Lais Baroni
Geofísica (UFF – 2015)
Engenheira Cartógrafa (UERJ – 2019)
Mestre em Engenharia de Produção em Sistemas (CEFET/RJ – 2019)
Doutoranda em Engenharia de Produção em Sistemas (CEFET/RJ – atual)
Dedica-se à ciência de dados, com ênfase na detecção de eventos em séries temporais. Atualmente, está focada no estudo da decomposição empírica, explorando abordagens inovadoras para a detecção de eventos em séries complexas.
Áreas de pesquisa ativa e tópicos de interesse: transformação de dados, análise de dados, mineração de dados, séries temporais e detecção de eventos.
- Baroni, L et al. An Analysis of Malaria in the Brazilian Legal Amazon Using Divergent Association Rules. Journal of Biomedical Informatics, p. 103512, 2020.
- Baroni, L et al. An integrated dataset of malaria notifications in the Legal Amazon. BMC Research Notes, v. 13, n. 1, p. 1-3, 2020.
- Baroni, L. et al. Análise Exploratória da Malária na Amazônia Brasileira por Meio da Plataforma de Ciência de Dados aplicada à Saúde. In: Anais do XIII Brazilian e-Science Workshop. SBC, 2019.
- Salles, R., Escobar, L., Baroni, L., Zorrilla, R., Ziviani, A., Kreischer, V., Delicato, F., Pires, P., Maia, L., Coutinho, R., Assis, L., Ogasawara, E. Harbinger: Um framework para integração e análise de métodos de detecção de eventos em séries temporais.
- A Brazilian Portuguese Moral Foundations Dictionary for Fake News classification
- Baroni, L., Salles, R., Salles, S. et al. Neonatal mortality rates in Brazilian municipalities: from 1996 to 2017. BMC Research Notes 14,55 (2021).
- Paixão, B., Baroni, L., Pedroso, M. et al. Estimation of COVID-19 Under-Reporting in the Brazilian States Through SARI. New Generation Computing. (2021).
- Escobar, L. ; Salles, R. ; Lima, J. ; Gea, C. ; Baroni, L. ; Ziviani, A. ; Pires, P. ; Delicato, F. ; Coutinho, R. ; Assis, L. ; Ogasawara, E. Evaluating Temporal Bias in Time Series Event Detection Methods. Journal of Information and Data Management – JIDM, v. 12, p. 242-256, 2021.
- Ogasawara, E.; Salles, R. ; Escobar, L. ; Baroni, L. ; Lima, J. ; Porto, F. . Online event detection for sensor data. In: Ibero-Latin American Congress on Computational Methods in Engineering, 2021, Rio de Janeiro, RJ. Proceedings of the XLII Ibero-Latin-American Congress on Computational Methods in Engineering, 2021
- Baroni, L., Alves, R.F.S., Boccolini, C.S. et al. Database on the coverage of the “Bolsa-Família” conditioning cash-transfer program: Brazil, 2005 to 2021. BMC Res Notes 14, 435 (2021).
- Fernandes Santos Alves, R., de Moraes Mello Boccolini, P., Baroni, L.R. et al. Brazilian spatial, demographic, and socioeconomic data from 1996 to 2020. BMC Res Notes 15, 159 (2022). https://doi.org/10.1186/s13104-022-06044-w
- Alves, R.F.S., Boccolini, C.S., Baroni, L.R. et al. Primary health care coverage in Brazil: a dataset from 1998 to 2020. BMC Res Notes 16, 63 (2023). https://doi.org/10.1186/s13104-023-06323-0
- MOURA, Matheus S.; BARONI, Laís; OGASAWARA, Eduardo; MENDONÇA, Diogo S.. HD Pump: A Hybrid Detection Approach for Pump-and-Dump Schemes in CryptocurrencyExchanges. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 39. , 2024, Florianópolis/SC. Anais […]. Porto Alegre: Sociedade Brasileira de Computação, 2024 . p. 757-763. ISSN 2763-8979. DOI: https://doi.org/10.5753/sbbd.2024.243293.
- Souza, J., Boccolini, C., Baroni, L. et al. Evaluation of statistical process control charts for infant mortality monitoring in Brazilian cities with different population sizes. BMC Res Notes 17, 299 (2024). https://doi.org/10.1186/s13104-024-06943-0
- J. Souza et al., “REMD: A Novel Hybrid Anomaly Detection Method Based on EMD and ARIMA,” 2024 International Joint Conference on Neural Networks (IJCNN), Yokohama, Japan, 2024, pp. 1-8, doi: 10.1109/IJCNN60899.2024.10651192.
- Event detection approach for heteroscedastic series using intrinsic mode functions
- Pizza de Dados
Episódio 026: Explorando dados e criando novas metodologias - Seminário EIC
Estimativa de subnotificação de covid-19 no estados brasileiros por SRAG - Live CDECart – UERJ
Empreendedorismo na Engenharia Cartográfica e de Agrimensura - Apresentação no KiGC community annual meeting 2020
How to give life to your own Frankenstein’s monster dataset: From zero to a data paper - Grand Challenges Explorations
Depoimento dos times