PPCIC scriptLattes

Eduardo Soares Ogasawara

Eduardo Ogasawara é professor do Departamento de Ciência da Computação do Centro Federal de Educação Tecnológica do Rio de Janeiro (CEFET/RJ) desde 2010. É mestre e doutor em Engenharia de Sistemas e Computação pela COPPE/UFRJ. Entre 2000 e 2007, atuou na área de Tecnologia da Informação (TI), onde adquiriu ampla experiência em workflows e gerenciamento de projetos. Ele tem uma sólida experiência em banco de dados e seu principal interesse é Ciência de Dados. Atualmente está interessado em Mineração de Dados e Análise de Séries Temporais. Ele é membro do IEEE, ACM, INNS e SBC. Ao longo de sua carreira, apresentou um número consistente de artigos publicados e projetos aprovados por agências de fomento, como CNPq e FAPERJ. É editor associado do IEEE Latin America Transactions. Ele também é revisor de periódicos e conferências internacionais, incluindo SIAM Data Mining (SDM). Liderou a criação do Programa de Pós-Graduação em Ciência da Computação (PPCIC) do CEFET/RJ, onde foi coordenador de 2016 a meados de 2021. (Texto informado pelo autor)

  • http://lattes.cnpq.br/0528303491410251 (11/01/2024)
  • Rótulo/Grupo:
  • Bolsa CNPq: Nível 2
  • Período de análise:
  • Endereço: Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, DIPPG. Av. Maracanã, 229 - Bloco E sala 504/23 Maracanã 20271110 - Rio de Janeiro, RJ - Brasil Telefone: (21) 25663179 Ramal: 238 URL da Homepage: http://eic.cefet-rj.br/~eogasawara/
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações


Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (2)
    1. 2021-Atual. Deteccao de Eventos, Descoberta de Padroes e Predicao em Series Temporais
      Descrição: Processo: E-26/201.304/2021, Programa: Jovem Cientista do Nosso Estado (JCNE), Valor financiado: R$86.400,00 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 nestes grandes volumes de dados cresce significativamente. Ademais, diversos fenômenos estudados correspondem a ambientes não-estacionários, frequentemente associados ao tempo e espaço. Este cenário típico de Ciência de Dados constantemente traz novos desafios à mineração de dados. Este projeto de pesquisa visa desenvolver novos métodos mais eficazes e eficientes nestes ambientes. Para tanto, pretende-se atuar em três principais temas: (i) métodos de detecção de eventos, (ii) métodos de descoberta de padrões, (iii) métodos de predição. Este projeto combina a pesquisa básica nestes três temas aliada à pesquisa aplicada nas análises em séries temporais e espaço-temporais. Essa sinergia visa entender a fundo em que circunstâncias tais abordagens podem ser refinadas para apoiar o contexto geral de não-estacionariedade.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (10) / Mestrado acadêmico: (7) / Doutorado: (5) . Integrantes: Eduardo Soares Ogasawara - Coordenador. Financiador(es): Centro Federal de Educação Tecnológica Celso Suckow da Fonseca - Auxílio financeiro.
      Membro: Eduardo Soares Ogasawara.
    2. 2021-Atual. Mapa da Mobilidade Urbana do Rio de Janeiro
      Descrição: Processo: E-26/290.123/2021, Programa: rograma de Apoio à Projetos Científicos e Tecnológicos em Mobilidade Urbana ? 2021, Valor financiado: R$166.505,00 A mobilidade urbana é um tema que tem despertado crescente atenção dos setores público, privado e acadêmico, justamente por afetar sobremaneira o quotidiano de milhares de pessoas em seus deslocamentos diários de casa para o trabalho ou outras atividades. De fato, a mobilidade é o grande desafio das cidades contemporâneas, em todas as partes do mundo. A reiterada opção pelo automóvel levou à paralisia do trânsito, com desperdício de tempo e combustível, além dos problemas ambientais de poluição atmosférica e de ocupação do espaço público. Com esse contexto, esta proposta enfoca a questão da mobilidade urbana na cidade do Rio de Janeiro, com o enfoque no transporte de passageiros, visando contribuir no desenho de políticas públicas e de planos de ação para a mobilidade urbana no Rio de Janeiro, por meio do entendimento de como os diferentes modos do transporte público se relacionam com o tripé: Demanda (Capacidade), Eficiência e Confiabilidade. Com relação ao aspecto técnico-científico do projeto, contempla-se o desenvolvimento de pesquisa de ponta incorporando técnicas e metodologias modernas à problemática da mobilidade em grandes centros, como o tratamento de grande volumes de dados (Big Data) de deslocamento de pessoas para mapeamento de demandas e dimensionamento de capacidades de transporte por corredor de transporte; o uso da técnica de Análise de Redes Sociais (Social Network Analysis) para o desenho e diagnóstico de confiabilidade do corredor de transporte; o uso da técnica de Análise Envoltória de Dados (Data Envelopment Analysis) para avaliação da eficiência e das folgas de capacidade por modal de transporte; e modelos espaço-temporais em alta-dimensão para modelagem do fluxo urbano, com fim de entender a dinâmica da malha viária e avaliar métricas como a contribuição da frota de ônibus para poluição urbana, inclusive com a transferência bidirecional de know-how entre as instituições partícipes (instituições de pesquisa e poder público).. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (10) / Mestrado acadêmico: (8) / Doutorado: (4) . Integrantes: Eduardo Soares Ogasawara - Coordenador / Rafael Barbastefano - Integrante / Cristina Gomes de Souza - Integrante / Diego Moreira de Araújo Carvalho - Integrante / Eduardo Fonseca Mendes - Integrante / Renato Rocha Souza - Integrante / Marcel de Moraes Pedroso - Integrante / Douglas E. M. de Oliveira - Integrante / Peter Fernandes Wanke - Integrante / João Luiz Martins Carabetta - Integrante.
      Membro: Eduardo Soares Ogasawara.

Prêmios e títulos

  • Total de prêmios e títulos (4)
    1. Jovem Cientista do Nosso Estado, FAPERJ.. 2021.
      Membro: Eduardo Soares Ogasawara.
    2. Melhor dissertação de mestrado: Benchmarking Nonstationary Time Series Prediction (Rebecca Salles), SBBD - IV Concurso de Teses e Dissertações em Banco de Dados (CTDBD).. 2021.
      Membro: Eduardo Soares Ogasawara.
    3. Melhores revisores, SBBD - Simpósio Brasileiro de Banco de Dados.. 2021.
      Membro: Eduardo Soares Ogasawara.
    4. Aprovação da Bolsa de Produtividade em Pesquisa, CNPq.. 2021.
      Membro: Eduardo Soares Ogasawara.

Participação em eventos

  • Total de participação em eventos (4)
    1. Brazilian e-Science Workshop.Membro de Comitê de Programa. 2021. (Oficina).
    2. CSBC - Concurso de Teses e Dissertações. Membro de Comitê de Programa. 2021. (Congresso).
    3. IPAW - International Provenance and Annotation Workshop.Membro de Comitê de Programa. 2021. (Oficina).
    4. Simpósio Brasileiro de Banco de Dados.Membro de Comitê de Programa. 2021. (Simpósio).

Organização de eventos

  • Total de organização de eventos (4)
    1. OGASAWARA, E.; COUTINHO, R.. XXXVI Simpósio Brasileiro de Banco de Dados. 2021. Congresso
    2. COUTINHO, R. ; OGASAWARA, E.. IX Workshop da Escola de Informática Computação. 2021. Outro
    3. OGASAWARA, E.. IV Workshop da Escola de Informática Computação. 2016. (Outro).. . 0.
    4. OGASAWARA, E.. III Workshop da Escola de Informática e Computação. 2015. (Outro).. . 0.

Lista de colaborações

  • Colaborações endôgenas (6)
    • Eduardo Soares Ogasawara ⇔ Jorge de Abreu Soares (4.0)
      1. PAIXAO, B. S. C. ; BARONI, L. R. ; PEDROSO, M. M. ; SALLES, R. P. ; ESCOBAR, L. ; SOUSA, C. A. M. ; SALDANHA, R. F. ; SOARES, J. A. ; COUTINHO, R. C. ; PORTO, F. ; OGASAWARA, E.. Estimation of COVID-19 Under-Reporting in the Brazilian States Through SARI. New Generation Computing. v. 39, p. 00354-021-00125, issn: 1882-7055, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B3 (NEW GENERATION COMPUTING)
      2. TEIXEIRA, CLAUDIO ; GIUSTI, LUCAS ; SOARES, JORGE ; SANTOS, JOEL DOS ; AMORIM, GLAUCO ; OGASAWARA, EDUARDO. Integrated Dataset of Brazilian Flights. Em: XV Brazilian e-Science Workshop (BreSci), p. 89, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B5 (Brazilian e-Science Workshop)
      3. SOUTO, G. ; CAPISTRANO, B. ; MATIAS, M. ; SOARES, J. A. ; OGASAWARA, E. ; TAVARES, L. G.. Avaliação dos diferentes tipos de redes LSTM para predição de ações na bolsa de valores. Em: Escola Regional de Informática do Rio de Janeiro (ERI-RJ), p. 1-8, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: Não identificado (Escola Regional de Informática do Rio de Janeiro (ERI-RJ))
      4. MELLO, M. ; BELLONI, V. ; VASCONCELLOS, F. ; SOARES, J. A. ; OGASAWARA, E. ; TAVARES, L. G.. Funções Executivas e Idade Relativa como Preditores de Sucesso no Futebol. Em: Escola Regional de Informática do Rio de Janeiro (ERI-RJ), p. 1-8, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: Não identificado (Escola Regional de Informática do Rio de Janeiro (ERI-RJ))

    • Eduardo Soares Ogasawara ⇔ Eduardo Bezerra da Silva (3.0)
      1. SALLES, REBECCA ; PACITTI, ESTHER ; BEZERRA, EDUARDO ; PORTO, FABIO ; Ogasawara, Eduardo. TSPred: A framework for nonstationary time series prediction. NEUROCOMPUTING. v. 467, p. 197-202, issn: 0925-2312, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A2
      2. GEA, C. ; LIMA, J. ; BEZERRA, E. ; OGASAWARA, EDUARDO. Análise de métodos de tratamento de outliers para predição dos retornos de índices de ações negociados em bolsa. Em: Simpósio Brasileiro de Banco de Dados, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1
      3. BUCKLES, K. ; OGASAWARA, EDUARDO ; BEZERRA, EDUARDO ; GUIMARAES, M.. Wrapper Algorithm for choosing machine learning functions and methods in SSAS. Em: Journal of Computing Sciences in Colleges, v. 37, p. 92-100, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: Não identificado (Journal of Computing Sciences in Colleges)

    • Eduardo Soares Ogasawara ⇔ Joel André Ferreira dos Santos (3.0)
      1. TEIXEIRA, CLAUDIO ; GIUSTI, LUCAS ; SOARES, JORGE ; SANTOS, JOEL DOS ; AMORIM, GLAUCO ; OGASAWARA, EDUARDO. Integrated Dataset of Brazilian Flights. Em: XV Brazilian e-Science Workshop (BreSci), p. 89, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B5 (Brazilian e-Science Workshop)
      2. CAMPOS, R. M. L. ; BENINI, H. ; DOS SANTOS, J. A. F. ; OGASAWARA, E. ; MARQUES, F. P.. Classificação da Avaliação de Imersão em Aplicações Multissensoriais. Em: Escola Regional de Informática, v. 1, p. 1-4, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: Não identificado (Escola Regional de Informática)
      3. TEIXEIRA, C. ; GIUSTI, L. ; SOARES, J. ; DOS SANTOS, J. A. F. ; AMORIM, G. F. ; OGASAWARA, E. S.. Integrated Dataset of Brazilian Flights. Ithaca, New York: ArXiV. 2021. Preprint
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • Eduardo Soares Ogasawara ⇔ Rafaelli de Carvalho Coutinho (3.0)
      1. PAIXAO, B. S. C. ; BARONI, L. R. ; PEDROSO, M. M. ; SALLES, R. P. ; ESCOBAR, L. ; SOUSA, C. A. M. ; SALDANHA, R. F. ; SOARES, J. A. ; COUTINHO, R. C. ; PORTO, F. ; OGASAWARA, E.. Estimation of COVID-19 Under-Reporting in the Brazilian States Through SARI. New Generation Computing. v. 39, p. 00354-021-00125, issn: 1882-7055, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B3 (NEW GENERATION COMPUTING)
      2. VIGNOLI, L. E. G. ; SALLES, REBECCA ; LIMA, J. ; GEA, C. ; BARONI, L. ; ZIVIANI, A. ; PIRES, P. F. ; DELICATO, F. C. ; COUTINHO, R. C. ; ASSIS, L. S. ; OGASAWARA, E.. Evaluating Temporal Bias in Time Series Event Detection Methods. Journal of Information and Data Management - JIDM. v. 12, p. 242-256, issn: 2178-7107, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B4 (JOURNAL OF INFORMATION AND DATA MANAGEMENT)
      3. CASTRO FILHO, A. J. ; BORGES, H. ; PACITTI, ESTHER ; PORTO, F. ; COUTINHO, R. ; OGASAWARA, E.. Generalização de Mineração de Sequências Restritas no Espaço e no Tempo. Em: Simpósio Brasileiro de Banco de Dados, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1

    • Eduardo Soares Ogasawara ⇔ Diego Nunes Brandão (1.0)
      1. CARVALHO, LEONARDO ; STERNBERG, ALICE ; MAIA GONÇALVES, LEANDRO ; BEATRIZ CRUZ, ANA ; SOARES, JORGE A. ; BRANDÃO, DIEGO ; CARVALHO, DIEGO ; Ogasawara, Eduardo. On the relevance of data science for flight delay research: a systematic review. TRANSPORT REVIEWS. v. 41, p. 499-528, issn: 0144-1647, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A1

    • Eduardo Soares Ogasawara ⇔ Laura Silva de Assis (1.0)
      1. VIGNOLI, L. E. G. ; SALLES, REBECCA ; LIMA, J. ; GEA, C. ; BARONI, L. ; ZIVIANI, A. ; PIRES, P. F. ; DELICATO, F. C. ; COUTINHO, R. C. ; ASSIS, L. S. ; OGASAWARA, E.. Evaluating Temporal Bias in Time Series Event Detection Methods. Journal of Information and Data Management - JIDM. v. 12, p. 242-256, issn: 2178-7107, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B4 (JOURNAL OF INFORMATION AND DATA MANAGEMENT)




(*) Relatório criado com produções desde 2021 até 2021
Data de processamento: 05/03/2024 22:21:13