Guilherme Alves da Silva

  • Endereço para acessar este CV: http://lattes.cnpq.br/1338250442970721
  • Última atualização do currículo em 27/12/2018


Bacharel (2015) e mestre (2017) em Ciência da Computação pela Universidade Federal de Uberlândia. Tem experiência na área de Ciência da Computação, com ênfase em mineração de dados, atuando principalmente nos seguintes temas: agrupamento semi-supervisionado, mineração de preferências, redes bayesianas e sistemas de recomendação. (Texto informado pelo autor)


Identificação


Nome
Guilherme Alves da Silva
Nome em citações bibliográficas
SILVA, G. A.;ALVES, GUILHERME


Formação acadêmica/titulação


2018
Doutorado em andamento em Informatique.
Université de Lorraine, UL (Nancy-Univ), França.
Orientador: Miguel Couceiro.
Coorientador: Chedy Raissi.
Bolsista do(a): Centre de Recherche INRIA Nancy - Grand Est (FRA), INRIA, França.
2015 - 2017
Mestrado em Ciência da Computação.
Universidade Federal de Uberlândia, UFU, Brasil.
Título: Evolução da Semissupervisão em Detecção Online de Agrupamentos,Ano de Obtenção: 2017.
Orientador: Maria Camila Nardini Barioni.
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.
Palavras-chave: Detecção semissupervisionada de agrupamentos; Evolução da semissupervisão; Detecção online de agrupamentos; Transição de agrupamentos; Mineração de dados.
2011 - 2015
Graduação em Ciência da Computação.
Universidade Federal de Uberlândia, UFU, Brasil.
Título: Otimização e validação da metodologia PrefRec para desenvolvimento de sistemas de recomendação.
Orientador: Sandra Aparecida de Amo.
2009 - 2011
Curso técnico/profissionalizante.
Serviço Nacional de Aprendizagem Comercial - SENAC Minas, SENAC/MG, Brasil.
Bolsista do(a): Secretaria Estadual de Educação de Minas Gerais, SEE-MG, Brasil.




Formação Complementar


2010 - 2010
Criptografia para iniciantes. (Carga horária: 15h).
Universidade Federal de Uberlândia, UFU, Brasil.
2008 - 2008
Editoração Eletrônica. (Carga horária: 60h).
E. E. Messias Pedreiro, EEMP, Brasil.
2005 - 2005
Hardware. (Carga horária: 60h).
CETRA Microinformática e Treinamentos, CETRA, Brasil.


Atuação Profissional



Sankhya Gestão de Negócios, SANKHYA, Brasil.
Vínculo institucional

2014 - 2015
Vínculo: Estagiário, Enquadramento Funcional: Desenvolvedor, Carga horária: 30


Escola Estadual Messias Pedreiro, EEMP, Brasil.
Vínculo institucional

2011 - 2013
Vínculo: Voluntário, Enquadramento Funcional: Analista de TI


Universidade Federal de Uberlândia, UFU, Brasil.
Vínculo institucional

2013 - 2014
Vínculo: Voluntário, Enquadramento Funcional: Monitor de "Gerenciamento de Banco de Dados", Carga horária: 12

Vínculo institucional

2012 - 2014
Vínculo: Bolsista, Enquadramento Funcional: Aluno de Iniciação Científica, Carga horária: 20

Vínculo institucional

2011 - 2011
Vínculo: Bolsista, Enquadramento Funcional: Monitor de Programação Procedimental, Carga horária: 12


Centre de Recherche INRIA Nancy - Grand Est (FRA), INRIA, França.
Vínculo institucional

2018 - Atual
Vínculo: Bolsista, Enquadramento Funcional: Aluno de doutorado, Regime: Dedicação exclusiva.


Algar Telecom, ALGAR, Brasil.
Vínculo institucional

2017 - 2017
Vínculo: Bolsista, Enquadramento Funcional: Trainee CNPq-IEL, Carga horária: 40


7 Waves do Brasil Ltda., 7 Waves, Brasil.
Vínculo institucional

2018 - 2018
Vínculo: Bolsista, Enquadramento Funcional: Bolsista de Treinamento Técnico FAPESP, Carga horária: 40



Projetos de pesquisa


2012 - 2014
Mineração de Preferëncias Contextuais

Projeto certificado pelo(a) coordenador(a) Sandra Aparecida de Amo em 04/04/2013.
Descrição: A personalização de conteúdo em consultas a bancos de dados por meio do uso das preferências do usuário é um tópico de pesquisa que recentemente vem despertando muito interesse na comunidade de banco de dados. Com o advento das tecnologias de computação ubíqua, o acesso dos usuários aos dados ocorre em diferentes contextos e consequentemente suas preferências ao consultar um banco de dados podem variar dependendo de uma série de parâmetros (que determinam seu contexto) incluindo local, tempo, influência dos arredores em que se encontra, etc. Tais preferências contextuais são utilizadas para a ordenação e seleção das melhores tuplas, aquelas que mais se adequam ao desejo expresso pelo usuário quando inserido num determinado contexto. Um tópico de pesquisa muito importante dentro deste contexto é o da ?Elicitação de Preferências?, isto é, como prover o usuário com dispositivos para informar sua escolha sobre pares de objetos pertencentes a um banco de dados. Tal tarefa pode demandar um grande esforço do usuário, dependendo do tamanho do banco de dados, fato este que pode desmotivar o uso do sistema por parte do usuário. Assim, é de grande relevância o desenvolvimento de técnicas automáticas que permitam descobrir as preferências contextuais do usuário a partir de escolhas passadas feitas por ele em determinados contextos. O objetivo deste projeto é o desenvolvimento e implementação de algoritmos de mineração de preferências contextuais, baseados em técnicas de descoberta de padrões e em técnicas de classificação, comparar suas performances em um banco de dados reais e incorporar tais técnicas de mineração à linguagem de consultas com suporte a preferências contextuais CPrefSQL em desenvolvimento pela equipe participante deste projeto..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (3) / Doutorado: (1) .
Integrantes: Guilherme Alves da Silva - Integrante / Sandra Aparecida de Amo - Coordenador / Marcos Luiz de Paula Bueno - Integrante / Cleiane Gonçalves Oliveira - Integrante / Juliete Ramos - Integrante / Jaqueline Papini - Integrante / Allisson Garcia - Integrante.
Número de produções C, T & A: 1


Áreas de atuação


1.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Mineração de dados.
2.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Sistemas de recomendação.


Idiomas


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


Prêmios e títulos


2010
Moção de Aplauso, Câmara Municipal de Uberlândia.
2010
Menção Honrosa, V Olimpíada Brasileira de Matemática das Escolas Públicas.


Produções



Produção bibliográfica
Artigos completos publicados em periódicos

1.
FELICIO, C. Z.2016FELICIO, C. Z. ; PAIXAO, K. ; ALVES, GUILHERME ; de Amo, S ; Preux, Philippe . Exploiting social information in pairwise preference recommender system. Journal of Information and Data Management - JIDM, v. 7, p. 99-115, 2016.

2.
de Amo, S2013 de Amo, S ; Marcos Luiz de Paula Bueno ; SILVA, G. A. ; SILVA, N. F. . Mining User Contextual Preferences. Journal of Information and Data Management - JIDM, v. 4, p. 37-46, 2013.

Capítulos de livros publicados
1.
Felício, Crícia Z. ; de Almeida, Claudianne M. M. ; ALVES, GUILHERME ; Pereira, Fabíola S. F. ; Paixão, Klérisson V. R. ; de Amo, Sandra . Visual Perception Similarities to Improve the Quality of User Cold Start Recommendations. Lecture Notes in Computer Science. 1ed.: Springer International Publishing, 2016, v. 9673, p. 96-101.

Trabalhos completos publicados em anais de congressos
1.
ALVES, GUILHERME; Barioni, Maria C. N. ; Faria, Elaine . A Framework for Online Clustering Based on Evolving Semi-Supervision. In: 32nd Brazilian Symposium on Databases, 2017, Uberlândia. Proceedings of the 32nd Brazilian Symposium on Databases (to appear), 2017.

2.
FELICIO, CRICIA Z. ; DE ALMEIDA, CLAUDIANNE M.M. ; ALVES, GUILHERME ; PEREIRA, FABIOLA S.F. ; PAIXAO, KLERISSON V.R. ; de Amo, Sandra ; BARCELOS, CELIA A.Z. . VP-Rec: A Hybrid Image Recommender Using Visual Perception Network. In: 2016 IEEE 28th International Conference on Tools with Artificial Intelligence (ICTAI), 2016, San Jose. 2016 IEEE 28th International Conference on Tools with Artificial Intelligence (ICTAI), 2016. p. 70.

3.
FELICIO, C. Z. ; PAIXAO, K. ; ALVES, GUILHERME ; de Amo, S . Social PrefRec framework: leveraging recommender systems based on social information. In: 3rd Symposium on Knowledge Discovery, Mining and Learning, 2015, Petrópolis, RJ. Proceedings of 3rd Symposium on Knowledge Discovery, Mining and Learning, 2015.

4.
de Amo, S ; Marcos Luiz de Paula Bueno ; ALVES, GUILHERME ; SILVA, N. F. . Mining User Contextual Preferences. In: XXVII Simpósio Brasileiro de Banco de Dados, 2012, 2012, São Paulo. Anais do XXVII Simpósio Brasileiro de Banco de Dados. São Paulo. São Paulo, 2012. v. 1. p. 177-184.

5.
AMO, SANDRA DE ; BUENO, MARCOS L.P. ; ALVES, GUILHERME ; SILVA, NADIA F. . CPrefMiner: An Algorithm for Mining User Contextual Preferences Based on Bayesian Networks. In: 2012 IEEE 24th International Conference on Tools with Artificial Intelligence (ICTAI), 2012, Athens. 2012 IEEE 24th International Conference on Tools with Artificial Intelligence. p. 114.


Produção técnica
Trabalhos técnicos
1.
ALVES, GUILHERME. Comitê Científico do 17º Workshop de Informática Médica (WIM). 2017.

2.
ALVES, GUILHERME. Comitê Científico do XV Congresso Brasileiro de Informática em Saúde (CBIS). 2016.



Eventos



Participação em eventos, congressos, exposições e feiras
1.
3rd Symposium on Knowledge Discovery, Mining and Learning.Social PrefRec framework: leveraging recommender systems based on social information. 2015. (Simpósio).

2.
IV Encontro de IC da UFU.CPrefMiner Multi: projeto e implementação de algoritmos para otimização do minerador. 2014. (Encontro).

3.
III Encontro de IC da UFU.Preparação, execução e análise de experimentos do método CPrefMiner de mineração de preferências condicionais. 2013. (Encontro).

4.
Workshop de Teses e Dissertações em Ciência da Computação (WTDCC) 2013.CPrefMiner Multi: um minerador de preferências contextuais com suporte a atributos multivalorados. 2013. (Outra).

5.
V Jornada da Computação. 2012. (Outra).

6.
IV Jornada da Computação. 2011. (Outra).




Página gerada pelo Sistema Currículo Lattes em 21/01/2019 às 24:35:24