Gabriel Berto Breder

Idiomas

Áreas de atuação

Participação em eventos

Produções bibliográficas

• BREDER, GABRIEL B. ; BRUM, DOUGLAS F. ; DIRK, LUCAS ; FERRO, MARIZA . O Paradoxo da IA para Sustentabilidade e a Sustentabilidade da IA. In: Workshop sobre as Implicações da Computação na Sociedade, 2024, Brasil. Anais do V Workshop sobre as Implicações da Computação na Sociedade (WICS 2024), 2024. p. 105-116.

Projetos de pesquisa

• 2023 - Atual

  Uso de Algoritmos de Aprendizado de Máquina para Predição de Chuva Extrema em áreas Urbanas: Um Estudo para Preparação de Dados Meteorológicos e Treinamento., Descrição: Eventos climáticos extremos, incluindo chuvas fortes, tornaram-se mais frequentes e severos devido às mudanças climáticas, causando danos materiais e perda de vidas. No Brasil, onde a urbanização rápida e desordenada obrigou as populações de baixa renda a ocupar áreas geológicas desfavoráveis, deslizamentos de terra e inundações causadas por chuvas extremas resultaram em vítimas significativas e danos materiais. A previsão de curto prazo de eventos climáticos extremos é um componente essencial de sistemas de alerta precoce e prevenção de riscos, porém, a precisão das previsões ainda é um enorme desafio. Estudos recentes mostram que os modelos de Aprendizado de Máquina (AM) podem melhorar a precisão preditiva para eventos climáticos extremos. No entanto, devido às características meteorológicas particulares de cada cidade, os modelos de desenvolvidos para uma região ou município podem não prever eventos extremos em outras localidades com características distintas e devido às limitações de generalização um modelo aprendido em uma região pode não funcionar bem em outra. Esta proposta de pesquisa se insere neste contexto, tendo como objetivo geral desenvolver modelos de AM que possam melhorar a previsão de eventos de chuva extrema em áreas urbanas e mitigar os impactos sociais protegendo vidas humanas e propriedades. Com base neste objetivo geral, os objetivos específicos desta proposta de projeto de Iniciação Científica envolvem o estudo e desenvolvimento de abordagens para a preparação dos dados meteorológicos que possam ser utilizados para o treinamento destes modelos de AM. A abordagem proposta será testada usando dados meteorológicos observacionais do município do Rio de Janeiro incluindo coleta, preparação de dados e integração de diferentes fontes de dados, seleção de atributos, treinamento de algoritmo de AM e avaliação dos resultados.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Gabriel Berto Breder - Coordenador / Mariza Ferro - Integrante.