Será defendida no dia 31 de março de 2026, às 16:30 horas, na sala 310 do Instituto de Computação, a Dissertação de Mestrado intitulada “Modelagem das Relações Probabilísticas entre Variáveis Meteorológicas e Precipitação no Município do Rio de Janeiro por meio de Redes Bayesianas”, do candidato ao título de Mestre em Computação – Lucas Dirk […]
Será defendida no dia 20 de março de 2026, às 10:00 horas, por videoconferência, a Dissertação de Mestrado intitulada “Biased Bootstrap for Positive and Unlabeled Learning”, do candidato ao título de Mestre em Computação – João Pedro de Matos d’Assumpção. Link para defesa: meet.google.com/ksr-xqet-tov Resumo: Este trabalho propõe um novo método de Positive and Unlabeled (PU)
Biased Bootstrap for Positive and Unlabeled Learning Read More »
Avisos, Defesas de Tesein conjunction with FG 2026 (May 25-29, Kyoto, Japan)In the past decade, artificial intelligence (AI) has achieved remarkable progress in recognizing faces, gestures, and multimodal signals. However, the most challenging question remains: How can AI understand all humans, not only the “typical” ones? According to the World Health Organization (WHO) report in 2023, an estimated
Empathic AI: Face, Gesture, and Accessibility Technologies (EmpAI 2026) Read More »
Conferências, EventosSerá defendida no dia 26 de fevereiro de 2026, às 14 horas, na sala 215, bloco R, Instituto de Computação, e por videoconferência, a Dissertação de Mestrado intitulada “Abordagens Computacionais para Indexação de Conjuntos de Parikh em Alfabetos Binário e de Tamanho Constante”, do candidato ao título Mestre em Computação – Mário Veronesi Medina. Link
Será defendida no dia 26 de fevereiro de 2026, às 14 horas, na sala 215, bloco R, Instituto de Computação, e por videoconferência, a Dissertação de Mestrado intitulada “Abordagens Computacionais para Indexação de Conjuntos de Parikh em Alfabetos Binário e de Tamanho Constante”, do candidato ao título Mestre em Computação – Mário Veronesi Medina. Link
Resumo O presente relatório constitui uma análise exaustiva e multidisciplinar acerca do estado da arte da segurança, ética e impacto sistêmico da Inteligência Artificial (IA) no biênio 2025-2026. Estruturado sob os rigores metodológicos exigidos para publicações de estrato A1 (CAPES), este documento disseca a dualidade fundamental que permeia a tecnologia contemporânea: as ameaças perpetradas contra
Será defendida no dia 27 de janeiro de 2026, às 16:00 horas, por videoconferência, a Proposta de Tese de Doutorado intitulada “Evolução Diferencial Probabilística para o Problema do Caixeiro Viajante com Drone”, do candidato ao título de Doutor em Computação – Israel Pereira de Souza. Link para defesa: meet.google.com/ugb-pnno-gho Evolução Diferencial Probabilística para o Problema do
Evolução Diferencial Probabilística para o Problema do Caixeiro Viajante com Drone Read More »
Defesas de TeseSerá defendida no dia 24 de novembro de 2025, às 14:00 horas, por videoconferência, a Dissertação de Mestrado intitulada “Modelagem do Consenso Bizantino em Timed Automata”, da candidata ao título de Mestre em Computação – Camila de Souza Ferreira. Link para defesa: https://meet.google.com/krg-awyy-shu Modelagem do Consenso Bizantino em Timed Automata Resumo: Esta dissertação apresenta uma modelagem formal
Modelagem do Consenso Bizantino em Timed Automata Read More »
Defesas de TeseSerá defendida no dia 4 de setembro de 2025, às 16:00h, por videoconferência, a Proposta de Tese de Doutorado intitulada “ProvInCiA: Uma Abordagem para Rastreabilidade de Dados em Cidades Inteligentes por meio de Proveniência”, da candidata ao título de Doutor em Computação – Maria Luiza Furtuozo Falci. Link para defesa: https://www.youtube.com/watch?v=BEgRjyCUrsU ProvInCiA: Uma Abordagem para Rastreabilidade de
Será defendida no dia 2 de setembro de 2025, às 14:00 horas, por videoconferência, a Dissertação de Mestrado intitulada “Graph-Based Reinforcement Learning for Combinatorial Optimization: Applications to Dominating Set and Vertex Cover”, do candidato ao título de Mestre em Computação – Osniel Lopes Teixeira. Link para defesa: https://meet.google.com/ojn-xzyw-uha Resumo: Este trabalho aplica Deep Q-Learning para aproximar soluções
