Bárbara Caroline Benato

  • Endereço para acessar este CV: http://lattes.cnpq.br/4508195004910105
  • Última atualização do currículo em 07/02/2018


Possui graduação em Bacharelado em Sistemas de Informação pela Universidade Estadual Paulista - FC/Bauru (2017) e atual aluna de mestrado em Ciência da Computação pela Universidade Estadual de Campinas. Foi bolsista FAPESP de Iniciação Científica, com estágio BEPE em Harvard University e Middlesex University e atualmente é bolsista FAPESP de Mestrado Acadêmico. Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Computação, atuando principalmente nos seguintes temas: processamento de imagens, aprendizado de máquina, reconhecimento de padrões e análise visual de dados, com especialidade em redes neurais artificiais e aprendizado em profundidade. (Texto informado pelo autor)


Identificação


Nome
Bárbara Caroline Benato
Nome em citações bibliográficas
BENATO, B. C.;B C BENATO

Endereço


Endereço Profissional
Universidade Estadual de Campinas, Instituto de Computação, Departamento de Sistemas de Informação.
Avenida Albert Einstein, 1251 - Sala 363A
Cidade Universitária
13083852 - Campinas, SP - Brasil
Telefone: (19) 35215881
URL da Homepage: http://lids.ic.unicamp.br/


Formação acadêmica/titulação


2017
Mestrado em andamento em Ciência da Computação.
Universidade Estadual de Campinas, UNICAMP, Brasil. Orientador: Alexandre Xavier Falcão.
Bolsista do(a): Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Brasil.
Palavras-chave: Aprendizado de Máquina; Redes Neurais Autocodificadoras; Análise Visual.
Grande área: Ciências Exatas e da Terra
2013 - 2017
Graduação em Sistema de Informação.
Universidade Estadual Paulista Júlio de Mesquita Filho, UNESP, Brasil.
Bolsista do(a): Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Brasil.
2009 - 2011
Ensino Médio (2º grau).
Colégio Santa Marcelina - Botucatu, CSM, Brasil.




Formação Complementar


2014 - 2014
A4/A3 - Desenv. de Aplicativos Android & Samsung Mobile SDK com Laboratório. (Carga horária: 6h).
Centro de Capacitação para Desenvolvimento de Aplicativos Móveis,, SAMSUNG OCEAN, Brasil.
2014 - 2014
Desenvolvimento de Apps para Android. (Carga horária: 24h).
Laboratório de Tecnologia da Informação Aplicada (Unesp/Bauru), LTIA, Brasil.
2013 - 2013
Visita Técnica a IBM. (Carga horária: 15h).
IBM BRASIL IND.MAQ. E SERVICOS LTDA, IBIS_FORN, Brasil.


Atuação Profissional



Universidade Estadual de Campinas, UNICAMP, Brasil.
Vínculo institucional

2017 - Atual
Vínculo: Bolsista, Enquadramento Funcional: Aluna de Mestrado Acadêmico, Regime: Dedicação exclusiva.

Atividades

5/2017 - Atual
Pesquisa e desenvolvimento , Instituto de Computação, .


Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Brasil.
Vínculo institucional

2017 - Atual
Vínculo: Bolsista, Enquadramento Funcional: Bolsista de Mestrado, Regime: Dedicação exclusiva.

Vínculo institucional

2016 - 2016
Vínculo: Bolsista, Enquadramento Funcional: Bolsista de Iniciação CIentífica no Exterior

Vínculo institucional

2014 - 2016
Vínculo: Bolsista, Enquadramento Funcional: Bolsista de Iniciação Científica
Outras informações
Projeto FAPESP - "Otimização de Redes Neurais por Convolução e sua Aplicação para o Reconhecimento de Expressões Faciais" sob a supervisão do Prof. Dr. Aparecido Nilceu Marana realizado junto a Universidade Estadual Paulista Júlio de Mesquita Filho.

Vínculo institucional

2015 - 2015
Vínculo: Bolsista, Enquadramento Funcional: Bolsista de Iniciação Científica no Exterior
Outras informações
Projeto BEPE/FAPESP - "Sobre a otimização de redes neurais por convolução e sua aplicação para o reconhecimento de expressões faciais" sob a supervisão do Prof. Dr. Aparecido Nilceu Marana e Prof. Dr. David Cox realizado junto a Universidade de Harvard.


Universidade Estadual Paulista Júlio de Mesquita Filho, UNESP, Brasil.
Vínculo institucional

2013 - 2016
Vínculo: Aluno de graduação, Enquadramento Funcional: Aluna de graduação, Regime: Dedicação exclusiva.

Atividades

09/2014 - 12/2016
Pesquisa e desenvolvimento , Faculdade de Ciências de Bauru, .

Linhas de pesquisa
Aprendizado de Máquina
9/2013 - 8/2014
Pesquisa e desenvolvimento , Faculdade de Ciências de Bauru, .

04/2013 - 07/2013
Pesquisa e desenvolvimento , Faculdade de Ciências de Bauru, .

Linhas de pesquisa
Reconhecimento de Padrões

Harvard University, HARVARD, Estados Unidos.
Vínculo institucional

2015 - 2015
Vínculo: Estágio de Pesquisa, Enquadramento Funcional: Bolsista de Iniciação Científica no Exterior


Middlesex University London, MDX, Inglaterra.
Vínculo institucional

2016 - 2016
Vínculo: Estágio de Pesquisa, Enquadramento Funcional: Bolsista de Iniciação Científica no Exterior


Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil.
Vínculo institucional

2013 - 2014
Vínculo: Bolsista, Enquadramento Funcional: Bolsista de Iniciação Científica
Outras informações
Projeto PIBIC - "Ponderação e Seleção de Características Utilizando o Algoritmo de Otimização Magnética" sob a supervisão do Prof. Dr. João Paulo Papa realizado junto a Universidade Estadual Paulista Júlio de Mesquita Filho.

Vínculo institucional

2013 - 2013
Vínculo: Bolsista, Enquadramento Funcional: Bolsista de Iniciação Científica
Outras informações
Projeto PIBIT - "PyOPF: Módulo de Estrutura de Dados" sob a supervisão do Prof. Dr. João Paulo Papa realizado junto a Universidade Estadual Paulista Júlio de Mesquita Filho.



Linhas de pesquisa


1.
Reconhecimento de Padrões
2.
Aprendizado de Máquina
3.
Otimização Meta-heurística
4.
Aprendizado em Profundidade
5.
Análise Visual de Dados


Projetos de pesquisa


2017 - Atual
Otimização de Redes Neurais Autocodificadoras guiada por Análise Visual de Dados
Descrição: Redes Neurais Artificiais, em específico aquelas que possuem uma arquitetura profunda (normalmente com mais do que duas camadas escondidas), geralmente são afetadas por um fenômeno conhecido por super-treinamento dos dados, onde a convergência prematura da rede gera resultados bastante satisfatórios nos conjuntos de treinamento e validação, porém com um desempenho aquém do desejado no conjunto de teste. Dentre as várias maneiras de lidar com esse problema, tais como regularização e uso de conjuntos de treinamento maiores, uma que tem sido pouco utilizada é a que faz uso de técnicas de visualização de informação no sentido de incorporar conhecimento do usuário para o treinamento da rede. Tais ferramentas de visualização permitem um maior entendimento do processo de aprendizado da rede, permitindo, assim, intervir em determinada região, parâmetros, conexões e neurônios da rede visando melhorar a sua eficácia. Dependendo da configuração da rede, o usuário pode verificar como as amostras estão agrupadas no processo final de classificação, bem como visualizar os pesos e ativações dos neurônios e como esses afetam o resultado final de classificação. Nesse sentido, a presente proposta de projeto de pesquisa de mestrado objetiva empregar técnicas de visualização de informação para auxiliar no processo de treinamento de Redes Neurais Autocodificadoras, dado que essa técnica tem sido amplamente empregada na literatura para as mais diversas tarefas, tais como classificação de imagens, sinais e redução de dimensionalidade..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Mestrado acadêmico: (1) .
Integrantes: Bárbara Caroline Benato - Integrante / Alexandre Xavier Falcão - Coordenador.Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.
2016 - 2016
Sobre a Otimização de Redes Neurais por Convolução usando o Algoritmo dos Morcegos
Descrição: O problema de ajustar parâmetros em técnicas de aprendizado em profundidade tem recebido considerável atenção nos últimos anos, uma vez que o ajuste manual destes parâmetros é um processo custoso e suscetível a erros. Nesta proposta, modelamos o problema de ajuste de parâmetros como uma tarefa de otimização, já que técnicas meta-heurísticas têm obtido resultados muito interessantes em diversos problemas. Existe uma meta-heurística baseada no comportamento de uma espécie de morcegos que usam ecolocalização para encontrar sua presa: o Algoritmo dos Morcegos (Bat Algorithm - BA) e decidimos avaliar sua performance no contexto de técnicas baseadas em aprendizado em profundidade e do reconhecimento de expressões faciais. Adicionalmente, essa proposta objetiva aproximar dois grupos de pesquisa de importantes universidades e permitir uma experiência internacional para a aluna..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) .
Integrantes: Bárbara Caroline Benato - Integrante / Aparecido Nilceu Marana - Coordenador / Xin-She Yang - Integrante.Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.
2015 - 2015
Sobre a Otimização de Redes Neurais por Convolução e sua Aplicação para o Reconhecimento de Expressões Faciais
Descrição: Técnicas de aprendizado em profundidade têm sido amplamente usadas nos últimos anos devido aos seus promissores resultados em várias aplicações, principalmente para detecção de faces e objetos. Contudo, uma de suas principais deficiências está relacionada à seleção de parâmetros adequados que permitam resultados razoáveis. Uma vez que se pode ter milhões de parâmetros, seria inviável um ajuste manual destes. Nessa proposta de pesquisa, lidamos com esse problema por meio de técnicas baseadas em meta-heurísticas, especificamente o algoritmo de Otimização de Aves Migratórias (Migration Birds Optimization), uma vez que este ainda não foi explorado no contexto do presente projeto. Apesar de nos depararmos com várias técnicas baseadas em aprendizado em profundidade, optamos por estudar Redes Neurais por Convolução devido a sua elevada habilidade em aprender boas representações de dados. Além disso, o presente trabalho está inserido no contexto de reconhecimento de expressões faciais, conforme previsto no projeto principal do aluno..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) .
Integrantes: Bárbara Caroline Benato - Integrante / Aparecido Nilceu Marana - Coordenador / David Cox - Integrante.Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.
2014 - 2016
Otimização de Redes Neurais por Convolução e sua Aplicação para o Reconhecimento de Expressões Faciais
Descrição: Redes Neurais por Convolução (Convolutional Neural Networks - CNN) tem sido amplamente empregadas nos últimos anos como uma alternativa aos tradicionais métodos de extração de características. Sua metodologia baseada no processamento hierárquico do cérebro humano tem obtido bons resultados em tarefas de classificação de imagens, dado que são altamente invariantes a mudanças de escala e rotação. Entretanto, um grande problema de tais abordagens diz respeito a configuração de seus parâmetros, os quais podem atingir dezenas e, dependendo do tamanho da rede neural, centenas. Tal configuração de parâmetros é essencial para o bom desempenho das CNN, sendo que uma escolha manual dos mesmos configura um problema de alta complexidade combinatória. O presente projeto de pesquisa visa modelar o problema de otimização dos parâmetros de uma CNN como sendo uma tarefa de otimização evolucionista, dado que poucos estudos nesse contexto tem sido realizados. O trabalho em questão objetiva o estudo e aplicação de um recente algoritmo evolucionista chamado de Otimização das Aves Migratórias para otimização dos parâmetros de uma CNN (Migrating Birds Optimization - MBO). Adicionalmente, a abordagem proposta será avaliada no contexto de reconhecimento de expressão facial em humanos..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) .
Integrantes: Bárbara Caroline Benato - Integrante / Aparecido Nilceu Marana - Coordenador.Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.
2013 - 2014
Ponderação e Seleção de Características Utilizando o Algoritmo de Otimização Magnética
Descrição: Técnicas para seleção e ponderação de características tem sido amplamente estudadas pela comunidade científica de reconhecimento de padrões e áreas afins com o intuito de melhorar a eficácia de tais técnicas. Dado que o problema de encontrar o subconjunto das características ou dos pesos das mesmas que maximiza a taxa de acerto de uma técnica de classificação de padrões pode ser modelado como um problema de otimização, são vários os trabalhos que fazem uso dessa ideia para este fim. Entretanto, não são muitos os trabalhos que abordam as tarefas de seleção e ponderação de características utilizando abordagens de otimização evolucionistas, tais como aquelas baseadas nas dinâmicas sociais e de interação de morcegos, algumas espécies de aves e insetos, bem como técnicas que fazem uso da teoria de gravitação e eletrostática para modelar problemas de otimização. O presente projeto de pesquisa visa o estudo do Algoritmo de Otimização Magnética no contexto de seleção e ponderação de características, dado que o mesmo ainda não foi empregado para estes fins. Comparações com outras técnicas já empregadas para estas tarefas serão realizadas com o intuito de verificar a robustez da técnica de interesse com relação às demais..
Situação: Concluído; Natureza: Pesquisa.
2013 - 2013
PyOPF: Módulo de Estrutura de Dados
Descrição: O presente projeto objetiva a implementação das estruturas de dados da PyOPF, uma biblioteca para o desenvolvimento de algoritmos de classificação de padrões baseados em floresta de caminhos ótimos (Optimum-Path Forest - OPF) em ambiente Python. Cabe destacar que o projeto PyOPF acaba de ser apoiado pela FAPESP com uma bolsa de Treinamento Técnico -IV (TT-IV) vinculada a um projeto Jovem Pesquisador FAPESP coordenado pelo orientador do presente projeto, o qual irá auxiliar o projeto TT-IV fornecendo as estruturas básicas para a implementação das funcões mais complexas da futura PyOPF. Adicionalmente, este projeto propiciará ao aluno uma maior experiência com linguagens de programação, bem como um maior contato com projetos de pesquisa acadêmicos..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) .
Integrantes: Bárbara Caroline Benato - Integrante / João Paulo Papa - Coordenador.Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.


Áreas de atuação


1.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Aprendizado de Máquina.
2.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Aprendizado em Profundidade.
3.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Análise Visual dos Dados.
4.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Reconhecimento de Padrões.
5.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Otimização Meta-heurística.


Idiomas


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


Produções



Produção bibliográfica
Apresentações de Trabalho
1.
BENATO, B. C.; MARANA, A. N. ; PAPA, J. P. ; COX, DD . Ajuste Fino de Parâmetros de Redes Neurais por Convolução Utilizando o Algoritmo de Otimização das Aves Migratórias. 2016. (Apresentação de Trabalho/Conferência ou palestra).


Demais tipos de produção técnica
1.
BENATO, B. C.. Informática Básica para Jovens e Adultos. 2016. (Curso de curta duração ministrado/Extensão).



Eventos



Participação em eventos, congressos, exposições e feiras
1.
Workshop Sensors, Pattern Recognition, Classification: What is it about in Medicine. 2016. (Outra).

2.
XXIX Conference on Graphics, Patterns and Images (Sibgrapi). Ajuste Fino de Parâmetros de Redes Neurais por Convolução utilizando o Algoritmo de Otimização das Aves Migratórias. 2016. (Congresso).

3.
XXIX Conference on Graphics, Patterns and Images (Sibgrapi). 2016. (Congresso).

4.
XXVIII Congresso de Iniciação Científica da Unesp. Otimização de Redes Neurais por Convolução e sua Aplicação para o Reconhecimento de Expressões Faciais. 2016. (Congresso).

5.
XXVII Congresso de Iniciação Científica da Unesp. Otimização de Redes Neurais por Convolução e sua Aplicação para o Reconhecimento de Expressões Faciais. 2015. (Congresso).

6.
XXVI Congresso de Iniciação Científica da Unesp. Ponderação e Seleção de Características usando o Algoritmo de Otimização Magnética. 2014. (Congresso).

7.
Workshop Mathematical Models in Medicine. 2013. (Outra).

8.
XXV Congresso de Iniciação Científica da Unesp. PyOPF: Módulo de Estrutura de Dados. 2013. (Congresso).



Educação e Popularização de C & T



Cursos de curta duração ministrados
1.
BENATO, B. C.. Informática Básica para Jovens e Adultos. 2016. (Curso de curta duração ministrado/Extensão).




Página gerada pelo Sistema Currículo Lattes em 21/10/2018 às 11:20:58