Programa de Pós-graduação em Modelagem de Sistemas Complexos Universidade de São Paulo
FacebookTwitterYoutube

Colaboradores

Nome: Diego Antonio Falceta Gonçalves

E-mail: dfalceta@usp.br

Formação: É Bacharel em Física com Habilitação em Astronomia pelo Instituto de Física da Universidade de São Paulo (2000). Concluiu seu Doutorado em Astronomia, pelo IAG – Universidade de São Paulo, em 2005. Obteve seu título de Professor Livre-Docente, pelo Departamento de Astronomia do IAG-USP, em 2011. Pós-doutorados na Universidade de Wisconsin – EUA (2007 – 2008) e University of St. Andrews – Reino Unido (2013 – 2015).

Linha de pesquisa: Na área de Astronomia, ênfase em Astrofísica de Plasmas com aplicações em Astrofísica Estelar, Galáctica e Extra-Galáctica.

Lattes: http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4706351U7

Página pessoal: http://each.uspnet.usp.br/fgoncalves

Artigos selecionados:

Falceta-Gonçalves, D., and G. Kowal. “Fast Magnetic Field Amplification in the Early Universe: Growth of Collisionless Plasma Instabilities in Turbulent Media.” The Astrophysical Journal 808.1 (2015): 65.

Falceta-Gonçalves, Diego, Alex Lazarian, and Grzegorz Kowal. “Studies of regular and random magnetic fields in the ISM: statistics of polarization vectors and the Chandrasekhar-Fermi technique.” The Astrophysical Journal 679.1 (2008): 537.

Falceta-Gonçalves, D., and V. Jatenco-Pereira. “The effects of Alfvén waves and radiation pressure in dust winds of late-type stars.” The Astrophysical Journal 576.2 (2002): 976.

Falceta-Gonçalves, Diego, M. C. De Juli, and V. Jatenco-Pereira. “Dusty molecular cloud collapse in the presence of Alfvén waves.” The Astrophysical Journal 597.2 (2003): 970.

Abraham, Z., et al. “Wind-wind collision in the η Carinae binary system—II. Constraints to the binary orbital parameters from radio emission near periastron passage.” Monthly Notices of the Royal Astronomical Society 364.3 (2005): 922-928.

 


 

Nome: Francisco Javier Sebastian Mendizabal Alvarez

E-mail: falvarez@usp.br

Formação: Possui graduação em Ciências Contábeis pelo Centro Universitário Fundação Santo André (1977), graduação em Ciencias Economicas pelo Centro Universitário Fundação Santo André (1976), mestrado em Administração pela Universidade de São Paulo (1998) e doutorado em Administração pela Universidade de São Paulo (2004).

Linha de pesquisa: Tem experiência na área de Administração, com ênfase em Administração de Marketing, atuando principalmente nos seguintes temas: marketing, gerência de vendas, key account management, trade marketing e varejo.

Lattes: http://lattes.cnpq.br/4218896753382242

Artigos selecionados:

Favero, Marcela Bortotti, and Francisco JSM Alvarez. “Integrated communication in retail fashion: a study of integration Between advertising and communication at the point of sale.” Journal of Arts and Humanities 2.2 (2013): 25.

 


 

Nome: Marcelo de Souza Lauretto

E-mail: marcelolauretto@usp.br

Formação: Graduado em Ciências da Computação pela UFMS (1992). Mestre em Matemática Aplicada (1996) pela USP. Doutor em Bioinformática (2007) pela USP.

Linha de pesquisa: Aprendizado de máquina; Modelos de previsão; Estatística computacional; Testes de hipóteses; Avaliação quantitativa de risco microbiológico; Planejamento de experimentos.

Lattes: http://lattes.cnpq.br/2488734578237992

Página pessoal: http://www.each.usp.br/lauretto

Artigos selecionados:

Lauretto, M.S.; Stern, R.B.; Morgan, K.L.; Clark, M.; Stern, J.M. “Haphazard intentional allocation and rerandomization to improve covariate balance in experiments“. In: Proceedings of the 36th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering (MaxEnt 2016), 2017, Ghent. Melville, New York: American Institute of Physics, 2016. v. 1853. p. 050003.

Razzolini, Maria Tereza Pepe, et al. “Giardia and Cryptosporidium infection risk by simultaneous exposure to drinking water.” Microbial Risk Analysis 4 (2016): 1-6.

Krzyzanowski, Flávio, et al. “Assessing the probability of infection by Salmonella due to sewage sludge use in agriculture under several exposure scenarios for crops and soil ingestion.” Science of the Total Environment 568 (2016): 66-74.

Sato, Maria Ines Z., et al. “Assessing the infection risk of Giardia and Cryptosporidium in public drinking water delivered by surface water systems in Sao Paulo State, Brazil.” Science of The Total Environment 442 (2013): 389-396.

Lauretto, M. S., C. A. B. Pereira, and J. M. Stern. “The full Bayesian significance test for mixture models: Results in gene expression clustering.” Genetics and Molecular Research 7.3 (2008): 883-897.

Lauretto, Marcelo, Carlos Alberto De Bragança Pereira, Julio Michael Stern, and Shelemyahu Zacks. “Full Bayesian Significance Test Applied to Multivariate Normal Structure Models.” Brazilian Journal of Probability and Statistics 17, no. 2 (2003): 147-68.

Potenciais projetos de dissertação:

1) Alocação intencional fortuita: Há uma grande discussão na comunidade estatística entre os defensores das abordagens tradicionais de amostragem probabilística (baseada em aleatorização) e os defensores da amostragem intencional (baseada em métodos não probabilísticos). Enquanto a amostragem aleatória minimiza a possibilidade de interferências humanas (intencionais ou não) no processo de alocação e permite o uso de técnicas clássicas de inferência, a amostragem intencional tende a fornecer grupos de tratamentos mais homogêneos em relação a certas variáveis de interesse. Nesta linha de pesquisa, tenho trabalhado em uma abordagem denominada Amostragem Fortuita, que combina métodos de amostragem intencional e amostragem aleatória. Essa abordagem tem obtido excelentes resultados em diversas aplicações, tais como: avaliação de software, planejamento de ensaios clínicos, seleção de painéis de medição de audiência, amostragem de estações atmosféricas. Dentre as diversas possibilidades de pesquisa, vemos:
a) A generalização dos métodos já desenvolvidos (p.ex. múltiplos grupos de tratamento, incorporação de funções de distâncias generalizadas, etc)
b) O desenvolvimento de critérios e métodos para obter balanços adequados entre a componente aleatória e a componente intencional;
c) A adaptação dos métodos usuais de inferência para esse paradigma de amostragem.

2) Learner stacking (ou meta ensemble): O paradigma de learner stacking busca construir novos classificadores a partir de classificadores individuais heterogêneos. A ideia é que os metaclassificadores formados sob esse paradigma sejam melhores do que os classificadores individuais, na medida em que conseguiriam “selecionar” ou ponderar melhor as previsões de cada classificador em cada subregião do espaço de atributos. Nessa linha de pesquisa, pretendemos desenvolver e avaliar diferentes estratégias de learner stacking em diferentes contextos.

3) Estimação de funções de densidade a partir de regressores: trata-se de uma área de interface entre machine learning e estatística. Trata-se também de uma área nova, em que o objetivo é ser capaz de se obter distribuições de probabilidades a partir das previsões fornecidas por modelos de regressão (ou possivelmente por classificadores categóricos). Algumas técnicas que pretendo estudar nesse projeto são bastante gerais e virtualmente adaptáveis para qualquer modelo de regressão, e podem fornecer regiões/intervalos estatísticos de previsão com base apenas nas previsões pontuais fornecidas pelos regressores.

4) Métodos de aprendizagem supervisionada e por reforço para a integração de bases de dados heterogêneas: O grande incremento no volume de dados disponíveis (públicos ou corporativos) tem despertado o interesse na descoberta do conhecimento a partir de bases de dados de diferentes fontes. Todavia, a integração manual de bases de dados heterogêneas envolve diversos desafios, dentre os quais: a necessidade do conhecimento das estruturas internas das bases (nem sempre bem documentadas); o envolvimento de especialistas em bancos de dados; e o alto custo de tempo e de recursos humanos envolvido no processo de integração. Esses desafios geram oportunidades para o desenvolvimento de ferramentas de integração automatizada. Uma das estratégias possíveis para prover a adaptabilidade e evolução dessas ferramentas é a incorporação de algoritmos de aprendizagem das regras de integração. Nesta linha de pesquisa, pretendemos desenvolver e avaliar diferentes abordagens de aprendizagem supervisionada e aprendizagem por reforço para o problema da integração de bases de dados heterogêneas (estruturadas ou não).

 


 

Nome: Masayuki Oka Hase

E-mail: mhase@usp.br

Formação: Possui graduação em Física pelo Instituto de Física da Universidade de São Paulo (1999), mestrado em Física pelo Instituto de Física da Universidade de São Paulo (2001) e doutorado em Física pelo Instituto de Física da Universidade de São Paulo (2005).

Linha de pesquisa: Seus interesses de pesquisa incluem questões gerais de transições de fase e fenômenos críticos, sistemas desordenados (vidros de spin) e física estatística fora do equilíbrio. O autor também investiga temas interdisciplinares, sendo que seu interesse concentra-se na análise da estrutura e dinâmica de redes complexas mediante ferramentas da física estatística.

Lattes: http://lattes.cnpq.br/9979732565759430

Artigos selecionados:

H. L. Casa Grande, M. Cotacallapa and M. O. Hase. “Random walk in degree space and the time-dependent Watts-Strogatz model.” Physical Review E 95, 012321 (2017).

M. O. Hase and H. L. Casa Grande. “Carrying capacity in growing networks.” Journal of Statistical Mechanics: Theory and Experiment P043304 (2016).

M. O. Hase, T. Tomé and M. J. de Oliveira. “Aging and fluctuation-dissipation ratio in a nonequilibrium q-state lattice model.” Physical Review E 82, 011133 (2010).

M. O. Hase and J. F. F. Mendes. “Diluted antiferromagnet in a ferromagnetic environment.” Journal of Physics A: Mathematical and Theoretical 41, 145002 (2008).

M. O. Hase, S. R. Salinas, T. Tomé and M. J. de Oliveira. “Fluctuation-dissipation theorem and the linear Glauber model.” Physical Review E 73, 056117 (2006).