Aprendizado de Máquina

Grande parte dos avanços nas tarefas de extração de conhecimento a partir de dados são obtidos por meio de pesquisa em aprendizado de máquina. Duas subáreas de AM são de particular interesse neste projeto de pesquisa: (i) Aprendizado Profundo e (ii) Aprendizado por Reforço.

O Aprendizado Profundo abrange um conjunto de técnicas criadas para simular o comportamento do cérebro humano em tarefas como reconhecimento visual, reconhecimento de fala e processamento de linguagem natural. Essas técnicas tentam produzir representações hierárquicas de alto nível a partir dados de entrada, por meio de camadas de processamento sequencial.

O aprendizado por reforço estuda como agentes de software podem aprender a executar ações racionalmente em um ambiente para maximizar sua recompensa. O aprendizado neste contexto acontece por meio do fornecimento ao agente de sinais de reforço (que podem ser negativos ou positivos) associados às ações selecionadas pelo agente. O RL pode ser aplicado a várias tarefas, como planejamento, escalonamento de tarefas, jogos e muito mais.

Docentes Envolvidos:

•  Diego Haddad
•  Eduardo Bezerra (Responsável)
•  Pedro Gonzalez

Fomento:

1. Edital CNPq-SETEC/MEC Nº 17/2014 – Linha 1: PD&I (Apoio a Projetos Cooperativos de Pesquisa Aplicada e de Extensão Tecnológica), projeto “FXCode: compressão de dados para arquivos digitais”, no período 2015-2016, com coordenação do docente Eduardo Bezerra. O projeto contou com 04 bolsas ADC-A e 01 bolsa DTI-B durante sua vigência. Valor financiado R$ 128.868,00.
2. Edital de Grupo de Pesquisa do CEFET/RJ, projeto “Grupo de Pesquisa em Aprendizado de Máquina”, no período 2016-atual, com coordenação do docente Eduardo Bezerra. Valores financiados: R$ 21.319,18 (2017) e R$ 120.000,00 (2019).
3. Bolsas PIBIC

Esses projetos estão em desenvolvimento pelos membros do grupo desde 2015 e totalizam um valor de financiamento de aproximadamente R$270.187,18.