PPCIC scriptLattes

Eduardo Soares Ogasawara

I am a Professor of the Computer Science Department of the Federal Center for Technological Education of Rio de Janeiro (CEFET / RJ) since 2010. I hold a D.Sc. in Systems Engineering and Computer Science at COPPE / UFRJ. Between 2000 and 2007 I worked in the Information Technology (IT) field where I acquired extensive experience in workflows and project management. I have a solid background in the Databases, and my primary interest is Data Science. I am currently interested in data-driven parallel and distributed processing, prediction and pattern identification, and data preprocessing. I am a member of the IEEE, ACM, INNS, and SBC. Throughout my career, I have been presenting a consistent number of published articles and projects approved by the funding agencies, such as CNPq and FAPERJ. I am also a reviewer of several international journals, including Journal of Parallel and Distributed Computing, IEEE Transactions on Service Computing and The Journal of Systems and Software. I led the creation of the Post-Graduate Program in Computer Science (PPCIC) of CEFET/RJ approved by CAPES in 2016. Currently, I am heading PPCIC. (Texto informado pelo autor)

  • http://lattes.cnpq.br/0528303491410251 (01/06/2021)
  • 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 (5)
    1. 2019-Atual. Programa de Pos-graduacao em Ciencia da Computacao
      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.
    2. 2019-Atual. Metodos resilientes a nao-estacionariedade no contexto de Ciencia 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: Em andamento; 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.
    3. 2018-Atual. Gerencia e Analise de Series Espaco-Temporais: Metodos Aplicacoes
      Descrição: Processo: E-26/203.239/2017, Programa: Jovem Cientista do Nosso Estado (JCNE), Valor financiado: R$75.600,00. O tratamento do dilúvio de dados que vêm sendo produzido pelas ciências, corporações e por bilhões de usuários de serviços de Internet globais se apresenta como um dos grandes desafios para a atual sociedade do conhecimento. A necessidade de gerência, análise e extração de conhecimento a partir desses dados cresce significativamente. Um subconjunto de aplicações relevantes nesse processo engloba o estudo de séries temporais e espaço-temporais. A Mineração de Dados em séries espaço-temporais comumente recai na exploração de métodos de representação, transformação, predição, classificação e padrões frequentes. Para cada método, existem inúmeros algoritmos. A solução de um determinado problema pode envolver a combinação de diferentes métodos e algoritmos. Este projeto de pesquisa visa contribuir para o aumento da eficiência e eficácia das abordagens na gerência e análise de dados de séries espaço-temporais em diferentes aplicações. Para tanto, pretende-se atuar em três frentes: (i) Gerência de dados, (ii) Métodos de pré-processamento e análise de dados, (iii) Aplicações em problemas de predição, classificação e padrões frequentes. A pesquisa combina o estudo aplicado de séries temporais e espaço-temporais em problemas de Mineração de Dados com as pesquisas básicas em gerência e análise de dados visando entender a fundo em quais circunstâncias tais abordagens podem ser refinadas para apoiar às séries espaço-temporais. A partir dessa compreensão, será possível investir com propriedade na resolução de problemas reais propostos para cenários de predição, classificação e padrões frequentes em séries espaço-temporais.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Eduardo Soares Ogasawara - Coordenador. Financiador(es): Centro Federal de Educação Tecnológica Celso Suckow da Fonseca - Bolsa.
      Membro: Eduardo Soares Ogasawara.
    4. 2017-2019. SciDISC - Scientific data analysis using Data-Intensive Scalable Computing
      Descrição: This project is an international collaborative project between Brazil and France, funded by the French side. --Inria (France) supports "Associate Teams" to strengthen scientific collaboration between Inria project teams and top-level research teams worldwide. -- Data-intensive science requires the integration of two fairly different paradigms: high-performance computing (HPC) and data-intensive scalable computing (DISC). Spurred by the growing need to analyze big scientific data, the convergence between HPC and DISC has been a recent topic of interest. This project will address the grand challenge of scientific data analysis using DISC (SciDISC), by developing architectures and methods to combine simulation and data analysis. The expected results of the project are: new data analysis methods for SciDISC systems; the integration of these methods as software libraries in popular DISC systems, such as Apache Spark; and extensive validation on real scientific applications, by working with our scientific partners such as INRA and IRD in France and Petrobras and the National Research Institute (INCT) on e-medicine (MACC) in Brazil. https://www.inria.fr/en/associate-team/scidisc.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Eduardo Soares Ogasawara - Integrante / Daniel Cardoso Moraes de Oliveira - Integrante / Marta Lima de Queiros Mattoso - Coordenador / Kary Ocana - Integrante / Fábio Porto - Integrante / Patrick Valduriez - Integrante / Esther Pacitti - Integrante / Alvaro L. G. A. Coutinho - Integrante / Florent Masseglia - Integrante / Dennis Shasha - Integrante / José Camata - Integrante / Ji Liu - Integrante. Financiador(es): Institut National de Recherche en Informatique et en Automatique - Siège - Cooperação.
      Membro: Eduardo Soares Ogasawara.
    5. 2017-2019. Programa de Pos-graduacao em Ciencia da Computacao
      Descrição: Processo: E-26/200.906/2017, Programa: FAPERJ Apio Emergencial a Programas de Pós-graduação do Rio de Janeiro, Valor financiado: R$45.000,00. O Programa de Pós-graduação em Ciência da Computação (PPCIC) do CEFET/RJ, aprovado pelo CTC da CAPES em abril/2016, está inserido na área de conhecimento e área de concentração de Ciência da Computação. O PPCIC engloba o curso de Mestrado em Ciência da Computação e, por ser um programa recém criado, está avaliado como nível 3. 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. Por meio deste foco, o programa combina pesquisa básica com aplicada. Essa é uma característica presente no perfil dos pesquisadores do quadro docente atual e esperado para os futuros docentes a serem incorporados ao programa. Essa combinação estabelece uma estratégia promissora, uma vez que ao mesmo tempo em que se estabelece resultados teóricos que subsidiam a construção de novas aplicações para solução de questões práticas, os problemas práticos muitas vezes propiciam a elaboração de novos arcabouços teóricos. Essa abordagem adotada por nosso grupo está aderente ao processo multidisciplinar da Computação. O PPCIC está organizado nas linhas Gerência de Dados e Aplicações e Métodos Baseado em Dados, as quais contemplam um conjunto de projetos de pesquisa. O programa tem doze docentes, dez disciplinas e infraestrutura de laboratórios e biblioteca.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (44) . Integrantes: Eduardo Soares Ogasawara - Coordenador. Financiador(es): FAPERJ - Bolsa.
      Membro: Eduardo Soares Ogasawara.

Prêmios e títulos

  • Total de prêmios e títulos (5)
    1. Melhor artigo (best paper) (categoria: short, vision, industry): Modelo autorregressivo de integração adaptativa, SBBD - Simpósio Brasileiro de Banco de Dados.. 2019.
      Membro: Eduardo Soares Ogasawara.
    2. Aprovação da Bolsa de Produtividade em Pesquisa, CNPq.. 2019.
      Membro: Eduardo Soares Ogasawara.
    3. Melhores revisores, SBBD - Simpósio Brasileiro de Banco de Dados.. 2019.
      Membro: Eduardo Soares Ogasawara.
    4. Jovem Cientista do Nosso Estado, FAPERJ.. 2018.
      Membro: Eduardo Soares Ogasawara.
    5. Terceiro lugar em Orientação de Iniciação Científica: Avaliação de Agregação Temporal na Previsão da Temperatura de Superfície do Mar do Oceano Atlântico, CTIC - Congresso da Sociedade Brasileira de Computação (CSBC).. 2017.
      Membro: Eduardo Soares Ogasawara.

Participação em eventos

  • Total de participação em eventos (12)
    1. DECOR@ICDE2020. Membro de Comitê de Programa. 2020. (Congresso).
    2. AICCSA. Membro de Comitê de Programa. 2019. (Congresso).
    3. CNMAC 2019. Membro de Comitê de Programa. 2019. (Congresso).
    4. BIDU@VLDB. Membro de Comitê de Programa. 2018. (Congresso).
    5. Brazilian e-Science Workshop. Brazilian e-Science Workshop. 2018. (Congresso).
    6. demos@VLDB. Membro do Comitê de Programa. 2018. (Congresso).
    7. SIAM International Conference on Data Mining. Membro do Comitê de Programa. 2018. (Congresso).
    8. Simpósio Brasileiro de Banco de Dados. Membro de Comitê de Programa. 2018. (Congresso).
    9. Brazilian e-Science Workshop. Membro do Comitê de Programa. 2017. (Congresso).
    10. ERAD-RJ. Membro do Comitê de Programa. 2017. (Congresso).
    11. SIAM International Conference on Data Mining. Membro do Comitê de Programa. 2017. (Congresso).
    12. Simpósio Brasileiro de Banco de Dados. Membro do Comitê de Programa. 2017. (Congresso).

Organização de eventos

  • Total de organização de eventos (7)
    1. OGASAWARA, E.; SANTOS, J. ; BELLOZE, K.. VIII Workshop da Escola de Informática Computação. 2020. Outro
    2. OGASAWARA, E.; DE OLIVEIRA, DANIEL. CSBC - XIII e-Science Workshop. 2019. Congresso
    3. OGASAWARA, E.; SANTOS, J.. VII Workshop da Escola de Informática Computação. 2019. Outro
    4. OGASAWARA, E.; ZIVIANI, A. ; HARA, C. ; MACEDO, J. A. ; VALDURIEZ, PATRICK. Latin America Data Science Workshop. 2018. Congresso
    5. BELLOZE, K. ; SANTOS, J. ; OGASAWARA, E.. V Workshop da Escola de Informática Computação. 2017. Outro
    6. OGASAWARA, E.. IV Workshop da Escola de Informática Computação. 2016. (Outro).. . 0.
    7. OGASAWARA, E.. III Workshop da Escola de Informática e Computação. 2015. (Outro).. . 0.

Lista de colaborações

  • Colaborações endôgenas (11)
    • Eduardo Soares Ogasawara ⇔ Rafaelli de Carvalho Coutinho (9.0)
      1. BORGES, H. ; DUTRA, M. ; BAZAZ, A. ; COUTINHO, R. ; PEROSI, F. ; PORTO, F. ; MASSEGLIA, F. ; PACITTI, ESTHER ; OGASAWARA, E.. Spatial-time motifs discovery. Intelligent Data Analysis. v. 24, p. 1121-1140, issn: 1088-467X, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B3 (INTELLIGENT DATA ANALYSIS (PRINT))
      2. SA, F. P. G. ; BRANDAO, D. ; OGASAWARA, E. ; COUTINHO, R. ; TOSO, R. F.. Wind Turbine Fault Detection: A Semi-Supervised Learning Approach With Automatic Evolutionary Feature Selection. Em: International Conference on Systems Signals and Image Processing, p. 323-328, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B2 (International Conference on Systems, Signals and Image Processing)
      3. SALLES, REBECCA ; VIGNOLI, L. E. G. ; BARONI, L. ; Zorrilla, R. ; ZIVIANI, A. ; KREISCHER, V. ; DELICATO, F. C. ; PIRES, P. F. ; MAIA, L. ; COUTINHO, R. ; ASSIS, L. S. ; OGASAWARA, E.. Um framework para integração e análise de métodos de detecção de eventos em séries temporais. Em: Simpósio Brasileiro de Banco de Dados, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1
      4. CASTRO FILHO, A. J. ; OGASAWARA, E. ; COUTINHO, R.. Mineração de sequências restritas no espaço e no tempo. Em: Workshop de Dissertações de Teses, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: Não identificado (Workshop de Dissertações de Teses)
      5. FERREIRA, J. ; PORTO, FABIO ; COUTINHO, R. ; OGASAWARA, E.. Rumo à Otimização de Operadores sobre UDF no Spark. Em: Brazilian e-Science Workshop, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B5
      6. SILVA, A. B. C. ; FERREIRA, J. ; CARVALHO, DIEGO ; MENDES, E. F. ; PACITTI, ESTHER ; COUTINHO, R. ; PORTO, F. ; OGASAWARA, E.. Detecção de Anomalias Frequentes no Transporte Rodoviário Urbano. Em: Simpósio Brasileiro de Banco de Dados, p. 271-276, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1
      7. FERREIRA, J. A. ; SOARES, J. A. ; PORTO, F. ; PACITTI, ESTHER ; COUTINHO, R. C. ; OGASAWARA, E.. Rumo à Integração da Álgebra de Workflows com o Processamento de Consulta Relacional. Em: Simpósio Brasileiro de Banco de Dados, p. 205-210, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1
      8. SILVA, A. B. C. ; FERREIRA, J. ; MONTEIRO, B. ; COUTINHO, RAFAELLI ; PORTO, F. ; OGASAWARA, E.. Detecção de anomalias no transporte rodoviário urbano. Em: Simpósio Brasileiro de Banco de Dados, p. 240-245, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1
      9. PASCHOAL JR, F. ; RIBEIRO, G. V. S. ; DE ARAGAO DAQUER, LEANDRO MONIZ ; MAURO, R. C. ; OGASAWARA, E. ; COUTINHO, R. ; FERREIRA, J. ; EBECKEN, N.. Framework de Classificação e de Análise do Padrão Comportamental de Usuários de Aplicativos Sociais no Facebook. Em: Ibero-Latin American Congress on Computational Methods in Engineering, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: Não identificado (Ibero-Latin American Congress on Computational Methods in Engineering)

    • Eduardo Soares Ogasawara ⇔ Gustavo Paiva Guedes e Silva (7.0)
      1. BARONI, L. ; SALLES, REBECCA ; SALLES, S. ; SILVA, G. P. G. E. ; BEZERRA, E. ; BARCELLOS, C. ; PEDROSO, M. M. ; OGASAWARA, E.. An Analysis of Malaria in the Brazilian Legal Amazon Using Divergent Association Rules. JOURNAL OF BIOMEDICAL INFORMATICS. v. 13, p. 103512, issn: 1532-0464, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A2
      2. RODRIGUES, RAFAEL G. ; Rodrigues, Kaio G. ; GOMES, R. R. ; FERRARI, LILIAN ; OGASAWARA, EDUARDO ; GUEDES, Gustavo Paiva. BRAPT: A New Metric for Translation Evaluation Based on Psycholinguistic Perspectives. IEEE Latin America Transactions. v. 18, p. 1264-1271, issn: 1548-0992, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B3
      3. BARONI, L. ; PEDROSO, M. ; BARCELLOS, C. ; SALLES, REBECCA ; SALLES, S. ; PAIXAO, B. ; CHRISPINO, A. ; GUEDES, Gustavo Paiva ; OGASAWARA, EDUARDO. An integrated dataset of malaria notifications in the Legal Amazon. BMC RESEARCH NOTES. v. 13, p. 1-3, issn: 1756-0500, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B2
      4. BARONI, L. ; PAIXAO, B. ; CHRISPINO, A. ; GUEDES, Gustavo Paiva ; BARCELLOS, C. ; PEDROSO, M. ; OGASAWARA, EDUARDO. Análise Exploratória da Malária na Amazônia Brasileira por Meio da Plataforma de Ciência de Dados Aplicada à Saúde. Em: Brazilian e-Science Workshop, p. 1-8, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B5
      5. CARVALHO, F. D. ; SANTOS, L. ; BORGES FILHO, H. ; OGASAWARA, E. ; GUEDES, G. P.. Discovering Patterns in Sentimental Analysis. Em: Brazilian Symposium on Multimedia and the Web, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1
      6. Mosqueira, L. C. ; ASSIS, L. S. ; LIMA, L. S. ; BEZERRA, E. ; GUEDES, GUSTAVO PAIVA ; ZIVIANI, A. ; Porto, F. ; BARBASTEFANO, R. G. ; OGASAWARA, E.. Evaluating the Complementarity of Communication Tools for Learning Platforms. In: International Conference on Computer Supported Education. Em: CSEDU 2018 - International Conference on Computer Supported Education, v. 2, p. 142-153, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1 (International Conference on Computer Supported Education)
      7. SALLES, REBECCA ; ASSIS, LAURA ; GUEDES, Gustavo Paiva ; BEZERRA, E. ; PORTO, FABIO ; OGASAWARA, E.. A Framework for Benchmarking Machine Learning Methods Using Linear Models for Univariate Time Series Prediction. Em: IJCNN - IEEE International Joint Conference on Neural Networks, p. 2338-2345, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A2 (IEEE International Joint Conference on Neural Networks)

    • Eduardo Soares Ogasawara ⇔ Eduardo Bezerra da Silva (5.0)
      1. BARONI, L. ; SALLES, REBECCA ; SALLES, S. ; SILVA, G. P. G. E. ; BEZERRA, E. ; BARCELLOS, C. ; PEDROSO, M. M. ; OGASAWARA, E.. An Analysis of Malaria in the Brazilian Legal Amazon Using Divergent Association Rules. JOURNAL OF BIOMEDICAL INFORMATICS. v. 13, p. 103512, issn: 1532-0464, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A2
      2. ANDRADE, A. ; SALLES, R. ; CARVALHO, F. ; BEZERRA, E. ; SOARES, J. A. ; SOUZA, C. G. ; González, Pedro Henrique ; OGASAWARA, E.. Uso de ciência de dados para predição do consumo de fertilizantes no Brasil. Em: Brazilian e-Science Workshop, p. 9-16, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B5
      3. OLIVEIRA, D. ; ABREU, C. M. ; OGASAWARA, EDUARDO ; BEZERRA, EDUARDO ; de Lima, L.S.. A Science Gateway to Support Research in Spectral Graph Theory. Em: SBBD - Simpósio Brasileiro de Banco de Dados, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1 (Simpósio Brasileiro de Banco de Dados)
      4. Mosqueira, L. C. ; ASSIS, L. S. ; LIMA, L. S. ; BEZERRA, E. ; GUEDES, GUSTAVO PAIVA ; ZIVIANI, A. ; Porto, F. ; BARBASTEFANO, R. G. ; OGASAWARA, E.. Evaluating the Complementarity of Communication Tools for Learning Platforms. In: International Conference on Computer Supported Education. Em: CSEDU 2018 - International Conference on Computer Supported Education, v. 2, p. 142-153, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1 (International Conference on Computer Supported Education)
      5. SALLES, REBECCA ; ASSIS, LAURA ; GUEDES, Gustavo Paiva ; BEZERRA, E. ; PORTO, FABIO ; OGASAWARA, E.. A Framework for Benchmarking Machine Learning Methods Using Linear Models for Univariate Time Series Prediction. Em: IJCNN - IEEE International Joint Conference on Neural Networks, p. 2338-2345, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A2 (IEEE International Joint Conference on Neural Networks)

    • Eduardo Soares Ogasawara ⇔ Jorge de Abreu Soares (4.0)
      1. CARVALHO, L. ; STERNBERG, A. ; GONCALVES, L. M. ; CRUZ, A. B. ; SOARES, J. A. ; BRANDÃO, D. N. ; CARVALHO, D. M. A. ; OGASAWARA, E.. On the Relevance of Data Science for Flight Delay Research: A Systematic Review. Transport Reviews. v. 1, p. 1-30, issn: 1464-5327, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A1 (TRANSPORT REVIEWS)
      2. ANDRADE, A. ; SALLES, R. ; CARVALHO, F. ; BEZERRA, E. ; SOARES, J. A. ; SOUZA, C. G. ; González, Pedro Henrique ; OGASAWARA, E.. Uso de ciência de dados para predição do consumo de fertilizantes no Brasil. Em: Brazilian e-Science Workshop, p. 9-16, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B5
      3. MOREIRA, L. S. ; DANTAS, C. M. R. ; OLIVEIRA, L. C. B. ; SOARES, J. A. ; OGASAWARA, E.. On Evaluating Data Preprocessing Methods for Machine Learning Models for Flight Delays. Em: IEEE International Joint Conference on Neural Networks, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A2
      4. FERREIRA, J. A. ; SOARES, J. A. ; PORTO, F. ; PACITTI, ESTHER ; COUTINHO, R. C. ; OGASAWARA, E.. Rumo à Integração da Álgebra de Workflows com o Processamento de Consulta Relacional. Em: Simpósio Brasileiro de Banco de Dados, p. 205-210, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1

    • Eduardo Soares Ogasawara ⇔ Laura Silva de Assis (3.0)
      1. SALLES, REBECCA ; VIGNOLI, L. E. G. ; BARONI, L. ; Zorrilla, R. ; ZIVIANI, A. ; KREISCHER, V. ; DELICATO, F. C. ; PIRES, P. F. ; MAIA, L. ; COUTINHO, R. ; ASSIS, L. S. ; OGASAWARA, E.. Um framework para integração e análise de métodos de detecção de eventos em séries temporais. Em: Simpósio Brasileiro de Banco de Dados, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1
      2. Mosqueira, L. C. ; ASSIS, L. S. ; LIMA, L. S. ; BEZERRA, E. ; GUEDES, GUSTAVO PAIVA ; ZIVIANI, A. ; Porto, F. ; BARBASTEFANO, R. G. ; OGASAWARA, E.. Evaluating the Complementarity of Communication Tools for Learning Platforms. In: International Conference on Computer Supported Education. Em: CSEDU 2018 - International Conference on Computer Supported Education, v. 2, p. 142-153, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1 (International Conference on Computer Supported Education)
      3. SALLES, REBECCA ; ASSIS, LAURA ; GUEDES, Gustavo Paiva ; BEZERRA, E. ; PORTO, FABIO ; OGASAWARA, E.. A Framework for Benchmarking Machine Learning Methods Using Linear Models for Univariate Time Series Prediction. Em: IJCNN - IEEE International Joint Conference on Neural Networks, p. 2338-2345, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A2 (IEEE International Joint Conference on Neural Networks)

    • Eduardo Soares Ogasawara ⇔ Diego Nunes Brandão (2.0)
      1. CARVALHO, L. ; STERNBERG, A. ; GONCALVES, L. M. ; CRUZ, A. B. ; SOARES, J. A. ; BRANDÃO, D. N. ; CARVALHO, D. M. A. ; OGASAWARA, E.. On the Relevance of Data Science for Flight Delay Research: A Systematic Review. Transport Reviews. v. 1, p. 1-30, issn: 1464-5327, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A1 (TRANSPORT REVIEWS)
      2. SA, F. P. G. ; BRANDAO, D. ; OGASAWARA, E. ; COUTINHO, R. ; TOSO, R. F.. Wind Turbine Fault Detection: A Semi-Supervised Learning Approach With Automatic Evolutionary Feature Selection. Em: International Conference on Systems Signals and Image Processing, p. 323-328, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B2 (International Conference on Systems, Signals and Image Processing)

    • Eduardo Soares Ogasawara ⇔ Kele Teixeira Belloze (2.0)
      1. SALLES, REBECCA ; BELLOZE, KELE ; PORTO, FABIO ; GONZALEZ, PEDRO H. ; OGASAWARA, EDUARDO. Nonstationary time series transformation methods: An experimental review. KNOWLEDGE-BASED SYSTEMS. v. 10, p. 1-21, issn: 0950-7051, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A1
      2. RONALD, A. ; SALLES, REBECCA ; BELLOZE, KELE ; PASTORE, D. ; OGASAWARA, E.. Modelo Autorregressivo de Integração Adaptativa. Em: Simpósio Brasileiro de Banco de Dados, v. 1, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1

    • Eduardo Soares Ogasawara ⇔ Leonardo Silva de Lima (2.0)
      1. OLIVEIRA, D. ; ABREU, C. M. ; OGASAWARA, EDUARDO ; BEZERRA, EDUARDO ; de Lima, L.S.. A Science Gateway to Support Research in Spectral Graph Theory. Em: SBBD - Simpósio Brasileiro de Banco de Dados, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1 (Simpósio Brasileiro de Banco de Dados)
      2. Mosqueira, L. C. ; ASSIS, L. S. ; LIMA, L. S. ; BEZERRA, E. ; GUEDES, GUSTAVO PAIVA ; ZIVIANI, A. ; Porto, F. ; BARBASTEFANO, R. G. ; OGASAWARA, E.. Evaluating the Complementarity of Communication Tools for Learning Platforms. In: International Conference on Computer Supported Education. Em: CSEDU 2018 - International Conference on Computer Supported Education, v. 2, p. 142-153, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1 (International Conference on Computer Supported Education)

    • Eduardo Soares Ogasawara ⇔ Joao Roberto de Toledo Quadros (1.0)
      1. CHAVES, P. ; PASCHOAL, L. ; VELASCO, T. ; SAMPAIO, T. ; BRANDAO, J. ; SCHOCAIR, CARLOS ; QUADROS, J. R. T. ; OLIVEIRA, T. ; OGASAWARA, EDUARDO. Orthographic Educational Game for Portuguese Language Countries. In: International Conference on Computer Supported Education. Em: CSEDU 2018 - International Conference on Computer Supported Education, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B1 (International Conference on Computer Supported Education)

    • Eduardo Soares Ogasawara ⇔ Joel André Ferreira dos Santos (1.0)
      1. CARDOSO, JOSUE ; CAETANO, DIEGO ; ABREU, RAPHAEL ; QUADROS, JOAO ; DOS SANTOS, JOEL ; Ogasawara, Eduardo ; LIGNANI, LEONARDO. Supporting the Learning of Evolution Theory Using an Educational Simulator. IEEE Transactions on Learning Technologies. v. 1, p. 1-1, issn: 1939-1382, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: A1 (IEEE TRANSACTIONS ON LEARNING TECHNOLOGIES)

    • Eduardo Soares Ogasawara ⇔ Pedro Henrique González Silva (1.0)
      1. ANDRADE, A. ; SALLES, R. ; CARVALHO, F. ; BEZERRA, E. ; SOARES, J. A. ; SOUZA, C. G. ; González, Pedro Henrique ; OGASAWARA, E.. Uso de ciência de dados para predição do consumo de fertilizantes no Brasil. Em: Brazilian e-Science Workshop, p. 9-16, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        Qualis: B5




(*) Relatório criado com produções desde 2017 até 2020
Data de processamento: 16/06/2021 21:48:53