DATA SCIENCE & BIG DATA
SOBRE NÓS
___
O Data Science & Big Data é um laboratório de pesquisa dentro da Universidade Federal do Paraná (UFPR). Situado na interseção do Departamento de Informática (DINF) e do Departamento de Estatística (DEST), nossa iniciativa colaborativa reúne pesquisadores de ambas as disciplinas para expandir os limites do conhecimento em diversas áreas de pesquisa, incluindo Aprendizado de Máquina, Aprendizado Profundo, Modelagem Estatística, Prototipagem de Hardware e processamento de fluxos de Big Data.
NOSSOS PROJETOS
___
Conheça alguns dos nossos principais projetos:

Processando grandes quantidades de dados na borda.

Este projeto tem como objetivo desenvolver um framework para diagnóstico de falhas em linhas de transmissão por meio de aprendizado de máquina.
PESQUISAS RECENTES
___
Almeida, P. R. L., Oliveira, L. S., Silva Jr, E., Britto Jr, A., Koerich, A., PKLot – A robust dataset for parking lot classification, Expert Systems with Applications, 42(11):4937-4949, 2015. (pdf)
Almeida, P. R. L., Alves, J. H., Oliveira, L. S., Hochuli, A. G., Fröhlich, J. V., & Krauel, R. A. Vehicle Occurrence-based Parking Space Detection. In 2023 IEEE International Conference on Systems, Man, and Cybernetics (SMC). (pdf)
Ceschin, F., Botacin, M., Gomes, H. M., Pinagé, F., Oliveira, L. S., & Grégio, A. (2023). Fast & Furious: On the modelling of malware detection as an evolving data stream. Expert Systems with Applications, 212, 118590. (pdf)
Pena, E. H., de Almeida, E. C., & Naumann, F. (2021). Fast detection of denial constraint violations. Proceedings of the VLDB Endowment, 15(4), 859-871. (pdf)
Santos, S., Kepe, T. R., & Alves, M. A. Improved Computation of Database Operators via Vector Processing Near-Data. In 2023 IEEE 35th International Symposium on Computer Architecture and High Performance Computing (SBAC-PAD). (pdf)
Ribas, M. E. M., Mendes, H. B., Oliveira, L. E. S., Zanlorensi, L. A., Almeida, P. R. L. Using Deep Neural Networks to Quantify Parking Dwell Time. In 2024 IEEE 23th International Conference on Machine Learning and Applications. (pdf)
Alves, P. L., Hochuli, A., Oliveira, L. E., Almeida, P. R. L. Optimizing Parking Space Classification: Distilling Ensembles into Lightweight Classifiers. In 2024 IEEE 23th International Conference on Machine Learning and Applications. (pdf)
ÁREAS DE INTERESSE
___

Aprendizado de Máquina
A aprendizagem de máquina é um campo da inteligência artificial onde sistemas são projetados para aprender e melhorar a partir da experiência sem serem explicitamente programados. Envolve algoritmos que permitem aos computadores identificar padrões, fazer previsões e aprender com dados para realizar tarefas

Processamento de Stream
Processamento de stream refere-se à análise em tempo real e ao tratamento de fluxos contínuos de dados. Envolve a ingestão, processamento e análise de dados conforme são gerados, permitindo insights e ações imediatas

Redes Neurais Profundas
Redes neurais profundas são redes neurais artificiais complexas com múltiplas camadas que aprendem padrões intricados a partir de dados sem exigir engenharia de características. Elas são hábeis em reconhecer características e têm sido altamente bem-sucedidas em tarefas como reconhecimento de imagens e processamento de linguagem

Cidades Inteligentes
Cidades inteligentes integram tecnologia e dados para melhorar a qualidade de vida dos residentes e aprimorar as operações da cidade. Elas utilizam sensores interconectados, dispositivos IoT, análise de dados e inteligência artificial para otimizar diversos aspectos como transporte, uso de energia, gestão de resíduos, segurança pública e sustentabilidade geral

Processamento de Imagem e Classificação
Processamento de imagem é a manipulação e análise de imagens para aprimorar ou extrair informações úteis. Inclui tarefas como filtragem, aprimoramento e transformação de imagens. Classificação de imagem, um subconjunto do processamento de imagem, concentra-se em categorizar imagens em classes ou categorias predefinidas usando algoritmos de aprendizado de máquina

Hardware
Hardware refere-se aos componentes físicos de um sistema de computador ou dispositivo eletrônico. Nós focamos em prototipagem de hardware com propósitos especializados, como incluir instruções vetoriais na memória para tornar o processamento de dados mais rápido