17/04/26 - Seminário do Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP

Na sexta-feira, 17 de abril às 14hs, teremos o seguinte seminário do Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP.

Nome: Anderson Ara (DEST-UFPR)

Título: Uma Abordagem de Aprendizado Ativo com SVM para Detecção de Risco de Psicose

Resumo: Este trabalho propõe uma abordagem de Aprendizado Ativo (Active Learning) para aprimorar modelos de Support Vector Machine (SVM), priorizando observações mais informativas ao longo do treinamento. Em vez de utilizar amostragem aleatória, o método direciona o aprendizado para regiões de maior incerteza e relevância no espaço das variáveis de entrada. A seleção iterativa de observações permite um uso mais eficiente dos dados, promovendo um processo adaptativo e orientado pela contribuição potencial de cada observação. Como consequência, o modelo pode alcançar bom desempenho preditivo em um conjunto de dados reduzido. A abordagem é ilustrada em um problema de identificação de indivíduos em estado de risco para psicose (At-Risk Mental States), evidenciando o potencial do método em contextos clínicos nos quais a observação da variável resposta pode ser custosa ou limitada.

Minibio: Professor Adjunto da Universidade Federal do Paraná (UFPR), campus Curitiba-PR, Departamento de Estatística (DEst) do Setor de Ciências Exatas. Graduado (2009) e Mestre (2011) em Estatística pela Universidade Federal de São Carlos (UFSCar). Doutor em Estatística (2016) através dos Programas de Pós-graduação em Estatística (PPGEst-UFSCar) e Pós-graduação em Ciência da Computação (PPG-CC-UFSCar). Foi Professor Visitante na University of Toronto (UofT), Toronto-ON, Canadá (2023), Professor Adjunto da Universidade Federal da Bahia (2017-2021) e Professor da Faculdade de Tecnologia SENAI-SP (2009-2015). Docente da Especialização em Data Science & Big Data (DSBD-UFPR) e Especialização em Inteligência Artificial Generativa (GenIA-UFPR). Pesquisador do Programa de Pós-Graduação em Informática (PPGInf-UFPR) na linha de Ciência de Dados e do Programa de Pós-Graduação em Métodos Numéricos (PPGMNE-UFPR) na linha de Métodos Estatísticos. Atua principalmente nas seguintes áreas: Aprendizado Estatístico de Máquina, Inferência Estatística e Big Data Analytics. Possui mais de 50 artigos publicados na área de ciência de dados e mais de 20 prêmios nacionais e internacionais. Bolsista MEC/FNDE (2022-2028). Maiores detalhes em leg.ufpr.br/~ara.

Local: Sala 6 do CINA-UFSCar (São Carlos)

Todos são bem-vindos!