Jefferson Tales Oliva
Processamento de informação; Inteligência computacional
Processamento de informação; Inteligência computacional
CV: http://lattes.cnpq.br/5086431818930800
Bacharel em Ciência da Computação e mestre em Engenharia de Sistemas Dinâmicos e Energéticos pela Universidade Estadual do Oeste do Paraná (UNIOESTE), campus Foz do Iguaçu. Finalizou o doutorado no programa de Pós-Graduação em Ciências da Computação e Matemática Computacional pelo Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP), campus São Carlos. Atualmente é professor adjunto no curso de Engenharia de Computação da Universidade Tecnológica Federal do Paraná (UTFPR), Campus Pato Branco. Em 2017, parte do doutorado foi desenvolvida no Massachusetts General Hospital/Harvard Medical School. Também é pesquisador colaborador no Laboratório de Bioinformática (LABI) da UNIOESTE/Foz do Iguaçu. Tem experiência na área de Ciência da Computação e aplicações multidisciplinares e atua nos seguintes temas: mineração de dados, aprendizado de máquina, processamento de sinais, processamento de língua natural, análise de imagens, informática biomédica e autoML.
E-mail: jeffersonoliva @ utfpr.edu.br
Orcid: http://orcid.org/0000-0003-1574-1293
Google scholar: https://scholar.google.com.br/citations?user=bCs6YdQAAAAJ&hl=pt-BR&oi=ao
Researchgate: https://www.researchgate.net/profile/Jefferson_Oliva
Engloba a aplicação e o desenvolvimento de diferentes métodos de aprendizado de máquina, incluindo classificação supervisionada, deep learning, aprendizado por reforço e auto-aprendizado (automated machine learning - AutoML). Apesar deste tópico de pesquisa ser focado na área médica, também estamos abertos para outras aplicações.
Aborda o estudo de diferentes formas de extração de padrões e representação de sinais biológicos para a aplicação de métodos de aprendizado de máquina. Para o processamento de língua natural, o principal objetivo é a mineração de textos para mapeamento de informações que possam prover suporte na extração e análise de padrões relevantes, como a identificação de fatores que aumentam o risco de desenvolvimento de doenças a partir do processamento de laudos textuais médicos.
Inclui pesquisa e desenvolvimento de métodos e ferramentas para o processamento de dados médicos com o objetivo de prover suporte aos especialistas em processos de tomadas de decisão.