Rodrigo Gabriel Ferreira Soares

  • Endereço para acessar este CV: http://lattes.cnpq.br/2526739219416964
  • Última atualização do currículo em 08/12/2017


Concluiu o doutorado em Ciência da Computação pela University of Birmingham (UK). Possui mestrado em Ciências da Computação pela Universidade Federal de Pernambuco (2008) e graduação em Engenharia de Computação pela Universidade Federal do Rio Grande do Norte (2005). Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: aprendizado semi-supervisionado, computação evolucionária, ensembles, redes neurais, clustering e meta-aprendizado. (Texto informado pelo autor)


Identificação


Nome
Rodrigo Gabriel Ferreira Soares
Nome em citações bibliográficas
SOARES, R. G. F.;SOARES, RODRIGO G. F.;F SOARES, RODRIGO;SOARES, RODRIGO G.;Soares, Rodrigo G.;SOARES, R.G.F.;SOARES, R.G.


Formação acadêmica/titulação


2009 - 2013
Doutorado em Ph.D. in Computer Science.
The University of Birmingham, BHAM, Inglaterra.
Título: Cluster-based semi-supervised ensemble learning, Ano de obtenção: 2014.
Orientador: Xin Yao.
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.
Palavras-chave: Aprendizado Semi-supervisionado; Ensembles; Clustering.
Grande área: Ciências Exatas e da Terra
2006 - 2008
Mestrado em Ciências da Computação.
Universidade Federal de Pernambuco, UFPE, Brasil.
Título: Uso de Meta-aprendizado para a seleção e ordenação de algoritmos de agrupamento aplicados a dados de expressão gênica,Ano de Obtenção: 2008.
Orientador: Teresa Bernarda Ludermir.
Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil.
Palavras-chave: Meta-aprendizado; Aprendizado Não-supervisionado; Expressão gênica.
2002 - 2005
Graduação em Engenharia de Computação.
Universidade Federal do Rio Grande do Norte, UFRN, Brasil.
Título: Tarefa da exploração multi-agente em jogos.
Orientador: André Maurício Cunha Campos.
Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil.
1999 - 2001
Curso técnico/profissionalizante em Processamento de Dados.
Centro Federal de Educação Tecnológica do Rio Grande do Norte, CEFET-RN, Brasil.
1999 - 2001
Ensino Médio (2º grau).
Centro Federal de Educação Tecnológica do Rio Grande do Norte, CEFET-RN, Brasil.




Atuação Profissional



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

2014 - Atual
Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto, Carga horária: 40, Regime: Dedicação exclusiva.


Universidade de Pernambuco, UPE, Brasil.
Vínculo institucional

2008 - 2008
Vínculo: Professor vistante, Enquadramento Funcional: Professor, Carga horária: 20
Outras informações
Professor de Compiladores e Métodos Formais no Departamento de Sistemas e Computação da POLI/UPE.


University of Birmingham, BIRMINGHAM, Inglaterra.
Vínculo institucional

2009 - 2011
Vínculo: Bolsista, Enquadramento Funcional: Monitor, Carga horária: 6


Universidade Federal do Rio Grande do Norte, UFRN, Brasil.
Vínculo institucional

2003 - 2005
Vínculo: Livre, Enquadramento Funcional: Bolsista, Carga horária: 20


União dos Institutos Brasileiros de Tecnologia, UNIBRATEC, Brasil.
Vínculo institucional

2008 - 2008
Vínculo: Colaborador, Enquadramento Funcional: Professor, Carga horária: 20
Outras informações
Professor de Banco de Dados e Linguagem de Programação para Desktops


Agência Estadual de Tecnologia da Informação, ATI, Brasil.
Vínculo institucional

2006 - 2006
Vínculo: Servidor Público, Enquadramento Funcional: Estatutário - Analista de Aplicações, Carga horária: 40
Outras informações
Atividades incluíam gerência de projetos, prospecção de novas tecnologias (Frameworks Java, SGBDs, Ferramentas de gerência do conhecimento.) e desenvolvimento de sistemas.

Atividades

6/2006 - 10/2006
Serviços técnicos especializados , Unidade de Pesquisa e Prospecção, .

Serviço realizado
prospecção de novas tecnologias.


Projetos de pesquisa


2015 - Atual
Comitês de classificadores semi-supervisionados de larga escala
Descrição: Classificação semi-supervisionada consiste em adquirir conhecimento a partir de dados rotulados e não rotulados para classificar instâncias de teste. Comitês de classificadores têm sido usados amplamente e com sucesso em ambos os contextos supervisionados e semi-supervisionados. Neste projeto, nos concentramos no estudo de novas técnicas de comitês de classificadores que empregam regularização baseada em clusters e manifolds para a classificação semi-supervisionada multi-classe. Investigaremos o uso de hipóteses de cluster e manifold nesses comitês para a confecção de novas funções de custo mais adequadas para comitês de aprendizes. Em seguida, estudaremos o impacto do uso de instancias não rotuladas para o treinamento não só do comitê em si, mas também dos classificadores de base. Outra contribuição deste projeto é permitir que a tarefa de classificação semi-supervisionada seja aplicada a grandes conjuntos de dados com milhões de instancias. Dados rotulados são geralmente abundantes neste tipo de classificação, assim faz-se necessário métodos que possam lidar de forma eficaz e eficiente com classificação multi-classe. Esse estudo sera baseado nos resultados obtidos na meta anterior. Tal método para grandes conjuntos de dados poderá empregar procedimentos de amostragem para reduzir o conjunto de treinamento de classificadores de base, um algoritmo de agrupamento eficiente, e uma técnica de aproximação para os vizinhos mais próximos para evitar o cálculo da matriz de distâncias. Assim, o resultado gerado da nossa pesquisa poderá permitir classificação semi-supervisionado para os conjuntos de dados de larga escala..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) .
Integrantes: Rodrigo Gabriel Ferreira Soares - Coordenador.Financiador(es): Universidade Federal Rural de Pernambuco - Auxílio financeiro.
2003 - 2005
SimOrg
Descrição: SimOrg é um projeto destinado ao estudo de comportamentos organizacionais através de uma simulação computacional. Tal simulação permitirá a validação de teorias da Psicologia Organizacional por meio de tecnologias da informação. Em adição, proporcionará a simulação de alguns aspectos psicológicos, tais como motivação e liderança, inerentes às pessoas. Uma das principais contribuições deste projeto é prover ferramentas que auxiliem no estabelecimento de uma boa produtividade organizacional a longo prazo. Para tanto, será necessário definir perfis, processos e dinâmicas de grupo, dentre outros. OA descrição do funcionamento do sistema segue os seguintes passos: 1- As informações da Organização Real serão introduzidas no ambiente por intermédio da Psicologia Organizacional 2- A Psicologia Organizacional, por sua vez, fornecerá entradas simultâneas aos módulos: Reconhecimento de Padrões e Simulação multi-agente. 3- O Módulo de Simulação efetua a simulação e a disponibiliza aos usuários Web através do módulo Web. 4- A Web fornecerá ao módulo de simulação as informações provenientes de seus usuários. 5- Iniciar-se-á nova simulação e, posteriormente, a divulgação dos resultados desta ao módulo de Reconhecimento de Padrões. 6- A simulação fornecerá feedback a Psicologia Organizacional demarcando o término do primeiro ciclo 7- Ao final do projeto, o ambiente, através de seus módulos e áreas de estudo, fornecerá feedback a Organização Real..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (5) / Especialização: (0) / Mestrado acadêmico: (2) / Mestrado profissional: (0) / Doutorado: (0) .
Integrantes: Rodrigo Gabriel Ferreira Soares - Integrante / André Campos - Integrante / Anne Canuto - Coordenador / Eliane Moura - Integrante / Araken Santos - Integrante / Emanuel dos Santos - Integrante.Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.
Número de produções C, T & A: 3


Revisor de periódico


2012 - Atual
Periódico: IEEE Transactions on Neural Networks and Learning Systems


Áreas de atuação


1.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação.
2.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Aprendizado de Máquina.


Idiomas


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


Prêmios e títulos


2000
EXPOTEC 2000, CEFET-RN.


Produções



Produção bibliográfica
Artigos completos publicados em periódicos

1.
SOARES, RODRIGO G. F.2017 SOARES, RODRIGO G. F.; CHEN, HUANHUAN ; YAO, XIN . A Cluster-Based Semisupervised Ensemble for Multiclass Classification. IEEE Transactions on Emerging Topics in Computational Intelligence, v. 1, p. 408-420, 2017.

2.
SOARES, R. G. F.;SOARES, RODRIGO G. F.;F SOARES, RODRIGO;SOARES, RODRIGO G.;Soares, Rodrigo G.;SOARES, R.G.F.;SOARES, R.G.2012 SOARES, R. G. F.; HUANHUAN CHEN ; XIN YAO . Semisupervised Classification With Cluster Regularization. IEEE Transactions on Neural Networks and Learning Systems, v. 23, p. 1779-1792, 2012.

Trabalhos completos publicados em anais de congressos
1.
SOARES, RODRIGO G. F.; PEREIRA, EMESON J. S. . On the performance of pairings of activation and loss functions in neural networks. In: 2016 International Joint Conference on Neural Networks (IJCNN), 2016, Vancouver. 2016 International Joint Conference on Neural Networks (IJCNN), 2016. p. 326.

2.
SOARES, R. G. F.; Ludermir, T. B. ; DeCarvalho, F. A. T. . An Analysis of Meta-learning Techniques for Ranking Clustering Algorithms Applied to Artificial Data. In: International Conference on Artificial Neural Networks (ICANN), 2009, Limassol. Proceedings of the 19th International Conference on Artificial Neural Networks. Berlin / Heidelberg: Springer, 2009. v. 5768. p. 131-140.

3.
DE SOUTO, MARCILIO C. P. ; DE ARAUJO, DANIEL S. A. ; COSTA, IVAN G. ; SOARES, RODRIGO G. F. ; LUDERMIR, TERESA B. ; SCHLIEP, ALEXANDER . Comparative study on normalization procedures for cluster analysis of gene expression datasets. In: 2008 IEEE International Joint Conference on Neural Networks (IJCNN 2008 Hong Kong), 2008, Hong Kong. 2008 IEEE International Joint Conference on Neural Networks (IEEE World Congress on Computational Intelligence). p. 2792.

4.
DE SOUTO, MARCILIO C. P. ; PRUDENCIO, RICARDO B. C. ; SOARES, RODRIGO G. F. ; DE ARAUJO, DANIEL S. A. ; COSTA, IVAN G. ; LUDERMIR, TERESA B. ; SCHLIEP, ALEXANDER . Ranking and selecting clustering algorithms using a meta-learning approach. In: 2008 IEEE International Joint Conference on Neural Networks (IJCNN 2008 Hong Kong), 2008, Hong Kong. 2008 IEEE International Joint Conference on Neural Networks (IEEE World Congress on Computational Intelligence). p. 3729.

5.
DE SOUTO, MARCILIO C. P. ; SOARES, RODRIGO G. F. ; SANTANA, ALIXANDRE ; CANUTO, ANNE M. P. . Empirical comparison of Dynamic Classifier Selection methods based on diversity and accuracy for building ensembles. In: 2008 IEEE International Joint Conference on Neural Networks (IJCNN 2008 Hong Kong), 2008, Hong Kong. 2008 IEEE International Joint Conference on Neural Networks (IEEE World Congress on Computational Intelligence). p. 1480.

6.
SILVA, KELLY P. ; SOARES, RODRIGO G. F. ; DE CARVALHO, FRANCISCO A. T. ; LUDERMIR, TERESA B. . Evolving both size and accuracy of RBF networks using Memetic Algorithm. In: 2008 IEEE International Joint Conference on Neural Networks (IJCNN 2008 Hong Kong), 2008, Hong Kong. 2008 IEEE International Joint Conference on Neural Networks (IEEE World Congress on Computational Intelligence). p. 1938.

7.
SOARES, RODRIGO G. F.; SILVA, KELLY P. ; LUDERMIR, TERESA B. ; DE CARVALHO, FRANCISCO A. T. . An evolutionary approach for the clustering data problem. In: 2008 IEEE International Joint Conference on Neural Networks (IJCNN 2008 Hong Kong), 2008, Hong Kong. 2008 IEEE International Joint Conference on Neural Networks (IEEE World Congress on Computational Intelligence). p. 1945.

8.
SOARES, R. G. F.; Silva, K. P. ; DeCarvalho, F. A. T. ; Ludermir, T. B. . Uma Abordagem Evolucionária para a Otimização de Redes RBF. In: VIII Congresso Brasileiro de Redes Neurais (CBRN), 2007, Florianópolis. Anais do VIII Congresso Brasileiro de Redes Neurais (CBRN), 2007.

9.
Silva, K. P. ; SOARES, R. G. F. ; Ludermir, T. B. ; DeCarvalho, F. A. T. . Uma Abordagem Evolucionária para a Tarefa de Agrupamento de Dados. In: VIII Congresso Brasileiro de Redes Neurais (CBRN), 2007, Florianópolis. Anais do VIII Congresso Brasileiro de Redes Neurais (CBRN), 2007.

10.
SOARES, R. G. F.; CAMPOS, A. . Multiagent exploration task in games through negotiation. In: V Brazilian Symposium on Computer Games and Digital Entertainment, 2006, Recife. Digital Proceedings of the V Brazilian Symposium on Computer Games and Digital Entertainment, 2006.

11.
CAMPOS, ANDRÉ M. C. ; SANTOS, EMANUEL B. ; CANUTO, ANNE M. P. ; SOARES, RODRIGO G. ; ALCHIERI, JOÃO CARLOS . A flexible framework for representing personality in agents. In: the fifth international joint conference, 2006, Hakodate. Proceedings of the fifth international joint conference on Autonomous agents and multiagent systems - AAMAS '06. New York: ACM Press. v. 1. p. 97-104.

12.
CANUTO, A. ; CAMPOS, A. ; SANTOS, A. ; MOURA, E. ; SOARES, R. G. F. ; SANTOS, E. ; DANTAS, K. . Simulating Working Environments Through the Use of Personality-based Agents. In: International Joint Conference IBERAMIA/SBIA, 2006, Ribeirão Preto-SP. International Joint Conference IBERAMIA/SBIA, 2006. v. 4140. p. 108-117.

13.
SANTANA, ALIXANDRE ; F SOARES, RODRIGO ; P CANUTO, ANNE ; P DE SOUTO, MARCILIO . A Dynamic Classifier Selection Method to Build Ensembles using Accuracy and Diversity. In: 2006 Ninth Brazilian Symposium on Neural Networks (SBRN'06), 2006, Ribeirao Preto. . p. 7.

14.
SOARES, R.G.F.; SANTANA, A. ; CANUTO, A.M.P. ; DE SOUTO, M.C.P. . Using Accuracy and Diversity to Select Classifiers to Build Ensembles. In: , 2006, Vancouver. . p. 1310-2295.

15.
CANUTO, A. ; CAMPOS, A. ; ALCHIERE, J. C. ; MOURA, E. ; SANTOS, A. ; SOARES, R. G. F. ; SANTOS, E. . A personality-based model of agents for representing individuals in working organizations. In: IEEE/WIC/ACM Intelligent Agent Technology, 2005, Compiegne. Proceedings do IEEE/WIC/ACM Intelligent Agent Technology, 2005.

Apresentações de Trabalho
1.
SOARES, R. G. F.; Silva, K. P. ; DeCarvalho, F. A. T. ; Ludermir, T. B. . Uma Abordagem Evolucionária para a Otimização de Redes RBF. 2007. (Apresentação de Trabalho/Congresso).

2.
SOARES, R. G. F.; CAMPOS, A. . Multiagent exploration task in games through negotiation. 2006. (Apresentação de Trabalho/Simpósio).



Eventos



Participação em eventos, congressos, exposições e feiras
1.
VIII Congresso Brasileiro de Redes Neurais (CBRN). Uma Abordagem Evolucionária para a Otimização de Redes RBF. 2007. (Congresso).

2.
V Brazilian Symposium on Computer Games and Digital Entertainment. 2006. (Simpósio).



Orientações



Orientações e supervisões em andamento
Dissertação de mestrado
1.
ANA KATARINE DE FREITAS SANTANA SANTOS. Algoritmo inteligente para coaching educacional. Início: 2017. Dissertação (Mestrado em Informática Aplicada) - Universidade Federal Rural de Pernambuco. (Coorientador).

2.
RÓGER ALVES SILVA DE ARAÚJO. Algoritmo Inteligente para a otimização dos planos diário e semanal em um sistema de recomendação alimentar. Início: 2017. Dissertação (Mestrado em Informática Aplicada) - Universidade Federal Rural de Pernambuco. (Coorientador).

Trabalho de conclusão de curso de graduação
1.
Daivid Vasconcelos Leal. Predição de evasão de alunos em escolas públicas de Ensino Médio. Início: 2017. Trabalho de Conclusão de Curso (Graduação em Sistema de Informação) - Universidade Federal Rural de Pernambuco. (Orientador).

2.
Daniel Cândido. Um sistema de recomendação de entidades beneficentes. Início: 2017. Trabalho de Conclusão de Curso (Graduação em Sistema de Informação) - Universidade Federal Rural de Pernambuco. (Orientador).

3.
Asaffe C. M. Santos. Uso de métodos inteligentes para o suporte ao diagnóstico de doenças causadas pelo Aedes aegypti. Início: 2017. Trabalho de Conclusão de Curso (Graduação em Sistema de Informação) - Universidade Federal Rural de Pernambuco. (Orientador).

4.
Humberto Júnior. Comparação de técnicas de extração de características aplicadas a casos de uso. Início: 2017. Trabalho de Conclusão de Curso (Graduação em Sistema de Informação) - Universidade Federal Rural de Pernambuco. (Orientador).


Orientações e supervisões concluídas
Trabalho de conclusão de curso de graduação
1.
Eça da Rocha Fernandes Neto. Uma Abordagem Baseada em Aprendizado de Máquina para Dimensionamento de Requisitos de Software. 2016. Trabalho de Conclusão de Curso. (Graduação em Sistema de Informação) - Universidade Federal Rural de Pernambuco. Orientador: Rodrigo Gabriel Ferreira Soares.

2.
Emeson José Santana Pereira. Uma comparação experimental de pares de funções de erro e funções de ativação de redes neurais aplicada ao reconhecimento de imagens. 2015. Trabalho de Conclusão de Curso. (Graduação em Sistema de Informação) - Universidade Federal Rural de Pernambuco. Orientador: Rodrigo Gabriel Ferreira Soares.

3.
Rodrigo Félix da Silva. Um Sistema de Recomendação para Auxílio à Reeducação Alimentar. 2015. Trabalho de Conclusão de Curso. (Graduação em Sistema de Informação) - Universidade Federal Rural de Pernambuco. Orientador: Rodrigo Gabriel Ferreira Soares.

4.
Marina Siqueira Viana. Comparação experimental entre algoritmos de aprendizado de máquina e fatores de exposição ao risco em testes de software. 2015. Trabalho de Conclusão de Curso. (Graduação em Sistema de Informação) - Universidade Federal Rural de Pernambuco. Orientador: Rodrigo Gabriel Ferreira Soares.

Iniciação científica
1.
Iago Neres Bezerra do Nascimento. Algoritmos Eficientes para Aprendizado Semissupervisionado de Larga Escala. 2016. Iniciação Científica. (Graduando em Sistema de Informação) - Universidade Federal Rural de Pernambuco. Orientador: Rodrigo Gabriel Ferreira Soares.




Página gerada pelo Sistema Currículo Lattes em 12/12/2018 às 22:19:49