíferos. In: Seminário de Pesquisa em Ontologia no Brasil, 2008, Niterói - RJ. Seminário de Pesquisa em Ontologia no Brasil, 2008.

2.
GUELERI, R. A.; GUILHERME, I. R. ; SEMENSATTO JUNIOR, D. L. . Foram Finder: Sistema Computacional para Suporte à Identificação de Foraminíferos de Manguezais e Marismas Brasileiros. In: Reunião de Avaliação Anual 2008 - PRH/ANP, 2008, Campos do Jordão - SP. Reunião de Avaliação Anual 2008 - PRH/ANP, 2008.

3.
GUELERI, R. A.; GUILHERME, I. R. ; SEMENSATTO JUNIOR, D. L. . Aplicação de Ontologias em um Sistema Computacional para Suporte à Identificação de Foraminíferos. In: XX Congresso de Iniciação Científica da UNESP, 2008, São José dos Campos - SP. XX Congresso de Iniciação Científica da UNESP, 2008.

4.
GUELERI, R. A.; GUILHERME, I. R. ; SEMENSATTO JUNIOR, D. L. ; GOMES, C. N. . Foram Finder: Aplicação de Ontologias no Desenvolvimento de um Sistema Computacional para Suporte à Identificação de Foraminíferos. In: XIX Congresso de Iniciação Científica da UNESP, 2007, Presidente Prudente - SP. XIX Congresso de Iniciação Científica da UNESP, 2007.

Resumos publicados em anais de congressos
1.
GUELERI, R. A.; GUILHERME, I. R. ; SEMENSATTO JUNIOR, D. L. ; GOMES, C. N. . Foram Finder: Desenvolvimento de uma aplicação computacional para suporte à busca e identificação de foraminíferos de manguezais e marismas brasileiros. In: XI Congresso da Associação Brasileira de Estudos do Quaternário, 2007, Belém - PA. XI Congresso da ABEQUA, 2007.

Outras produções bibliográficas
1.
GUELERI, R. A.; ZHAO, L. . Agrupamento de dados baseado em comportamento coletivo e auto-organização 2013 (Dissertação de mestrado).

2.
GUELERI, R. A.; GUILHERME, I. R. ; SEMENSATTO JUNIOR, D. L. . Foram Finder: Desenvolvimento de um Sistema Computacional Baseado em Ontologias para Suporte à Identificação de Espécies de Foraminíferos de Manguezais e Marismas Brasileiros 2008 (Monografia de conclusão de curso de graduação (UNESP)).



Eventos



Participação em eventos, congressos, exposições e feiras
1.
IV Workshop and School on Dynamics, Transport and Control in Complex Networks.Network community detection via iterative edge removal in a system of aligning particles. 2016. (Oficina).

2.
Dynamical Phenomena in Complex Networks.Machine learning techniques based on flocking-like behavior: modeling and analysis. 2015. (Oficina).

3.
2014 International Joint Conference on Neural Networks -- World Congress on Computational Intelligence (IJCNN/WCCI 2014). A flocking-like technique to perform semi-supervised learning. 2014. (Congresso).

4.
Brazilian Conference on Intelligent Systems (BRACIS 2014). Data clustering based on collective behavior and self-organization. 2014. (Congresso).

5.
III Workshop and School on Dynamics, Transport and Control in Complex Networks (III ComplexNet).A flocking-like system to perform semi-supervised learning. 2014. (Oficina).

6.
XXVII SIBGRAPI Conference on Graphics, Patterns and Images. Data clustering based on collective behavior and self-organization. 2014. (Congresso).

7.
Dynamical Phenomena in Complex Networks.Clustering driven by dynamics in space of extended features. 2013. (Oficina).

8.
II Workshop and School on Dynamics, Transport and Control in Complex Networks (II ComplexNet).Clustering driven by dynamics in space of extended features. 2013. (Oficina).

9.
2012 Brazilian Symposium on Neural Networks (SBRN) - 2012 Brazilian Conference on Intelligent Systems (BRACIS).An Energy Exchanging Mechanism for Data Clustering. 2012. (Simpósio).

10.
IV Workshop de Matemática Computacional, Estatística e Computação. 2011. (Oficina).

11.
VIII Encontro Nacional de Inteligência Artificial (ENIA 2011) - XXXI Congresso da Sociedade Brasileira de Computação (CSBC 2011). Agrupamento de Dados baseado em Dinâmica de Troca de Energia. 2011. (Congresso).

12.
IV Escola: Computação de Alto Desempenho para Sistemas Complexos. 2010. (Outra).

13.
Reunião de Avaliação Anual 2008 - PRH/ANP. Foram Finder: Sistema Computacional para Suporte à Identificação de Foraminíferos de Manguezais e Marismas Brasileiros. 2008. (Congresso).

14.
Seminário de Pesquisa em Ontologia no Brasil.Uma ontologia para o suporte na identificação de foraminíferos. 2008. (Seminário).

15.
XX Congresso de Iniciação Científica da UNESP. Aplicação de Ontologias em um Sistema Computacional para Suporte à Identificação de Foraminíferos. 2008. (Congresso).

16.
XIX Congresso de Iniciação Científica da UNESP. Foram Finder: Aplicação de Ontologias no Desenvolvimento de um Sistema Computacional para Suporte à Identificação de Foraminíferos. 2007. (Congresso).

17.
XV Semana de Estudos da Ciência da Computação da UNESP Rio Claro (SECCOMP 2007). 2007. (Outra).

18.
XIV Semana de Estudos da Ciência da Computação da UNESP Rio Claro (SECCOMP 2006). 2006. (Outra).

19.
XIII Semana de Estudos da Ciência da Computação da UNESP Rio Claro (SECCOMP 2005). 2005. (Outra).




Página gerada pelo Sistema Currículo Lattes em 16/12/2018 às 16:28:47