Eduardo Soares Ogasawara

	http://lattes.cnpq.br/0528303491410251 (28/12/2024) Rótulo/Grupo: Bolsa CNPq: Nível 2 Período de análise: Endereço: Grande área: Grande área: Ciências Exatas e da Terra Área: Ciência da Computação Citações: Google Acadêmico

Produção bibliográfica

• Artigos completos publicados em periódicos (0)
• Livros publicados/organizados ou edições (0)
• Capítulos de livros publicados (0)
• Textos em jornais de notícias/revistas (0)
• Trabalhos completos publicados em anais de congressos (0)
• Resumos expandidos publicados em anais de congressos (0)
• Resumos publicados em anais de congressos (0)
• Artigos aceitos para publicação (0)
• Apresentações de trabalho (0)
• Demais tipos de produção bibliográfica (0)

Produção técnica

• Programas de computador com registro de patente (0)
• Programas de computador sem registro de patente (0)
• Produtos tecnológicos (0)
• Processos ou técnicas (0)
• Trabalhos técnicos (0)
• Demais tipos de produção técnica (0)

Produção artística

• Total de produção artística (0)

Orientações em andamento

• Supervisão de pós-doutorado (0)
• Tese de doutorado (0)
• Dissertação de mestrado (0)
• Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
• Trabalho de conclusão de curso de graduação (0)
• Iniciação científica (0)
• Orientações de outra natureza (0)

Supervisões e orientações concluídas

• Supervisão de pós-doutorado (0)
• Tese de doutorado (0)
• Dissertação de mestrado (0)
• Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
• Trabalho de conclusão de curso de graduação (0)
• Iniciação científica (0)
• Orientações de outra natureza (0)

Projetos de pesquisa

• Total de projetos de pesquisa (3)

Prêmios e títulos

• Total de prêmios e títulos (3)

Participação em eventos

• Total de participação em eventos (0)

Organização de eventos

• Total de organização de eventos (0)

Lista de colaborações

• Colaborações endôgenas (0)

Produção bibliográfica

• Artigos completos publicados em periódicos (0)
  
  
  
• Livros publicados/organizados ou edições (0)
  
  
  
• Capítulos de livros publicados (0)
  
  
  
• Textos em jornais de notícias/revistas (0)
  
  
  
• Trabalhos completos publicados em anais de congressos (0)
  
  
  
• Resumos expandidos publicados em anais de congressos (0)
  
  
  
• Resumos publicados em anais de congressos (0)
  
  
  
• Artigos aceitos para publicação (0)
  
  
  
• Apresentações de trabalho (0)
  
  
  
• Demais tipos de produção bibliográfica (0)
  
  
  

Produção técnica

• Programas de computador com registro de patente (0)
  
  
  
• Programas de computador sem registro de patente (0)
  
  
  
• Produtos tecnológicos (0)
  
  
  
• Processos ou técnicas (0)
  
  
  
• Trabalhos técnicos (0)
  
  
  
• Demais tipos de produção técnica (0)
  
  
  

Produção artística

• Total de produção artística (0)
  
  
  

Orientações em andamento

• Supervisão de pós-doutorado (0)
  
  
  
• Tese de doutorado (0)
  
  
  
• Dissertação de mestrado (0)
  
  
  
• Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
  
  
  
• Trabalho de conclusão de curso de graduação (0)
  
  
  
• Iniciação científica (0)
  
  
  
• Orientações de outra natureza (0)
  
  
  

Supervisões e orientações concluídas

• Supervisão de pós-doutorado (0)
  
  
  
• Tese de doutorado (0)
  
  
  
• Dissertação de mestrado (0)
  
  
  
• Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
  
  
  
• Trabalho de conclusão de curso de graduação (0)
  
  
  
• Iniciação científica (0)
  
  
  
• Orientações de outra natureza (0)
  
  
  

Projetos de pesquisa

• Total de projetos de pesquisa (3)
  
  1. 2019-2022. MAtodos resilientes A nAo-estacionariedade no contexto de CiAancia de Dados
     Descrição: Processo: 303536/2018-7, Programa: PQ 2018, Valor financiado: R$39.600,00. O fenômeno do Big Data vem sendo produzido pelas ciências, empresas e governos. Ele se apresenta como um dos grandes desafios para a atual sociedade do conhecimento. A necessidade de extração de conhecimento no contexto de Ciência de Dados cresce significativamente, recaindo na exploração de métodos de Mineração de Dados para predição, classificação e descoberta de padrões. Diversos dos fenômenos estudados correspondem a ambientes não-estacionários, frequentemente associados ao tempo e espaço. Tal propriedade torna a Mineração de Dados bem mais complexa. Este projeto de pesquisa visa aumentar a eficiência e eficácia das abordagens nestes ambientes, focando-se tanto na gerência quanto na análise de dados. Para tanto, pretende-se atuar em três frentes de trabalho: (i) gerência de dados, (ii) métodos para descoberta de padrões, (iii) métodos de predição. A pesquisa combina o estudo aplicado de séries espaço-temporais com as pesquisas básicas em gerência e análise de dados visando entender a fundo em que circunstâncias tais abordagens podem ser refinadas para apoiar a não-estacionariedade.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (8) / Mestrado profissional: (10) / Doutorado: (2) . Integrantes: Eduardo Soares Ogasawara - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.
     Membro: Eduardo Soares Ogasawara.
  2. 2019-Atual. Programa de PA3s-graduaAAo em CiAancia da ComputaAAo
     Descrição: Processo: E-26/010.001353/2019, Programa: FAPERJ Apoio Emergencial a Programas de Pós-graduação do Rio de Janeiro, Valor financiado: R$39.879,98. O Programa de Pós-graduação em Ciência da Computação (PPCIC) do CEFET/RJ engloba o curso de Mestrado em Ciência da Computação. O Programa foi aprovado pelo CTC da CAPES em abril/2016. O PPCIC está inserido na área de conhecimento e área de concentração de Ciência da Computação. Em 2016, o programa passou por sua primeira avaliação, recebendo conceito bom em todos os quesitos aplicáveis da CAPES, porém foi classificado como nível 3 dada a não existência de egressos naquele momento. O PPCIC visa a formação de egressos capacitados para pesquisar, ensinar e desenvolver conhecimento científico e tecnológico na área de Ciência da Computação. Em particular, o programa tem uma ênfase na formação dos cientistas de dados, profissional com visão multidisciplinar, responsável por formular problemas sob uma perspectiva centrada em dados, transformando-os em conhecimento. Essa abordagem adotada por nosso grupo está aderente ao processo multidisciplinar da Computação. O PPCIC está organizado nas linhas Análise de Dados e Aplicações e Aprendizado de Máquina e Otimização, as quais contemplam um conjunto de projetos de pesquisa. O programa tem quatorze docentes, treze disciplinas e infraestrutura de laboratórios e biblioteca.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (45) . Integrantes: Eduardo Soares Ogasawara - Coordenador.
     Membro: Eduardo Soares Ogasawara.
  3. 2019-Atual. Data Analytics Lab
     Descrição: O Data Analytics Lab (DAL) foi formalizado junto ao diretório de grupos de pesquisa do CNPq em 2019 como um divisão do Grupo de Pesquisa em Pesquisa Aplicada (GPCA). A pesquisa é voltada em Data Analytics, Mineração de Dados e especialmente associada a análise de séries temporais. O Data Analytics Lab (DAL) centraliza a sua pesquisa em três principais frentes: Detecção de eventos Descoberta de padrões e motifs Predição http://dgp.cnpq.br/dgp/espelhogrupo/9806930220192669. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (8) / Doutorado: (5) . Integrantes: Eduardo Soares Ogasawara - Coordenador.
     Membro: Eduardo Soares Ogasawara.
  
  

Prêmios e títulos