George Gomes Cabral

  • Endereço para acessar este CV: http://lattes.cnpq.br/8227256452129177
  • Última atualização do currículo em 20/09/2017


Atualmente é Professor Adjunto do Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco (UFRPE). Possui graduação em Engenharia da Computação pela UPE (2005) e mestrado em Engenharia da Computação pela mesma instituição (2008). Realizou atividades de pesquisa e desenvolvimento (P&D) pela empresa Neurotech (http://www.neurotech.com.br/) situada no bairro do Recife Antigo e integrante do Porto Digital. Atualmente, cursa doutorado em Ciências da Computação pela Universidade Federal de Pernambuco. Tem experiência na área de Ciência da Computação com ênfase em Computação Inteligente e Linguagens de Programação. Atua principalmente nos seguintes temas: aprendizagem de máquina, redes neurais artificiais e linguagens de programação. Tem experiência também em Estatística com ênfase em estatística descritiva e distribuições de probabilidade. (Texto informado pelo autor)


Identificação


Nome
George Gomes Cabral
Nome em citações bibliográficas
CABRAL, G. G.

Endereço


Endereço Profissional
Universidade Federal Rural de Pernambuco, UNIVERSIDADE FEDREAL RURAL DE PERNAMBUCO, Departamento de Estatística e Informática.
Universidade Federal Rural de Pernambuco
Dois Irmãos
52171900 - Recife, PE - Brasil
Telefone: (081) 33206491


Formação acadêmica/titulação


2009 - 2014
Doutorado em Doutorado em Ciência da Computação.
Universidade Federal de Pernambuco, UFPE, Brasil.
Título: Classificação com Exemplos de Uma Única Classe Baseada na Busca pelos Limites das Características do Problema, Ano de obtenção: 2014.
Orientador: Adriano Lorena Inácio de Oliveira.
Bolsista do(a): Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco, FACEPE, Brasil.
Palavras-chave: Novelty Detection; One-class Classification; Instance Based Learning; Prototype Reduction.
Grande área: Ciências Exatas e da Terra
2006 - 2008
Mestrado em Engenharia da Computação.
Universidade de Pernambuco, UPE, Brasil.
Título: Métodos para detecção de novidades em problemas de classificação e em séries temporais baseados no algoritmo do vizinho mais próximo com minimização do risco estrutural,Ano de Obtenção: 2008.
Orientador: Adriano Lorena Inácio de Oliveira.
Bolsista do(a): Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco, FACEPE, Brasil.
Palavras-chave: Structural Risk Minimization; Novelty Detection; One-class Classification; time series.
2000 - 2005
Graduação em Engenharia da Computação.
Universidade de Pernambuco, UPE, Brasil.
Título: Ferramenta para auxílio na previsão de séries temporais com intervalos de confiança usando Máquinas de Vetor de Suporte..
Orientador: Adriano Lorena Inacio de Oliveira.




Formação Complementar


2007 - 2007
Monitoria da disciplina de Redes Neurais.
Universidade de Pernambuco, UPE, Brasil.
2003 - 2004
Iniciação Cientifica.
Universidade de Pernambuco, UPE, Brasil.
2003 - 2003
Extensão universitária em JAVA. (Carga horária: 60h).
Universidade de Pernambuco, UPE, Brasil.
2002 - 2002
Extensão universitária em Linux Intermediário. (Carga horária: 20h).
Universidade de Pernambuco, UPE, Brasil.
2001 - 2002
Inglês.
Serviço Nacional de Aprendizagem Comercial, SENAC, Brasil.


Atuação Profissional



FACULDADE DE INFORMÁTICA E TECNOLOGIA DE PERNAMBUCO, FATEC, Brasil.
Vínculo institucional

2010 - 2010
Vínculo: Colaborador, Enquadramento Funcional: Professor, Carga horária: 10

Atividades

03/2010 - 07/2010
Ensino, Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Programação 3

NeuroTech Tecnologia da Informação, NEUROTECH, Brasil.
Vínculo institucional

2008 - 2009
Vínculo: Bolsista - Recem Mestre, Enquadramento Funcional: Pesquisador, Carga horária: 40


Pitang, PITANG, Brasil.
Vínculo institucional

2008 - 2008
Vínculo: Celetista formal, Enquadramento Funcional: Engenheiro de Software, Carga horária: 40


Policentro Consulprev Informática Associados Ltda, POLICENTRO, Brasil.
Vínculo institucional

2006 - 2006
Vínculo: Colaborador, Enquadramento Funcional: Analista de Sistemas, Carga horária: 40


Universidade Federal Rural de Pernambuco, UFRPE, Brasil.
Vínculo institucional

2011 - Atual
Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto, Carga horária: 40, Regime: Dedicação exclusiva.

Vínculo institucional

2009 - 2009
Vínculo: Servidor Público, Enquadramento Funcional: Professor Substituto, Carga horária: 40

Atividades

11/2014 - Atual
Direção e administração, UNIVERSIDADE FEDREAL RURAL DE PERNAMBUCO, Departamento de Estatística e Informática.

Cargo ou função
Coordenador de Laboratórios.
03/2016 - 7/2016
Ensino, Licenciatura em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Introdução à Teoria da Computação
08/2015 - 07/2016
Ensino, Bacharelado em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Redes Neurais
03/2015 - 12/2015
Ensino, Química, Nível: Graduação

Disciplinas ministradas
Introdução à Computação
03/2015 - 07/2015
Ensino, Bacharelado em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Teoria da Computação
09/2014 - 01/2015
Ensino, Bacharelado em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Teoria da Computação
Inteligência Artificial
04/2014 - 08/2014
Ensino, Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Introdução à Microinformática
Inteligência Artificial
Introdução à Inteligência Artificial
10/2013 - 03/2014
Ensino, Bacharelado em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Inteligência Artificial
10/2013 - 03/2014
Ensino, Licenciatura em Letras, Nível: Graduação

Disciplinas ministradas
Introdução à Microinformática
05/2013 - 10/2013
Ensino, Bacharelado em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Inteligência Artificial
05/2013 - 10/2013
Ensino, Licenciatura em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Introdução à Inteligência Artificial
10/2012 - 04/2013
Ensino, Licenciatura em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Introdução à Inteligência Artificial
10/2012 - 04/2013
Ensino, Bacharelado em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Inteligência Artificial
Teoria da Computação
02/2012 - 07/2012
Ensino, Licenciatura em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Introdução à Inteligência Artificial
Introdução à Teoria da Computação
02/2012 - 07/2012
Ensino, Bacharelado em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Teoria da Computação
08/2011 - 12/2011
Ensino, Licenciatura em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Introdução à Inteligência Artificial
Banco de Dados 1
Prática de Ensino em Banco de Dados
04/2011 - 07/2011
Ensino, Engenharia Florestal, Nível: Graduação

Disciplinas ministradas
Introdução à Computação
04/2011 - 07/2011
Ensino, Gastronomia e Segurança Alimentar, Nível: Graduação

Disciplinas ministradas
Aplicativos de Informática para Gastronomia
04/2011 - 07/2011
Ensino, Licenciatura em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Prática de Ensino em Banco de Dados
08/2009 - 12/2009
Ensino, Bacharelado em Sistemas de Informação, Nível: Graduação

Disciplinas ministradas
Laboratório de Programação
Introdução à Programação
08/2009 - 12/2009
Ensino, Licenciatura em Ciência da Computação, Nível: Graduação

Disciplinas ministradas
Programação
08/2009 - 12/2009
Ensino, Ciências Sociais, Nível: Graduação

Disciplinas ministradas
Introdução à Microinformática


Projetos de pesquisa


2017 - Atual
Detecção de Novidades : Investigação e Desenvolvimento de Novas Técnicas de Aprendizagem de Máquina no Contexto de Big Data, Deep Learning e One-Class Classification
Descrição: O principal objetivo desse projeto consiste na criação e investigação de métodos para detecção de novidades baseados no paradigma de aprendizado One-Class Classification. Esse é um paradigma de aprendizado bastante promissor haja visto o grande número de possíveis aplicações. Vários métodos já estão disponíveis para detecção de novidades utilizando o paradigma OCC, porém, dado o pouco tempo de vida da área de Big Data, ainda existe a necessidade do desenvolvimento de técnicas capazes de atuar nesse ambiente com elevado número de dados. Adicionalmente, o paradigma Deep Learning pode oferecer atributos importantes para um reconhecimento de padrões mais poderoso e menos dependente de representação do problema colaborando também para o bom desempenho de modelos de detecção de novidades. O presente projeto trata da criação/investigação de métodos de detecção de novidades no contexto de Big Data e baseados em Deep Learning. Parte da pesquisa consiste na criação de métodos com baixa ou nenhuma dependência de parâmetros durante a fase de modelagem e pertencentes ao paradigma de classificação One-class Classification..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) / Doutorado: (2) .
Integrantes: George Gomes Cabral - Coordenador / Adriano Lorena Inácio de Oliveira - Integrante.
2008 - 2009
Desenvolvimento de um Modelo de Gestão de Sobressalentes para Dimensionamento de Estoques baseado em Inteligência Artificial
Descrição: Peças sobressalentes de equipamentos produtivos são itens de grande importância para as organizações. A falta dessas peças de reposição pode representar perdas substanciais para uma Empresa já que pode acarretar em parada ou muitas vezes indisponibilidade, por longos períodos, de equipamentos importantes. Por outro lado, o excesso de itens em estoque incorre em altos custos de aquisição e armazenamento. Modelos de gestão de sobressalentes eficazes são fundamentais para o funcionamento integrado das várias áreas usuárias de uma Empresa, redução de prejuízos e otimização dos recursos disponíveis. Atualmente, a CHESF não possui um modelo específico para a gestão eficiente de peças sobressalentes. O processo de ressuprimento é realizado com base na definição de necessidades pelos diversos órgãos usuários que demandam a reposição de itens quando identificam a necessidade. Tal procedimento é realizado sem o uso de um modelo de previsão de demanda mais científico, que possa produzir um processo de gestão de sobressalentes acurado. A gestão de sobressalentes para um Empresa com as características da CHESF não pode ser realizada com base nos tradicionais modelos de gerenciamento de estoques pois possui características singulares. Os elevados custos de aquisição de itens, longos tempos de resposta de fornecimento e baixíssimos giros, característicos de peças de reposição, tornam-se empecilhos freqüentemente encontrados na definição da política de estoque deste tipo de material. Como consequência da ausência de uma política bem definida, a gestão de estoques de sobressalentes é pouco compreendida no ambiente gerencial, apesar de representar um significativo investimento de capital em Empresas orientadas para serviço, como é o caso da CHESF. Uma gestão de estoques inadequada, isto é, não direcionada para as características específicas deste tipo de material, pode acarretar em diversos problemas, como: - Escesso de estoques, implicando em elevados custos de armazento..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (2) .
Integrantes: George Gomes Cabral - Integrante / Adrian Lucena Arnaud - Integrante / Germano Crispim Vasconcelos - Coordenador.Financiador(es): Companhia Hidro Elétrica do São Francisco - Auxílio financeiro.


Revisor de periódico


2009 - Atual
Periódico: Neural Computing & Applications
2013 - Atual
Periódico: Neurocomputing (Amsterdam)


Áreas de atuação


1.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação/Especialidade: Linguagens de Programação.
2.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação/Especialidade: Inteligência Artificial.
3.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Teoria da Computação/Especialidade: Análise de Algoritmos e Complexidade de Computação.


Idiomas


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


Prêmios e títulos


2005
Bacharel, Universidade de Pernambuco.


Produções



Produção bibliográfica
Artigos completos publicados em periódicos

1.
CABRAL, G. G.2014CABRAL, G. G.; Oliveira, A.L.I. . One-Class Classification based on searching for the problem features limits. Expert Systems with Applications, p. 7182-7199, 2014.

2.
CABRAL, G. G.2008 CABRAL, G. G.; Oliveira, A.L.I. ; CAHU, C. B. . Combining Nearest Neighbor Data Description and Structural Risk Minimization for One-Class Classification. Neural Computing & Applications, v. 18, p. 175-183, 2008.

Capítulos de livros publicados
1.
CABRAL, G. G.; Oliveira, A.L.I. . Intelligent Character Recognition. In: Carlos Alexandre Barros de Mello, Adriano Lorena Inacio de Oliveira, Wellington Pinheiro dos Santos. (Org.). Digital Document Analysis and Processing. New York: NOVA Publishers, 2011, v. , p. 257-286.

Trabalhos completos publicados em anais de congressos
1.
CABRAL, G. G.; Oliveira, A.L.I. . Novelty Detection Based on Genuine Normal and Artificially Generated Novelty Examples. In: Brazilian Conference on Intelligent System (BRACIS), 2016, Recife. Brazilian Conference on Intelligent System, 2016.

2.
PINTO NETO, E. ; CARVALHO, D. ; CABRAL, G. G. ; ROLIM, F. ; FERREIRA, R. ; CALLOU, G. . Identifying Marijuana Users Using Text Mining Techniques. In: Encontro Nacional de Intelig?encia Artificial e Computacional, 2016, RECIFE. XIII Encontro Nacional de Intelig?encia Artificial e Computacional.

3.
CABRAL, G. G.; Oliveira, A.L.I. . One-class Classification for Heart Disease Diagnosis. In: IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN, AND CYBERNETICS, 2014, San Diego. IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN, AND CYBERNETICS, 2014.

4.
TAVARES, T. R. ; Oliveira, A.L.I. ; CABRAL, G. G. ; MATTOS, S. S. ; GRIGORIO, R. . Preprocessing Unbalanced Data using Weighted Support Vector Machines for Prediction of Heart Disease in Children. In: International Joint Conference on Neural Networks, 2013, Dallas. International Joint Conference on Neural Networks, 2013.

5.
CABRAL, G. G.; Oliveira, A.L.I. . One-class classification through optimized feature boundaries detection and prototype reduction. In: International Conference on Artificial Neural Networks, 2012, Lausanne. International Conference on Artificial Neural Networks, 2012.

6.
Farias, G. P. M. ; Oliveira, A.L.I. ; CABRAL, G. G. . Extreme Learning Machines for Intrusion Detection Systems. In: International Conference on Neural Information Processing (ICONIP2012), 2012, Doha. International Conference on Neural Information Processing (ICONIP2012), 2012.

7.
CABRAL, G. G.; Oliveira, A.L.I. . A Novel One-Class Classification Method Based on Feature Analysis and Prototype Reduction. In: Systems, Man, and Cybernetics (SMC), 2011, Anchorage - AK - USA. IEEE Int Conf on Systems, Man, and Cybernetics.

8.
CABRAL, G. G.; Oliveira, A.L.I. . A Hybrid Method for Novelty Detection in Time Series Based on States Transitions and Swarm Intelligence. In: World Congress On Computational Intelligence, 2010, Barcelona. International Joint Conference on Neural Networks, 2010.

9.
CABRAL, G. G.; Oliveira, A.L.I. . Detecção de Novidades em Séries Temporais: Uma Abordagem Automática Baseada na Transição Entre Estados e Utilizando Enxame de Partículas. In: Joint Conference 2010, 2010, São Bernardo do Campo - SP. Workshop on Computational Intelligence, 2010.

10.
CABRAL, G. G.; Oliveira, A.L.I. . A Comparative Analysis of One-class Structural Risk Minimization by Support Vector Machines and Nearest Neighbor Rule. In: IFIP International Conference on Artificial Intelligence in Theory and Practice (part of IFIP World Computer Congress (WCC2008)), 2008, Milão. IFIP World Computer Congress (WCC'2008), 2008.

11.
MONTENEGRO, R. D. ; Oliveira, A.L.I. ; CABRAL, G. G. ; KATZ, C. ; ROSENBLATT, A. . A Comparative Study of Machine Learning Techniques for Caries Prediction. In: IEEE International Conference on Tools with Artificial Intelligence, 2008, Dayton. (ICTAI'2008), 2008.

12.
CABRAL, G. G.; Oliveira, A.L.I. ; CAHU, C. B. . A Novel Method for One-Class Classification Based on the Nearest Neighbor Data Description and Structural Risk Minimization. In: IEEE Internacional Joint Conference on Neural Networks, 2007, Orlando, Flórida, USA. IEEE Internacional Joint Conference on Neural Networks (IJCNN´2007), 2007. p. 1976-1981.

Apresentações de Trabalho
1.
CABRAL, G. G.; Oliveira, A.L.I. . A Hybrid Method for Novelty Detection in Time Series Based on States Transitions and Swarm Intelligence. 2010. (Apresentação de Trabalho/Congresso).



Bancas



Participação em bancas de trabalhos de conclusão
Mestrado
1.
CABRAL, G. G.; OLIVEIRA JUNIOR, W. R.. Participação em banca de ́Italo Rodrigo Santos de Araujo. Algoritmo de Treinamento N ̃ao-Unit ́ario Linear para Redes Neurais Qu?anticas Sem Peso. 2016. Dissertação (Mestrado em Programa de Pós-Graduação em informática Aplicada) - Universidade Federal Rural de Pernambuco.

Teses de doutorado
1.
BARROS, F.; ZANCHETTIN, C.; CORREA, R. F.; VIEIRA, R.; CABRAL, G. G.. Participação em banca de Ellen P. R. Souza. SWARM OPTIMIZATION CLUSTERING METHODS FOR OPINION MINING. 2017. Tese (Doutorado em Doutorado em Ciência da Computação) - Universidade Federal de Pernambuco.

Trabalhos de conclusão de curso de graduação
1.
CABRAL, G. G.; FERREIRA, R.; MIRANDA, P.. Participação em banca de DANIEL CIRNE VILAS-BOAS DOS SANTOS.Acompanhamento de alunos em ambientes virtuais de aprendizagem: uma proposta baseada em sistemas tutores inteligentes. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Rural de Pernambuco.

2.
FERREIRA, R.; MACARIO FILHO, V.; CABRAL, G. G.. Participação em banca de Carlos Rodrigo Cordeiro Garcia.Towards Coherent Single-Document Automatic Text Summarization: An Integer Linear Programming-based Approach. 2017.

3.
CABRAL, G. G.; BOCANEGRA, S.; MEDEIROS, V. W. C.. Participação em banca de Felipe Victor de Sá Oliveira.Programação por demonstração de um manipulador robótico utilizando uma abordagem baseada em grafos. 2016. Trabalho de Conclusão de Curso (Graduação em Sistema de Informação) - Universidade Federal Rural de Pernambuco.



Participação em bancas de comissões julgadoras
Concurso público
1.
CABRAL, G. G.; NOGUEIRA, S. C.; CYSNEIROS FILHO, G. A. A.. Seleção Simplificada para Professor Temporário da UFRPE/SED Dois Irmãos. 2012. Universidade Federal Rural de Pernambuco.



Eventos



Participação em eventos, congressos, exposições e feiras
1.
System Man and Cybernetics. A Novel One-Class Classification Method Based on Feature Analysis and Prototype Reduction. 2011. (Congresso).

2.
International Joint Conference on Neural Networks. A Hybrid Method for Novelty Detection in Time Series Based on States Transitions and Swarm Intelligence. 2010. (Congresso).

3.
Workshop Franco-Brasileiro sobre Mineração de Dados. 2009. (Oficina).

4.
Symposium on Applied Computing.A GA-based Feature Selection and Parameters Optimization for Support Vector Regression Applied to Software Effort Estimation. 2008. (Simpósio).



Orientações



Orientações e supervisões concluídas
Iniciação científica
1.
Marcos Eduardo Ferreira Júnior. Investigação de classificadores livre de parâmetros para detecção de novidades. 2016. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal Rural de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: George Gomes Cabral.

2.
Anderson Berg dos Santos Danta. Detecção de novidades em séries temporais usando classificadores de uma única classe. 2008. Iniciação Científica. (Graduando em Engenharia da Computação) - Universidade de Pernambuco. Orientador: George Gomes Cabral.




Página gerada pelo Sistema Currículo Lattes em 21/01/2019 às 6:41:27