Fabio André Machado Porto

Pós-doutorado

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• COSTA, RAQUEL L. ; GADELHA, LUIZ ; D?ARC, MIRELA ; RIBEIRO-ALVES, MARCELO ; ROBERTSON, DAVID L. ; SCHWARTZ, JEAN-MARC ; SOARES, MARCELO A. ; PORTO, FÁBIO . HIHISIV: a database of gene expression in HIV and SIV host immune response. BMC BIOINFORMATICS , v. 25, p. 125, 2024.

• PENA, EDUARDO H. M. ; PORTO, FABIO ; NAUMANN, FELIX . Fast Algorithms for Denial Constraint Discovery. Proceedings of the VLDB Endowment , v. 16, p. 684-696, 2023.

• Porto, Fabio ; FERRO, M. ; Ogasawara, E. ; MOEDA, THIAGO ; BARROS, C. D. T. ; CHAVES, A. S. ; COZ, R. M. Z. ; PEREIRA, R. S. ; CASTRO, RAFAELA ; SILVA, J. V. ; SALLES, REBECCA ; FONSECA, AUGUSTO J. M. DA ; HERMSDOFF, J. ; MAGALHAES, M. ; SA, V. ; SIMOES, A. ; CARDOSO, C. ; BEZERRA, EDUARDO . Machine Learning Approaches to Extreme Weather Events Forecast in Urban Areas: Challenges and Initial Results. SuperComputing Frontiers and Innovations , v. 9, p. 49, 2022.

• RAMOS, LEONARDO ; PORTO, FABIO ; DE OLIVEIRA, DANIEL . Managing Hypothesis of Scientific Experiments with PhenoManager. Journal of Information and Data Management - JIDM , v. 12, p. 138-155, 2021.

• LUSTOSA, H. L. S. ; SILVA, A. C. ; SILVA, D. N. R. ; VALDURIEZ, P. ; Fábio Porto . SAVIME: An Array DBMS for Simulation Analysis and ML Models Prediction. Journal of Information and Data Management - JIDM , v. 11, p. 247-264, 2021.

• SALLES, REBECCA ; PACITTI, ESTHER ; BEZERRA, EDUARDO ; Fábio Porto ; OGASAWARA, E. . TSPred: A framework for nonstationary time series prediction. NEUROCOMPUTING , v. 467, p. 197-202, 2021.

• BARONI, L. ; SALLES, REBECCA ; SALLES, S. ; GUEDES, G. ; PORTO, FABIO ; BEZERRA, E. ; BARCELLOS, C. ; PEDROSO, M. ; Ogasawara, E. . An Analysis of Malaria in the Brazilian Legal Amazon Using Divergent Association Rules. JOURNAL OF BIOMEDICAL INFORMATICS , v. 109, p. 1, 2020.

• LEMUS, NOEL MORENO ; SOUTO, Y. M. ; PEREIRA, R. S. ; LIU, J. ; PACITTI, Esther ; VALDURIEZ, Patrick ; PORTO, FABIO . {SUQ2:} Uncertainty Quantification Queries over Large Spatio-temporal Simulations. Bulletin of the Technical Committee on Data Engineering , v. 43, p. 47-59, 2020.

• OCAÑA, KARY A.C.S. ; GALHEIGO, MARCELO ; OSTHOFF, CARLA ; GADELHA, LUIZ M.R. ; PORTO, FABIO ; GOMES, ANTÔNIO TADEU A. ; DE OLIVEIRA, DANIEL ; VASCONCELOS, ANA TEREZA . BioinfoPortal: A scientific gateway for integrating bioinformatics applications on the Brazilian national high-performance computing network. Future Generation Computer Systems , v. 107, p. 192-214, 2020.

• CASTRO, RAFAELA ; SOUTO, YANIA M. ; Ogasawara, Eduardo ; PORTO, FABIO ; BEZERRA, EDUARDO . STConvS2S: Spatiotemporal Convolutional Sequence to Sequence Network for Weather Forecasting. NEUROCOMPUTING , v. 422, p. 1-298, 2020.

• OLIVEIRA, DOUGLAS ; PORTO, FÁBIO ; BOERES, CRISTINA ; OLIVEIRA, DANIEL . Towards optimizing the execution of spark scientific workflows using machine learning-based parameter tuning. CONCURRENY AND COMPUTATION (ONLINE) , v. 33, p. 10, 2020.

• BORGES, HERALDO ; DUTRA, MURILLO ; BAZAZ, AMIN ; COUTINHO, RAFAELLI ; PEROSI, FÁBIO ; PORTO, FÁBIO ; MASSEGLIA, FLORENT ; PACITTI, Esther ; Ogasawara, Eduardo . Spatial-time motifs discovery. Intelligent Data Analysis , v. 24, p. 1121-1140, 2020.

• LIU, JI ; LEMUS, NOEL MORENO ; PACITTI, Esther ; PORTO, FABIO ; Valduriez, Patrick . Parallel computation of PDFs on big spatial data using Spark. DISTRIBUTED AND PARALLEL DATABASES , v. 37, p. 1-38, 2019.

• SALLES, REBECCA ; BELLOZE, KELE ; PORTO, FABIO ; GONZALEZ, PEDRO H. ; OGASAWARA, EDUARDO . Nonstationary time series transformation methods: An experimental review. KNOWLEDGE-BASED SYSTEMS , v. 164, p. 274-291, 2018.

• COSTA, RAQUEL L. ; GADELHA, LUIZ ; RIBEIRO-ALVES, MARCELO ; PORTO, F?BIO . GeNNet: an integrated platform for unifying scientific workflows and graph databases for transcriptome data analysis. PeerJ , v. 5, p. e3509, 2017.

• GONÇALVES, BERNARDO ; Porto, Fabio . A note on the complexity of the causal ordering problem. Artificial Intelligence (General Ed.) , v. 238, p. 154-165, 2016.

• LUSTOSA, H. ; Porto, Fabio ; BLANCO, P. ; Valduriez, P. . Database System Support of Simulation Data. Proceedings of the VLDB Endowment , v. 9, p. 1329-1340, 2016.

• Moura, Ana Maria De Carvalho ; Porto, Fabio ; VIDAL, VANIA ; MAGALHÃES, REGIS PIRES ; MAIA, MACEDO ; Poltosi, Maira ; PALAZZI, DANIELE . A semantic integration approach to publish and retrieve ecological data. International Journal of Web Information Systems (Print) , v. 11, p. 87-119, 2015.

• GONCALVES, BERNARDO ; Porto, Fabio . Managing Scientific Hypotheses as Data with Support for Predictive Analytics. COMPUTING IN SCIENCE & ENGINEERING , v. 17, p. 35-43, 2015.

• Porto, Fabio ; COSTA, RAMON G. ; MOURA, ANA MARIA DE C. ; GONÇALVES, BERNARDO . Modeling and Implementing Scientific Hypothesis. Journal of Database Management , v. 26, p. 1-13, 2015.

• Goncalves, B. N. ; Porto, Fabio . Υ-DB: Managing scientific hypotheses as uncertain data. Proceedings of the VLDB Endowment , v. 7, p. 959-962, 2014.

• ZORRILLA, R ; POLTOSI, M ; GADELHA, L ; PORTO, F ; MOURA, A ; DALTO, A ; LAVRADO, H P ; VALENTIN, Y ; TENÓRIO, M ; XAVIER, E . Conceptual View Representation of the Brazilian Information System on Antarctic Environmental Research. Data Science Journal , v. 13, p. PDA20-PDA26, 2014.

• Porto, Fabio ; Schulze, Bruno . Data management for eScience in Brazil. Concurrency and Computation , v. 1, p. n/a-n/a, 2013.

• Liroz-Gistau, M. ; Akbarinia, R. ; Pacitti, E. ; Porto, Fabio ; Valduriez, P. . Dynamic Workload-Based Partitioning Algorithms for Continuously Growing Databases. Transactions on Large-Scale Data and Knowledge-Centered Systems , v. 8320, p. 105-128, 2013.

• Ogasawara, Eduardo ; DIAS, JONAS ; SILVA, VITOR ; CHIRIGATI, FERNANDO ; DE OLIVEIRA, DANIEL ; Fábio Porto ; Valduriez, Patrick ; MATTOSO, M. L. Q. . Chiron: a parallel engine for algebraic scientific workflows. Concurrency and Computation , v. 25, p. 2327-2341, 2013.

• SCHULZE, B. ; BUYYA, Rajkumar ; Fábio Porto . Middleware for Clouds and e-Science. Concurrency and Computation , v. 24, p. 1393-1396, 2012.

• Vania Vidal ; Jose Antonio F. de Macedo ; PINHEIRO, J. C. ; Casanova, M. A. ; Fábio Porto . Query Processing in a Mediator Based Framework for Linked Data Integration. International Journal of Business Data Communications and Networking , v. 7, p. 29-47, 2011.

• Eduardo Ogaswara ; Daniel Oliveira ; Jonas Dias ; Fábio Porto ; VALDURIEZ, Patrick ; MATTOSO, Marta . An Algebraic Approach for Data-Centric Scientific Workflows. Proceedings of the VLDB Endowment , v. 4, p. 1328-1339, 2011.

• Porto, Fabio ; MOURA, Ana Maria ; Silva, Frederico C. ; Bassini, Adriana ; Palazzi, Daniele C. ; Poltosi, Maira ; Castro, Luis Eduardo Viveiros ; CAMERON, L. C. . A metaphoric trajectory data warehouse for Olympic athlete¿follow-up. Concurrency and Computation , v. 26, p. n/a-n/a, 2011.

• SPACCAPIETRA, S ; PARENT, C ; DAMIANI, M ; DEMACEDO, J ; PORTO, F ; VANGENOT, C . A conceptual view on trajectories?. Data & Knowledge Engineering , v. 65, p. 126-146, 2008.

• Porto, Fabio ; Moura, Ana Maria De Carvalho ; Silva, Fabio Jose Coutinho Da ; Fernandez, Adriana Pereira . The ROSA project: leveraging e-learning to a semantic layer. International Journal of Knowledge and Learning (Print) , v. 3, p. 46, 2007.

• Silva, V. F. V. ; M.L. Dutra ; Fábio Porto ; SCHULZE, B. R. ; BARBOSA, Álvaro César ; OLIVEIRA, J. C. . An adaptive parallel query processing middleware for the grid. Concurrency and Computation. Practice & Experience , v. 18, p. 621-634, 2006.

• Vu, Le Hung ; Hauswirth, Manfred ; Fábio Porto ; Aberer, Karl . A search engine for QoS-enabled discovery of semantic web services, v. 1, p. 244, 2006.

• Fábio Porto ; Porto, F.A.M. ; Silva, V. F. V. ; Dutra, M. L. ; Schulze, B.R. . An Adaptive Distributed Query Processing Grid Service. Lecture Notes in Computer Science , v. 3836, p. 45-57, 2006.

• Fábio Porto ; GIRALDI, G. ; SCHULZE, B. R. ; OLIVEIRA, J. C. . CoDIMS - an adaptable middleware system for scientific visualization in Grids. Concurrency and Computation: Practice and Experience, v. 16, n.5, p. 512-522, 2004.

• BARBOSA, Álvaro César ; Fábio Porto ; MELO, Rubens Nascimento . Configurable Data Integration Middleware System. Journal of the Brazilian Computer Society , Porto Alegre, v. 8, n.2, p. 12-19, 2003.

• BOUGANIN, Luc ; CAVALCANTI, Maria Cláudia ; FABRET, Françoise ; LLIRBAT, François ; MATTOSO, Marta ; MELO, Rubens Nascimento ; MOURA, Ana Maria ; PACITTI, Esther ; Fábio Porto ; TANAKA, Astério ; VALDURIEZ, Patrick . The Ecobase Project:Database and Web Technologies for Environmental Information Systems. SIGMOD Record , Nova York, v. 30, n.3, p. 70-75, 2001.

• COZ, R. M. Z. ; Ogasawara, E. ; Patrick Valduriez ; Porto, Fabio . Transactions on Large-Scale data and Knowledge centered Systems. 4. ed. Berlin: Springer, 2024. v. 14790. 20p .

• SCHULZE, B. R. (Org.) ; BUYYA, R. (Org.) ; Porto, Fabio (Org.) . Middleware for Clouds and eScience. 24. ed. Wiley, 2012.

• SCHULZE, B. R. ; PORTO, F . Anais do IX Workshop em Clouds, Grids e Aplicações (WCGA2011). , 2011. v. V.1. 157p .

• SCHULZE, B. R. (Org.) ; Fabio André Machado Porto (Org.) . Proceedings of the International Workshop on Challenges in e-Science. Petropolis: LNCC, 2010.

• Akbarinia, R. ; BOTELLA, C. ; JOLY, A. ; MASSEGLIA, F. ; Mattoso, M. ; Eduardo Ogaswara ; de Oliveira, D. ; PACITTI, Esther ; Porto, Fabio ; PADRAL, C. ; SHASHA, D. ; Valduriez, P. . Life Science Workflow Services (LifeSWS): Motivations and Architecture. In: Hameurlain, A., Tjoa, A.M. (Org.). ife Science Workflow Services (LifeSWS): Motivations and Architecture. 35ed.Berlin: Springer, 2023, v. 14280, p. 1-25.

• SALLES, REBECCA ; PACITTI, Esther ; BEZERRA, EDUARDO ; Marques, Celso ; Pacheco, Carla ; Oliveira, Carla ; PORTO, FABIO ; OGASAWARA, EDUARDO . TSPredIT: Integrated Tuning of Data Preprocessing and Time Series Prediction Models. Lecture Notes in Computer Science. 1ed.: Springer Berlin Heidelberg, 2023, v. , p. 41-55.

• PORTO, F . Algoritmos e Modelos de Programação em Big Data. In: Flavia C Delicato; Paulo de Figueiredo Pires; Ismar Frango Silveira. (Org.). Jornadas de Atualização em Informática 2017. 13ed.Porto Alegre: Sociedade Brasileira de Computação, 2017, v. , p. 177-211.

• Porto, Fabio ; de C. Moura, Ana Maria ; GONÇALVES, BERNARDO ; Costa, Ramon ; Spaccapietra, Stefano . A Scientific Hypothesis Conceptual Model. Lecture Notes in Computer Science. 1ed.Berlin: Springer Berlin Heidelberg, 2012, v. 7518, p. 101-110.

• Fabio André Machado Porto ; Stefano Spaccapietra . Data Model for Scientific Models and Hypotheses. In: Roland Kaschek, Lois Delcambre. (Org.). The Evolution of Conceptual Modeling- From a Historical Perspective towards the Future of Conceptual Modeling. 1ed.Berlin: Springer-Verlag Berlin Heidelberg, 2011, v. 6520, p. 285-305.

• PARENT, C ; SPACCAPIETRA, S ; VANGENOT, C ; DAMIANI, M ; DEMACEDO, J ; Porto, Fabio . Modélisation Conceptuelle de Trajectories. In: Michel Schneider, Mireille Batton-Hubert, Thierry Joliveau, Sylvie Lardon, François Pinet. (Org.). Reveu des Nouvelles Technologies de l'Information (RNTI-E-13). Toulouse: CÉPADUÉS-ÉDITIONS, 2008, v. , p. 151-176.

• Fábio Porto ; ZIVIANI, A. ; Eduardo Ogaswara . Big Data: Um novo desafio à nossa porta. Computação Brasil, Porto Alegre, p. 53 - 56, 19 nov. 2015.

• ZIVIANI, A. ; Porto, Fabio ; Ogasawara, E. . Ciência de dados: desafio para Ciência, Indústria e Governo. Comciência, 10 jul. 2015.

• PENA, EDUARDO H. M. ; PORTO, FABIO ; NAUMANN, FELIX . Discovering Denial Constraints in Dynamic Datasets. In: 2024 IEEE 40th International Conference on Data Engineering (ICDE), 2024, Utrecht. 2024 IEEE 40th International Conference on Data Engineering (ICDE). Utrecht: IEEE, 2024. p. 3546.

• TORRES, G. S. R. ; SALDANHA, R. ; COZ, R. M. Z. ; RIBEIRO, V. D. ; PENA, E. ; Porto, Fabio . Dual-Metric Clustering for Multivariate Time Series: KMeans with DTW and QuadTree with Entropy. In: Simposio Brasileiro de Bancos de dados, 2024, Florianopolis. Anais do aSimposio Brasileiro de Bancos de dados. Porto Alegre: Sociedade Brasileira de Computação, 2024. p. 736-742.

• SILVA, E. P. ; BALBI, H. ; Esther Pacciti ; PORTO, FABIO ; SANTOS, J. ; Eduardo Ogaswara . Cutoff Frequency Adjustment for FFT-Based Anomaly Detectors. In: Simpósio Brasileiro de Bancos de dados, 2024, Florianopolis. Anais do Simposio Brasileiro de Bancos de dados. Porto Alegre: Sociedade Brasileira de Computação, 2024. p. 708-714.

• SALDANHA, RAPHAEL ; RIBEIRO, VICTOR ; PENA, EDUARDO H. M. ; PEDROSO, MARCEL ; AKBARINIA, REZA ; Valduriez, Patrick ; PORTO, FABIO . Subset Models for Multivariate Time Series Forecast. In: 2024 IEEE 40th International Conference on Data Engineering Workshops (ICDEW), 2024, Utrecht. 2024 IEEE 40th International Conference on Data Engineering Workshops (ICDEW). Utrech: IEEE, 2024. p. 86.

• LIMA, JANIO ; TAVARES, LUCAS GIUSTI ; PACITTI, ESTHER ; FERREIRA, JOÃO EDUARDO ; SANTOS, ISMAEL ; SIQUEIRA, ISABELA GUIMARÃES ; CARVALHO, DIEGO ; PORTO, FABIO ; COUTINHO, RAFAELLI ; Ogasawara, Eduardo . Online Event Detection in Streaming Time Series: Novel Metrics and Practical Insights. In: 2024 International Joint Conference on Neural Networks (IJCNN), 2024, Yokohama. 2024 International Joint Conference on Neural Networks (IJCNN). Yokohama: IEEE, 2024. p. 1.

• SOUZA, JÉSSICA ; PAIXÃO, ELLEN ; FRAGA, FERNANDO ; BARONI, LAIS ; ALVES, RONALDO FERNANDES SANTOS ; BELLOZE, KELE ; DOS SANTOS, JOEL ; BEZERRA, EDUARDO ; PORTO, FABIO ; Ogasawara, Eduardo . REMD: A Novel Hybrid Anomaly Detection Method Based on EMD and ARIMA. In: 2024 International Joint Conference on Neural Networks (IJCNN), 2024, Yokohama. 2024 International Joint Conference on Neural Networks (IJCNN). Yokohama: IEEE, 2024. p. 1.

• PEDROSO, M. ; SALLES, REBECCA ; SALDANHA, R. F. ; ALMEIDA, V. K. ; PORTO, F . Data Science Platform Applied to Health in Contribution to the Brazilian Unified Health System. In: 2nd International Workshop on Data Ecosystems, 2023, Vancouvert. Joint Proceedings of Workshops at the 49th International Conference on Very Large Data Bases {(VLDB} 2023), Vancouver, Canada, August, 28 - September 1, 2023, 2023. v. 3462. p. 1-16.

• ZORRILLA, ROCÍO ; Ogasawara, Eduardo ; Valduriez, Patrick ; PORTO, FÁBIO . A Data-Driven Model Selection Approach to Spatio-Temporal Prediction. In: Simpósio Brasileiro de Banco de Dados, 2022, Brasil. Anais do XXXVII Simpósio Brasileiro de Banco de Dados (SBBD 2022). Porto Alegre: Sociedade Brasileira de Computação, 2022. p. 1-1.

• LIMA, JANIO ; SALLES, REBECCA ; PORTO, FABIO ; COUTINHO, RAFAELLI ; ALPIS, PEDRO ; ESCOBAR, LUCIANA ; PACITTI, ESTHER ; Ogasawara, Eduardo . Forward and Backward Inertial Anomaly Detector: A Novel Time Series Event Detection Method. In: 2022 International Joint Conference on Neural Networks (IJCNN), 2022, Padua. 2022 International Joint Conference on Neural Networks (IJCNN), 2022. p. 1.

• PEREIRA, RAFAEL ; SOUTO, YANIA ; CHAVES, ANDERSON ; ZORILLA, ROCIO ; TSAN, BRIAN ; RUSU, FLORIN ; Ogasawara, Eduardo ; ZIVIANI, ARTUR ; PORTO, FABIO . DJEnsemble: a Cost-Based Selection and Allocation of a Disjoint Ensemble of Spatio-temporal Models. In: SSDBM 2021: 33rd International Conference on Scientific and Statistical Database Management, 2021, Tampa FL USA. 33rd International Conference on Scientific and Statistical Database Management. Tampa, Fl: Association of Computer Machinery, 2021. p. 226-231.

• BARROS, C. D. T. ; SALLES, REBECCA ; Eduardo Ogaswara ; GUIZZARDI, G. ; PORTO, FÁBIO . Requirements for an Ontology for Digital Twins. In: First Workshop on Ontology-Driven Conceptual Modeling of Digital Twins, 2021, Amsterdan. proceedings of the First Workshop on Ontology-Driven Conceptual Modeling of Digital Twins, 2021.

• GRITZ, R. A. J. ; PEREIRA, R. S. ; SILVA, H. M. F. ; ZATTI, H. G. ; VIANA, L. E. ; NAVARRO, K. C. ; DIAS, T. R. ; OLIVEIRA, V. S. ; SOUZA, R. A. ; OLIVEIRA, V. A. ; NETTO, M. B. ; Porto, Fabio . An Ontology Based Natural Language Processing Pipeline for Brazilian COVID-19 EMR. In: XV Brazilian e-Science Workshop, 2021, Florianopolis. Anais do XV Brazilian e-Science Workshop. Porto Alegre: SBCOpenLib, 2021. p. 73-80.

• SILVA, HENRIQUE MATHEUS F. DA ; SILVA, RAFAEL S. PEREIRA ; PORTO, FÁBIO . SAGAD: Synthetic Data Generator for Tabular Datasets. In: Simpósio Brasileiro de Banco de Dados, 2021, Brasil. Anais do XXXVI Simpósio Brasileiro de Banco de Dados (SBBD 2021), 2021. p. 1-12.

• HERRERA, STIW ; SILVA, LARISSA MIGUEZ DA ; REIS, PAULO RICARDO ; SILVA, ANDERSON ; PORTO, FABIO . Managing Sparse Spatio-Temporal Data in SAVIME: an Evaluation of the Ph-tree Index. In: Simpósio Brasileiro de Banco de Dados, 2021, Brasil. Anais do XXXVI Simpósio Brasileiro de Banco de Dados (SBBD 2021). Porto Alegre: Sociedade Brasileira de Computação, 2021. p. 337.

• OCANA, KARY ; GALHEIGO, MARCELO ; OSTHOFF, CARLA ; GADELHA, LUIZ ; GOMES, ANTONIO TADEU A. ; DE OLIVEIRA, DANIEL ; PORTO, FABIO ; VASCONCELOS, ANA TEREZA . Towards a Science Gateway for Bioinformatics: Experiences in the Brazilian System of High Performance Computing. In: 2019 19th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGRID), 2019, Larnaca. 2019 19th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGRID), 2019. p. 638.

• PEREIRA, R. S. ; PORTO, F . Deep Learning Application for Plant Classification on Unbalanced Training Set. In: 13 Brazilian eScience Workshop, 2019, Belem. Anais do 13 Brazilian eScience Workshop, 2019.

• PEREIRA, R. S. ; PORTO, F . Dealing with Categorical Missing Data using ClearnerR. In: 13 Brazilian eScience Workshop, 2019, Belem. Anais di 13 Brazilian eScience Workshop, 2019.

• SILVA, D. R. ; SIMOES, A. ; CARDOSO, C. ; de Oliveira, D. E. M. ; NOBRE, J. G. R. ; WEHMUTH, K. ; LUSTOSA, H. ; PEREIRA, R. S. ; SOUTO, Y. M. ; VIGNOLI, L. E. ; SALLES, REBECCA ; ZIVIANI, A. ; Eduardo Ogaswara ; DELICATO, F. ; PIRES, P. ; PINTO, H. L. P. ; MAIA, L. ; Fábio Porto . A Conceptual View Toward The Management of Machine Learning Modelos. In: ER Forum, 2019, Salvador. VEUR Workshop Proceeding of the ER Forum 2019, 2019. v. 2469.

• LUSTOSA, HERMANO ; PORTO, FÁBIO ; Valduriez, Patrick . SAVIME: A Database Management System for Simulation Data Analysis and Visualization. In: XXXIV Simpósio Brasileiro de Banco de Dados, 2019. Anais do Simpósio Brasileiro de Banco de Dados (SBBD). p. 85.

• CARVALHO, L. ; ASSIS, L. ; LIMA, L. ; BEZERRA, E. ; GUEDES, G. ; ZIVIANI, A. ; Fábio Porto ; BARBESTEFANO, R. ; Ogasawara, E. . Evaluating the Complementarity of Communication Tools for Learning Platforms. In: 10th International Conference on Computer Supported Education, 2018, Funchal. Proceedings of 10th International Conference on Computer Supported Education, 2018. v. 2. p. 142-153.

• GOTTIN, V. ; PACHECO, E. ; Jonas Dias ; CIARLINI, A. ; COSTA, B. ; VIEIRA, W. ; SOUTO, Y. M. ; PIRES, P. ; PORTO, FABIO ; RITTMEYER, J. G. . Automatic Caching Decision for Scientific Dataflow Execution in Apache Spark. In: Algorithms and Systems for MapReduce and Beyond (BeyondMR), 2018, Houston. Proceedings of the 5th ACM SIGMOD Workshop on Algorithms and Systems for MapReduce and Beyond. New York: ACM, 2018.

• SOUTO, Y. M. ; Porto, Fabio ; Moura, A. M. C. ; BEZERRA, E. . A Spatiotemporal Ensemble Approach to Rainfall Forecasting. In: International Joint Conference on Neural Networks,, 2018, Rio de Janeiro. Proceedings of the IJCNN - IEEE International Joint Conference on Neural Networks, 2018.

• FERREIRA, J. ; Porto, Fabio ; COUTINHO, R. ; Ogasawara, E. . Rumo à Otimização de Operadores sobre UDF no Spark. In: 12 Brazilian eScience, 2018, Natal. Anais do 12 Braziliam eScience Workshop, 2018.

• PORTO, FABIO ; RITTMEYER, JOÃO N. ; Ogasawara, Eduardo ; KRONE-MARTINS, ALBERTO ; Valduriez, Patrick ; SHASHA, DENNIS . Point pattern search in big data. In: the 30th International Conference, 2018, Bozen-Bolzano. Proceedings of the 30th International Conference on Scientific and Statistical Database Management - SSDBM '18. New York: ACM Press, 2018. p. 1.

• Porto, Fabio ; KHATIBI, A. ; RITTMEYER, J. G. ; Ogasawara, E. ; VALDURIEZ, Patrick ; SHASHA, D. . Constellation Queries over Big Data. In: 33 Simposio Brasileiro de Bancos de dados - SBBD 2018, 2018, Rio de Janeiro. Anais do 33 Simposio Brasileiro de Bancos de dados. Porto Alegre: Sociedade Brasileira de Computação, 2018.

• CAMPISANO, R. ; BORGES, H. ; PORTO, F ; PEROSI, F. A. ; Pacitti, E. ; MASSEGLIA, F. ; Ogasawara, E. . Discovering Tight Space-Time Sequences. In: 20th International Conference on Big Data Analytics and Knowledge Discovery, 2018, Regensburg. Lecture Notes in Computer Science. Munich: Springer, 2018.

• FERREIRA, J. E. ; PORTO, FABIO ; PACITTI, Esther ; Ogasawara, E. . Rumo à Integração da Álgebra de Workflows com o Processamento de Consulta Relacional. In: 33 Simpósio Brasileiro de Bancos de Dados, 2018, Rio de Janeiro. Anais do 33 Simpósio Brasileiro de Bancos de Dados. Porto Alegre: SBC, 2018.

• Valduriez, P. ; MATTOSO, Marta ; Akbarinia, R. ; BORGES, H. ; Alvaro Countinho ; GASPAR, D. ; LEMUS, N. ; LIU, J. ; LUSTOSA, H. ; MASSEGLIA, F. ; Silva, V. ; OCANA, K. ; Eduardo Ogaswara ; DE OLIVEIRA, DANIEL ; PACITTI, Esther ; Porto, Fabio ; SHASHA, D. . Scientific Data Analysis Using Data-Intensive Scalable Computing: The SciDISC Project. In: LADAS@VLDB2018, 2018, Rio de janeiro. Proceedings of the Latin America Data Science Workshop 2018, 2018.

• LIU, J. ; LEMUS, N. ; PACITTI, Esther ; PORTO, FABIO ; VALDURIEZ, Patrick . Computation of PDFs on Big Spatial Data: Problem & Architecture. In: Latin America Data Science Workshop co-located with 44th International Conference on Very Large Data Bases, 2018, Rio de Janeiro. Proceedings of the Latin America Data Science Workshop co-located with 44th International Conference on Very Large Data Bases, 2018.

• SALLES, REBECCA ; ASSIS, LAURA ; GUEDES, GUSTAVO ; BEZERRA, EDUARDO ; PORTO, FABIO ; Ogasawara, Eduardo . A framework for benchmarking machine learning methods using linear models for univariate time series prediction. In: 2017 International Joint Conference on Neural Networks (IJCNN), 2017, Anchorage. 2017 International Joint Conference on Neural Networks (IJCNN), 2017. p. 2338-2345.

• FREIRE, V. P. M. ; Jose Antonio F. de Macedo ; Porto, Fabio . ParallelNACLUSTER: Uma Estratégia Paralela de Clusterização para o casamento de Catálogos. In: 32 Simpósio Brasileiro de Banco de Dados, 2017, Uberlândia. Anais do 32 Simposio Brasileiro de Banco de Dados, 2017.

• GASPAR, D. ; Akbarinia, R. ; Porto, Fabio . TARDIS: Optimal Execution of Scientific Workflows in Apache Spark. In: International Conference on Big Data Analytics and Knowledge Discovery, 2017, Lyon, France. Lecture Notes in Compter Science, 2017. v. 10440. p. 74-87.

• KHATIBI, A. ; RITTMEYER, J. G. ; Porto, Fabio ; Ogasawara, E. ; Valduriez, P. ; SHASHA, D. . Pre-Processing and Indexing Techniques for Constellation Queries in Big Data. In: International Conference on Big Data Analytics and Knowledge Discovery, 2017, Lyon, France. Lecture Notes in Computer Science, 2017. v. 10440. p. 164-172.

• LUSTOSA, H. ; Porto, Fabio ; LEMUS, N. ; VALDURIEZ, Patrick . TARS: An Array Model with Rich Semantics for Multidimensional Data. In: Entity Relationship 2017 / Fourm, 2017, Valencia, Spain. Proceedings of the ER Forum 2017, 2017. v. 1979. p. 114-127.

• CAMPISANO, R. ; Fábio Porto ; PACITTI, Esther ; MASSEGLIA, F. ; Ogasawara, E. . Spatial Sequential Pattern Mining for Seismic Data. In: 31 Simpósio Brasileiro de Bancos de Dados, 2016, Salvador. Anais do 31 Simpósio Brasileiro de Banco de Dados, 2016. p. 241-246.

• SOUTO, Y. M. ; Moura, A. M. C. ; Porto, Fabio . Managing Uncertainty in Spatio-time series. In: 9o Brazilian eScience Workshop, 2015, Recife. Anais do XXXV Congresso da Sociedade Brasileira de Computação 2015. Porto Alegre: Sociedade Brasileira de Computação, 2015. v. 1. p. 1-8.

• de Oliveira, D. E. M. ; BOERES, C. ; FAUSTI, A. ; PORTO, F . Avaliação da Localidade de Dados Intermediários na Execução Paralela de Workflows Big Data. In: XXX Simpósio Brasileiro de Bancos de Dados, 2015, Petropolis. Anais do XXX Simposio Brasileiro de Bancos de Dados. Petropolis: Laboratório Nacional de Computação Científica, 2015. p. 29-40.

• de Oliveira, D. E. M. ; BOERES, C. ; Porto, Fabio . Análise de Estratégias de Acesso a Grandes Volumes de Dados. In: 29 Simpósio Brasileiro de Bancos de Dados, 2014, Curitiba. Anais do 29 Simposio Brasileiro de Bancos de Dados, 2014.

• FREIRE, VINICIUS PIRES DE MOURA ; PORTO, FABIO ANDRE MACHADO ; MACEDO, JOSE ANTONIO FERNANDES DE ; AKBARINIA, REZA . NACluster: A Non-supervised Clustering Algorithm for Matching Multi Catalogues. In: 2014 IEEE 10th International Conference on eScience (eScience), 2014, Sao Paulo. 2014 IEEE 10th International Conference on e-Science, 2014. p. 83-89.

• Goncalves, B. N. ; Fábio Porto . A lattice-theoretic approach for representing and managing hypothesis-driven research. In: 7th International Workshop on Foundation of Data Management, 2013, Puebla/Cholula. Proc. of the 7th International Workshop on Foundation of Data Management, 2013.

• GONÇALVES, BERNARDO ; Porto, Fabio . Research lattices. In: the 25th International Conference, 2013, Baltimore. Proceedings of the 25th International Conference on Scientific and Statistical Database Management - SSDBM. New York: ACM Press, 2013. p. 1.

• MAGALHAES, R. P. ; Monteiro, J.M.S. ; Vania Vidal ; Jose Antonio F. de Macedo ; Porto, Fabio ; Casanova, M. A. . QEF-LD: A query Engine for distributed query procesing on linked data. In: 15th Int'l Conference on Enterprise Information Systems, 2013, Anger. Proc. of the 15th Int'l Conference on Enterprise Information Systems. Angers: SciTePress, 2013. v. 1. p. 185-192.

• Jonas Dias ; Ogasawara, E. ; Daniel Oliveira ; Fábio Porto ; Valduriez, P. ; Mattoso, M. . Algebraic Dataflows for Big Data Analysis. In: IEEE International Conference on Big Data, 2013, Santa Clara, CA. Proceedings of the 2013 IEEE International Conference on Big Data, 6-9 October 2013, Santa Clara, CA, USA., 2013. p. 150-155.

• Jonas Dias ; Ogasawara, E. ; Daniel Oliveira ; Fábio Porto ; Valduriez, P. ; Mattoso, M. . Algebraic Dataflows for Big Data Analysis. In: IEEE International Conference on Big Data, 2013, Santa Clara, CA. Proceedings of the 2013 IEEE International Conference on Big Data, 6-9 October 2013, Santa Clara, CA, USA., 2013. p. 150-155.

• Costa, R. G. ; Porto, F.A.M. ; Fábio Porto ; Schulze, B.R. . An analytical data management as a cloud service for numerical simulations. In: VI eScience Workshop, 2012, Curitiba, Parana. Anais do VI eScience Workshop, 2012.

• Liroz-Gistau, M. ; Akbarinia, R. ; Pacitti, E. ; Porto, F.A.M. ; Fábio Porto ; Valduriez, P. . Dynamic workload-based partitioning for large-scale databases. In: 23rd International Conference on Database and Expert Systems Applications - DEXA 2012, 2012, Viena, Austria. Lecture Notes in Computer Science (LNCS), 2012.

• Chirigati, F. ; Silva, V. ; Ogasawara, E. ; de Oliveira, D. ; Porto, F.A.M. ; Fábio Porto ; Dias, J. ; Valduriez, P. ; Mattoso, M. . Evaluating parameter sweep workflows in high performance computing. In: The 1st international workshop on Scalable Workflow Enactment Engines and Technologies, 2012, Arizona, USA. Proceedings of the 1st international workshop on Scalable Workflow Enactment Engines and Technologies, 2012.

• Goncalves, B. N. ; Porto, F.A.M. ; Fábio Porto ; Moura, A. M. C. . Extending scientific workflows for managing hypotheses and models. In: VI eScience Workshop, 2012, Curitiba, Parana. Anais do VI eScience Workshop, 2012.

• Fábio Porto ; Porto, F.A.M. ; Moura, A. M. C. ; Goncalves, B. N. ; Costa, R. G. ; Spaccapietra, S. . Scientific hypothesis conceptual model. In: 1st International Workshop on Modeling for Data-Intensive Computing, 2012, Florença, Italia. Proc. of the 1st International Workshop on Modeling for Data-Intensive Computing, 2012.

• Goncalves, B. N. ; Porto, Fabio ; Moura, A. M. C. . On the semantic engineering of scientific hypotheses as linked data. In: the 2nd International Workshop on Linked Science 2012?Tackling Big Data (LISC2012), 2012, Boston. Proceedings of the 2nd International Workshop on Linked Science 2012?Tackling Big Data (LISC2012), 2012.

• Moura, A. M. C. ; Fábio Porto ; Maira Poltosi ; PALAZZI, D. ; Vania Vidal . Integrating Ecological Data Using Linked Data Principles. In: 5o Seminário de Pesquisa em Ontologia no Brasil - Ontobras, 2012, Recife. Anais do 5o Seminário de Pesquisa em Ontologia no Brasil, 2012.

• EVOY, G. M. ; Schulze, B.R. ; Fábio Porto . A representation Model for Virtual Machine Allocation. In: International Workshop on Cloud and Application Management, 2012, Chicago. Proc.of the INt'l Workshop on Cloud and Application Magement, 2012.

• SOUZA, V ; CHIRIGATI, F ; Eduardo Ogaswara ; Jonas Dias ; Daniel Oliveira ; Porto, Fabio ; VALDURIEZ, Patrick ; MATTOSO, Marta . Uma avaliação da Distribuição de Atividades Estática e Dinâmica em Ambientes Paralelos usando o Hydra. In: V eScience Workshop, 2011, Natal. Anais do XXXI CSBC - V eScience Workshop. Porto Alegre: SBC, 2011.

• Maira Poltosi ; PALAZZI, D. ; MOURA, Ana Maria ; Porto, Fabio ; Frederic Valentin ; Jean Louis Valentin . Tratamento de Inferência em Bancos de Dados Ecológicos. In: Congresso da Sociedade Brasileira de Computação - V eScience Workshop, 2011, Natal. Anais do XXXI CSBC - V eScience Workshop. Porto Alegre: SBC, 2011.

• FERRO, M. ; Fabio André Machado Porto ; SCHULZE, B. R. . Challenges in Data Mining, E-science and Grid Computing. In: Challenges im eScience, 2010, Petropolis. Proc. of the Challenges in eScience Workshop 2010, 2010.

• OLIVEIRA, J. C. ; Fabio André Machado Porto ; GIRALDI, G. ; SCHULZE, B. R. ; MURY, A. R. ; PINTO, R. C. G. . Evaluating QEF in Suporting Scientific Visualization Techniques in the Cloud. In: Challenges in eScience Workshop 2010, 2010, Petropolis. Proc. of the Challenges in eScience Workshop 2010, 2010.

• ZORRILLA, R. ; Fabio André Machado Porto ; SCHULZE, B. R. . Integration of a workflow framework with hadoop. In: Workshop on Challenges in e-Science, 2010, Petropolis. Proc. of the Challenges in eScience Workshop 2010, 2010.

• PINHEIRO, J. C. ; Vania Vidal ; Jose Antonio F. de Macedo ; Eveline Sacramento ; Casanova, M. A. ; Porto, Fabio . Query Processing in a Three-Level Ontology-Based Data Integration System. In: The 12th International Conference on Information Integration and Web-based Applications and Services, 2010, Paris. Proceedings of The 12th International Conference on Information Integration and Web-based Applications and Services. Nova York: ACM, 2010. p. 283-290.

• Porto, Fabio ; MOURA, Ana Maria ; PALAZZI, D. ; da SILVA, F. C. ; Maira Poltosi ; de CASTRO, L. E. V. ; CAMERON, L. C. . Towards a Scientific Database for Olympic Athletes. In: Challenge in eScience Workshop, 2010, Itaipava, Petropolis. Proc. of the Challenge in eScience Workshop. Petropolis, Rio de Janeiro: LNCC, 2010.

• de Oliveira, D. E. M. ; Fabio André Machado Porto ; GIRALDI, G. ; SCHULZE, B. R. ; PINTO, R. C. G. . Optimizing the pre-processing of scientific visualization techniques using QEF. In: 8th International Workshop on Middleware for Grids, Clouds and e-Science, 2010, Bangalore, India. Proceedings of the 8th Internacional Workshop on Middleware of Grids, Clouds and e-Science. Nova York: ACM, 2010.

• Jean-Paul Calbimonte ; Fábio Porto ; C. Maria Keet . Functional Dependencies in OWL ABoxes. In: 24 Simposio Brasileiro de Banco de Dados, 2009, Fortaleza. Anais do 24 Simposio Brasileiro de Banco de Dados. Brasilia: SBC, 2009.

• Vania Vidal ; Fernando Lemos ; Fábio Porto . Towards Automatic Generation of AXML Web Service for Dynamic Data Integration. In: 2008 EDBT workshop on Database technologies for handling XML information on the web, 2008, Nantes. ACM International Conference Proceeding Series. New York, NY: ACM, 2008. v. 353. p. 43-50.

• Fábio Porto ; Jose Antonio F. de Macedo ; Javier Sanchez Tamargo ; Yuanjian Wang Zufferey ; Vania Vidal ; Stefano Spaccapietra . Towards a Scientific Model Management System. In: Conceptual Model in Life Science Applications CMLSA ER workshop, 2008, Barcelona. Advances in Conceptual Modeling ? Challenges and Opportunities. Heidelberg: Springer Berlin, 2008. v. 5232. p. 55-65.

• Jose Antonio F. de Macedo ; Fábio Porto ; Sergio Lifschitz ; Philippe Picouet . A Conceptual Model Data Language for the Molecular Biology Domain. In: IEEE International Symposium on Computer-Based Medical Systems, 2007, Maribor. Proceedings of the Twentieth IEEE International Symposium on Computer-Based Medical Systems. Washington, DC,: IEEE Computer Society, 2007. p. 231-236.

• Jose Antonio F. de Macedo ; Porto, Fabio ; Sergio Lifschitz ; Philippe Picouet . Dealing with Some Conceptual Data Model Requirements for Biological Domains. In: 21st International Conference on Advanced Information Networking and Applications Workshops, 2007, Niagara Falls. Proceedings of the 21st International Conference on Advanced Information Networking and Applications Workshops. Washington, DC,: IEEE Computer Society, 2007. v. 1. p. 651-656.

• Fábio Porto ; Othman Tajmouati ; Silva, V. F. V. ; SCHULZE, B. R. ; MARANHÃO, F. A. . QEF - Supporting Complex Query Applications. In: the Seventh IEEE International Symposium on Cluster Computing and the Grid, 2007, Rio de Janeiro. Proceedings of the Seventh IEEE International Symposium on Cluster Computing and the Grid. Washington, DC,: IEEE Computer Society, 2007. p. 846-851.

• Vu, Le Hung ; Fábio Porto ; Hauswirth, Manfred ; Aberer, Karl . An Extensible and Personalized Approach to QoS-enabled Service Discovery. In: Proc. of the 11 International Database Engineering and Applications Symposium, 2007, Banff. Proceedings of the International Database Engineering and Applications Symposium. Washington, DC,: IEEE Computer Society, 2007. p. 37-45.

• Robert Minchin ; Fábio Porto ; Sven Hartman ; Christelle Vangenot . Symptoms Ontology for Mapping Diagnostic Knowledge Systems. In: International Symposium on Computer-Based Medical Systems, 2006, Salt Lake City. Proceedings of the 19th IEEE Symposium on Computer-Based Medical Systems. Washington DC: IEEE Computer Society, 2006. p. 593-598.

• Fábio Porto . Reasoning on Dynamically Built Reasoning Space with Ontology Modules. In: On the Move to Meaningful Internet Systems 2005: CoopIS, DOA, and ODBASE, 2005, Agia Napa, Chipre. Lecture Notes in Computer Science. Heidelberg: Springer Berlin, 2005. v. 3761. p. 1623-1628.

• Fábio Porto ; Silva, V. F. V. ; M.L. Dutra ; SCHULZE, B. R. . An Adaptive Distributed Query Processing Grid Service. In: Data Management in Grids, 2005, Throndhein. Lecture Notes in Computer Science. Heidelberg: Springer_Verlag, 2005. v. 3836. p. 45-57.

• Fábio Porto ; MOURA, Ana Maria ; SILVA, F. J. C. . ROSA:A Repository of Objects with Semantic Access for e-learning. In: International Database Engineering and Applications Symposium, 2004, Coimbra. International Database Engineering and Applications Symposium No8. Los Alamitos CA: IEEE Computer Society, 2004. p. 486-488.

• Silva, V. F. V. ; M.L. Dutra ; Fábio Porto ; SCHULZE, B. R. ; BARBOSA, Álvaro César . CoDIMS-G: a data and program integration service for the grid. In: 2nd Int'l workshop on Middleware for Grid Computing, 2004, Ontario. Proceedings of the 2nd workshop on Middleware for grid computing. New York, NY: ACM, 2004. v. 76. p. 29-34.

• SILVA, F. J. C. ; Fábio Porto . Query Processing in ROSA Data Model. In: XIX Simpósio Brasileiro de Banco de Dados, 2004, Brasília. Anais do XIX Simpósio Brasileiro de Banco de Dados. Brasilie: UnB, 2004. p. 204-218.

• Francisco H. T. Costa ; Fábio Porto . Processamento de Consultas com ênfase na exploração de inferência sobre learning-objects. In: I Workshop de Web Semantic, 2004, Brasília. Anais do I Workshop de Web Semantic. Brasilia: UnB, 2004.

• Fábio Porto ; MOURA, Ana Maria . ROSA: A Data Model and Query Language for e-Learning Objects. In: I PGL DB Research Conference, 2003, Rio de Janeiro. Proc. do I PGL DB Research Conference,CEUR Workshop Proceedings. Rio de Janeiro: PUC-Rio, 2003. v. 70.

• Fábio Porto ; FERNANDES, A. ; MOURA, Ana Maria . An Ontology-based approach for organizing, sharing and querying learning-objects on the web. In: 14th International Workshop on Database and Expert Systems Applications, 2003, Praga. Lecture Notes in Computer Science. Praga: IEEE Computer Society 2003, 2003. v. 2736. p. 604-609.

• Fábio Porto ; LABER, E. ; VALDURIEZ, Patrick . Cherry Picking: A semantic query processing strategy for the evaluation of expensive predicates. In: XVIII Simposio Brasileiro de Banco de Dados, 2003, Manaus. Anais do XVIII Simposio Brasileiro de Banco de Dados. Manaus: UFAM, 2003. p. 356-370.

• Fábio Porto ; MARANHAO, F. A. ; MELO, Rubens Nascimento . Uma Máquina Extensível para Suporte a Novos Modelos de Execução de Consultas. In: XVIII Simposio Brasileiro de Banco de Dados, 2003, Manaus. Anais do XVIII Simposio Brasileiro de Banco de Dados. Manaus: UFAM, 2003.

• Fábio Porto ; MELO, Rubens Nascimento ; BARUQUE, L. . Towards an Instructional Design Methodology based on Learning Objects. In: Int?l Conf. On Computers and Advanced Technology in Education- 2003, 2003, Rhodes. Proceeding of Int?l Conf. On Computers and Advanced Technology in Education- 2003. Calgary, AB, Canada: ACTA Press, 2003.

• RODRIGUES, E. ; Fábio Porto ; RODRIGUES NETO, J. ; MELO, Rubens Nascimento . Mapping OO-applications to relational databases using MOF and XMI. In: Workshop on Integration and Transformation of UML models ? ECOOP02, 2002, Málaga. Proceedings of the 2nd Workshop on Integration and Transformation of UML models, 2002.

• MARANHAO, F. A. ; Fábio Porto ; BARBOSA, Álvaro César ; MELO, Rubens Nascimento . Um Framework para Construção de Máquinas de Execução de Consultas Relacionais. In: VIII Congreso Argentino de Ciencias de la Computación, 2002, Buenos Aires. Anais do CACIC 2002, 2002.

• Fábio Porto ; MARANHAO, F. A. ; MELO, Rubens Nascimento . QEEF: A framework for Query Execution Engine. In: Congresso Argentino de Ciências de La Comnputacion, 2002, Buenos Aires. Anais do CACIC2002, 2002. p. 75-86.

• Fábio Porto ; VALDURIEZ, Patrick ; BOUGANIN, Luc ; FABRET, Françoise . Processing Queries with Expensive Functions and Large Objects in Distributed Mediator Systems. In: 17th International Conference on Data Engineering, 2001, Heidelber. Proceeding of the 17th International Conference on Data Engineering. Heidelber: IEEE Computer Society, 2001. p. 91-98.

• BARBOSA, Álvaro César ; Fábio Porto . Configurable Data Integration Middleware System. In: WIIW - INternational Workshop on Information Integration on the Web - Technologies and Applications, 2001, Rio de Janeiro. Proceedings of the 1st International workhop on Web Information Integration on the Web, 2001.

• Fábio Porto ; Sérgio R. Carvalho ; MELO, Rubens Nascimento . Persistent Object Synchronization with Active Relational Databases. In: Technology of Object_Oriented Language and Systems, 1999, Santa Barabara. TOOLS Proceedings, 1999.

• Fábio Porto ; SILVA, M. V. E. ; Sérgio R. Carvalho . Object Life-Cycles in Active Relational Databases. In: Technology of Object Oriented Languages and Systems, 1998, Santa Barbara. 26th TOOLS Proceedings. Santa Barbara: IEEE Computer Society, 1998.

• MELO, Rubens Nascimento ; Fábio Porto ; Fernanda Lima ; BARBOSA, Álvaro César . ECOHOOD: Constructing Configured DBMS based on Frameworks. In: XIII Simpósio Brasileiro de Banco de Dados, 1998, Maringá. Anais do XIII Simpósio Brasileiro de Banco de Dados, 1998.

• Fábio Porto ; MELO, Rubens Nascimento . Aspectos de Implementação de Objetos-Vídeo em SGBD Relacional-Objeto. In: XI Simpósio Brasileiro de Banco de Dados, 1996, São Carlos. Anais do XI Simpósio Brasileiro de Banco de Dados, 1996.

• Fábio Porto ; MELO, Rubens Nascimento . Incorporando Objetos Multimídia a Bancos de Dados. In: X Simpósio Brasileiro de Banco de Dados, 1995, Recife. Anais do X Simpósio Brasileiro de Banco de Dados, 1995.

• RIBEIRO, VITOR ; PENA, EDUARDO H. M. ; SALDANHA, RAPHAEL ; AKBARINIA, REZA ; VALDURIEZ, Patrick ; KHAN, FALAAH ARIF ; STOYANOVICH, JULIA ; PORTO, FABIO . Subset Modelling: A Domain Partitioning Strategy for Data-efficient Machine-Learning. In: Simpósio Brasileiro de Banco de Dados, 2023, Brasil. Anais do XXXVIII Simpósio Brasileiro de Banco de Dados (SBBD 2023). Porto Alegre: Sociedade Brasileira de Computação - SBC, 2023. p. 318-323.

• DECARLO, GUSTAVO ; DE OLIVEIRA, DANIEL ; PORTO, FABIO . Otimização de Dataflows em Frameworks de Big Data por meio do Reúso de Dados. In: Simpósio Brasileiro de Banco de Dados, 2022, Brasil. Anais do XXXVII Simpósio Brasileiro de Banco de Dados (SBBD 2022). Porto Alegre: Sociedade Brasileira de Computação - SBC, 2022. p. 367-367.

• VALE, GABRIEL T. ; SILVA, ANDERSON ; PORTO, FÁBIO . Análises comparativas entre diferentes técnicas de indexação para dados esparsos no sistema SAVIME. In: Simpósio Brasileiro de Banco de Dados, 2022, Brasil. Anais Estendidos do XXXVII Simpósio Brasileiro de Banco de Dados (SBBD Estendido 2022). Porto Alegre: Sociedade Brasileira de Computação, 2022. p. 20.

• FERRO, MARIZA ; BEZERRA, EDUARDO ; Ogasawara, Eduardo ; MORAES, NILTON ; PORTO, FABIO . Towards a Definition for Extreme Weather Events in Rio de Janeiro City. In: Simpósio Brasileiro de Banco de Dados, 2022, Brasil. Anais Estendidos do XXXVII Simpósio Brasileiro de Banco de Dados (SBBD Estendido 2022). Porto Alegre: Sociedade Brasileira de Computação - SBC. p. 181.

• FONSECA, AUGUSTO J. M. DA ; PORTO, FABIO ; FERRO, MARIZA ; Ogasawara, Eduardo ; BEZERRA, EDUARDO . Analysis of precipitation data in Rio de Janeiro city using Extreme Value Theory. In: Simpósio Brasileiro de Banco de Dados, 2022, Brasil. Anais Estendidos do XXXVII Simpósio Brasileiro de Banco de Dados (SBBD Estendido 2022). Porto Alegre: Sociedade Brasileira de Computação - SBC, 2022. p. 193.

• LIMA, JANIO ; SALLES, REBECCA ; ESCOBAR, LUCIANA ; GÉA, CRISTIANE ; FERNANDES, PEDRO ALPIS ; PACITTI, ESTHER ; PORTO, FABIO ; COUTINHO, RAFAELLI ; Ogasawara, Eduardo . Towards a cloud-based framework for online and integrated event detection. In: Simpósio Brasileiro de Banco de Dados, 2022, Brasil. Anais Estendidos do XXXVII Simpósio Brasileiro de Banco de Dados (SBBD Estendido 2022), 2022. p. 199.

• SILVA, ANDERSON ; MOEDA, THIAGO ; PORTO, FABIO . Analysis and Visualization of Extreme Weather Events in the City of Rio de Janeiro. In: Simpósio Brasileiro de Banco de Dados, 2022, Brasil. Anais Estendidos do XXXVII Simpósio Brasileiro de Banco de Dados (SBBD Estendido 2022). Porto Alegre: Sociedade Brasileira de Computação, 2022. p. 203.

• SILVA, ANDERSON ; Valduriez, Patrick ; PORTO, FABIO . Integrating Machine Learning Model Ensembles to the SAVIME Database System. In: Simpósio Brasileiro de Banco de Dados, 2022, Brasil. Anais Estendidos do XXXVII Simpósio Brasileiro de Banco de Dados (SBBD Estendido 2022). Porto Alegre: Sociedade Brasileira de Computação, 2022. p. 231.

• CASTRO, ANTONIO ; BORGES, HERALDO ; CAMPISANO, RICARDO ; PACITTI, ESTHER ; PORTO, FABIO ; COUTINHO, RAFAELLI ; Ogasawara, Eduardo . Generalização de Mineração de Sequências Restritas no Espaço e no Tempo. In: Simpósio Brasileiro de Banco de Dados, 2021, Brasil. Anais do XXXVI Simpósio Brasileiro de Banco de Dados (SBBD 2021). Porto Alegre: Sociedade Brasileira de Computação, 2021. p. 313-313.

• BARROS, CLAUDIO D. T. ; DA SILVA, DANIEL N. R. ; PORTO, FABIO A. M. . Machine Learning on Graph-Structured Data. In: Anais Estendidos do Simpósio Brasileiro de Banco de Dados, 2021, Brasil. Anais Estendidos do XXXVI Simpósio Brasileiro de Banco de Dados (SBBD Estendido 2021). Porto Alegre: Sociedade Brasileira de Computacão, 2021. p. 160-164.

• CRUZ, A. B. ; FERREIRA, J. E. ; PACITTI, Esther ; Porto, Fabio ; Eduardo Ogaswara . Detecção de Anomalias Frequentes no Transporte Rodoviário Urbano. In: 33 Simpósio Brasileiro de Bancos de Dados, 2018, Rio de Janeiro. Anais do 33 Simpósio Brasileiro de Bancos de Dados. Porto Alegre: SBC, 2018.

• LUSTOSA, H. ; PORTO, F ; Costa, R. G. ; BLANCO, P. ; Valduriez, Patrick . Managing Simulation Data with Multidimensional Arrays. In: XXX Simpósio Brasileiro de Bancos de Dados, 2015, Petropolis. Proc. of Satellite Events of the 30th Symposium on DataBases. Petropolis: Laboratório Nacional de Computação Científica, 2015.

• Jonas Dias ; Eduardo Ogaswara ; Daniel Oliveira ; Fábio Porto ; Alvaro Countinho ; MATTOSO, Marta . Supporting Dynamic Parameter Sweep in Adaptive and User-Steered Workflows. In: 6th Workshop on Workflows in Support of Large Scale Science, 2011, Seattle. Proc. of The 6th Workshop on Workflows in Support of Large Scale Science, 2011.

• da SILVA, F. C. ; de Oliveira, D. E. M. ; PORTO, F . GMD: Sistema de Gerenciamento de Mudanc ̧a de Dados. In: 30th SBBD2015 - Demos And Applications Session, 2015, Petropolis. Proceedings of the 30th SBBD2015 - Demos And Applications Session. Petrópolis: Laboratório Nacional de Computação Científica, 2015.

• BASSINI, Adriana ; da SILVA, F. C. ; CERQUEIRA, D. ; Porto, Fabio ; CAMERON, L. C. . Computational Approach of SAHA System to Optimal Sportomic Analyses: A Joint Venture. In: 2014 Annual Meeting, World Congress on Exercise is Medicine, and World Congress on the Role of Inflammation in Exercise, Health and Disease of the American College of Sports Medicine, 2014, Indianapolis. Proc. of the ACSM's 61st Annual Meeting, 2014. v. 45.

• Costa, R. L. ; SCHWARTZ, J. ; ROBERTSON, D. L. ; Porto, Fabio . SIV Gene Network Module in Graph Database. In: Computational Methods in System Biology, 2013, Klosterneuburg. Proceedings of the 11th Conference on Computational Methods in Systems Biology, 2013.

• COZ, R. M. Z. ; Poltosi, Maira ; GADELHA, L. M. R. ; Porto, Fabio ; Moura, A. M. C. . Design and Implementation of the Brazilian System on Antartic Environmental Research. In: International Forum on Polar Data Activities in Global Data Systems, 2013, Tokyo. Proceedings of the International Forum on Polar Data Activities in Global Data Systems, 2013.

• Costa, R. L. ; Alves, M. R. ; Porto, F.A.M. ; Fábio Porto . Ambiente computacional para modelagem de redes de regulação gênica. In: VI eScience Workshop, 2012, Curitiba, Parana. Anais do VI eScience Workshop, 2012.

• Costa, R. G. ; Porto, F.A.M. ; Fábio Porto ; Schulze, B.R. . Towards analytical data management for numerical simulations. In: 6o workshop alberto mendelzon on foundation of data Management, 2012, Ouro Preto, M.G.. Proceedings of 6o workshop alberto mendelzon in foundation of data, 2012.

• Fábio Porto ; SCHULZE, B. R. ; L. A. Pererira ; MELO, Rubens Nascimento . A workflow based architecture for elearning in the grid. In: The First International Workshop on Collaborative Learning Applications of Grid Technology, 2004, Chicago. Proceedings of the The First International Workshop on Collaborative Learning Applications of Grid Technology, 2004.

• Porto, Fabio . Inference and Training, the case for thr ight cherries for ML Models. 2023. (Apresentação de Trabalho/Seminário).

• Fábio Porto . Towards Data-Centered AI. 2023. (Apresentação de Trabalho/Conferência ou palestra).

• PORTO, F . Gêmeos Digitais - Perspectivas e Desafios. 2023. (Apresentação de Trabalho/Conferência ou palestra).

• Porto, Fabio . Managing Data and Machine-Learning Model. 2022. (Apresentação de Trabalho/Conferência ou palestra).

• Porto, Fabio . AI Opportunities in Extreme Weather Forecast. 2022. (Apresentação de Trabalho/Conferência ou palestra).

• PORTO, FABIO . Pesquisa em Big Data no DEXL/LNCC. 2022. (Apresentação de Trabalho/Seminário).

• MELO, A. C. ; NASICMENTO, E. S. ; Porto, Fabio . AI for One Planet, One Ocean and One Health. 2021. (Apresentação de Trabalho/Outra).

• Porto, Fabio . A Importancia do Big Data aplicado ao desempenho físico do Combatente. 2021. (Apresentação de Trabalho/Conferência ou palestra).

• Porto, Fabio . O Algoritmo DJEnsemble. 2021. (Apresentação de Trabalho/Conferência ou palestra).

• PORTO, F . Técnicas Avançadas para Análise de Dados de Simulações Numéricas. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• PORTO, FABIO . Managing and Analysis Simulation Data. 2019. (Apresentação de Trabalho/Seminário).

• Fábio Porto . Managing and Analysing Simulation Data. 2019. (Apresentação de Trabalho/Seminário).

• Porto, Fabio . Big Data e Ciência de Dados no LNCC. 2019. (Apresentação de Trabalho/Seminário).

• Porto, Fabio . Big Data e Ciência de Dados no LNCC. 2019. (Apresentação de Trabalho/Seminário).

• PORTO, F . Construção de uma Base de conhecimento multidisciplinar para monitoramento de atletas: O sistema SAHA. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• Porto, Fabio . Scientific Data Analysis at LNCC. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• Porto, Fabio . Aprimorando o Acompanhamento de Atletas Utilizando Métodos Baseados em Dados. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• Porto, Fabio . Workshop Rio 2018 Atlantic Interactions. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• PORTO, F . Experimentação, o Terceiro Tempo. 2017. (Apresentação de Trabalho/Conferência ou palestra).

• PORTO, F . Experimentação, o Terceiro Tempo. 2017. (Apresentação de Trabalho/Conferência ou palestra).

• Porto, Fabio . Big Data in Sports. 2015. (Apresentação de Trabalho/Seminário).

• PORTO, F . Ciência para o Esporte. 2015. (Apresentação de Trabalho/Seminário).

• Fábio Porto . Hipóteses são Dados!! Apoiando o Processo Científico in-silico. 2014. (Apresentação de Trabalho/Conferência ou palestra).

• Porto, Fabio . Pesquisa em Big Data Orientada à Hipóteses. 2014. (Apresentação de Trabalho/Seminário).

• Fábio Porto . eScience Infrastructure to support Astronomy Data Management. 2012. (Apresentação de Trabalho/Conferência ou palestra).

• Porto, Fabio . Alternatives for Managing The Catalog in Support of Ad-Hoc Queries and Analytical Workflows. 2012. (Apresentação de Trabalho/Seminário).

• Fábio Porto . Scientific Data Management at LNCC. 2012. (Apresentação de Trabalho/Simpósio).

• LEMOS, M. ; Jose Antonio F. de Macedo ; SEIBL, L. F. ; Fabio André Machado Porto . Implementation Issues of Optimized Buffer Management for BLAST. 2010. (Apresentação de Trabalho/Outra).

• Fábio Porto . Challenges in genetics data management: the Smartgene case. 2009. (Apresentação de Trabalho/Seminário).

• Jean-Paul Calbimonte ; Fábio Porto ; C. Maria Keet . Functional Dependencies in OWL ABoxes. 2009. (Apresentação de Trabalho/Conferência ou palestra).

• Fábio Porto . Data Management for eScience. 2009. (Apresentação de Trabalho/Seminário).

• Fábio Porto . Data Management for eScience. 2009. (Apresentação de Trabalho/Seminário).

• Fábio Porto . eScience data and Knowledge Management. 2008. (Apresentação de Trabalho/Seminário).

• Fábio Porto . NeuroscienceDB. 2007. (Apresentação de Trabalho/Simpósio).

• Fábio Porto . QoS Enabled Semantic Web Service Discovery. 2007. (Apresentação de Trabalho/Seminário).

• Fábio Porto . Adaptive Query Processing:A challenge for Internet based applications. 2005. (Apresentação de Trabalho/Seminário).

• Fábio Porto . Adaptive Query Processing:A challenge for Internet based applications. 2005. (Apresentação de Trabalho/Seminário).

• Fábio Porto . Dynamic Algorithms for the Evaluation of Queries with Expensive Predicates. 2004. (Apresentação de Trabalho/Seminário).

• GIRALDI, G. ; Fábio Porto . Distributed Visualization in Grid Environment. 2003. (Apresentação de Trabalho/Seminário).

• Fábio Porto ; LABER, E. ; GUARINO, R. ; VALDURIEZ, Patrick . Cherry Picking: A data dependency-strategy driven strategy for the evaluation of expensive predicates. Rio de Janeiro: PUC-Rio, 2002 (Relatório Técnico).

• BOUGANIN, Luc ; TANAKA, Astério ; MATTOSO, Marta ; CAVALCANTI, Maria Cláudia ; Porto, Fabio ; Maria Luiza Campos ; VALDURIEZ, Patrick ; PACITTI, Esther . The Ecobase environmental information system. V(3) N(6), 865-882 2000 (Relatório Técnico).

Outras produções

Projetos de pesquisa

• 2023 - Atual

  Instituto de IA do LNCC, Descrição: A inteligência artificial vem se desenvolvendo em ritmo impressionante com aplicações nas diversas áreas da ciência, sociedade e empresas. Os principais atores deste desenvolvimento encontram-se no exterior, impulsionados por quantias vultuosas de financiamento público e privado. O Ministério da Ciência, Tecnologia e Inovação (MCTI) realiza ações de fomento do desenvolvimento científico e tecnológico junto à comunidade acadêmica brasileira. As ações envolvem estabelecimento de parcerias internacionais, fomento à participação brasileira em iniciativas de intercâmbio científico entre entidades nacionais e internacionais etc. De forma a apoiar essas ações, esta proposta estrutura uma parceria do Laboratório Nacional de Computação Científica (LNCC) com o MCTI, através da formação do Instituto de Inteligência Artificial LNCC. O IA-LNCC promoverá iniciativas em três direções principais: (i) identificação de pesquisadores e demandas da comunidade científica no tema inteligência artificial; (ii) organização de encontros, treinamentos e visitas técnicas; e (iii) estruturar a participação brasileira em iniciativas internacionais.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Especialização: (1) / Mestrado acadêmico: (2) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Gabriela Moraes - Integrante / Carmen Lucia Correa Bonifacio - Integrante / Anmily Paula dos Santos Martins - Integrante / Graziele Soares Furtado da Costa - Integrante / Tathiana da Costa Tapajos Figueiredo - Integrante., Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2023 - Atual

  Rionowcast, Descrição: Este projeto tem por objetivo desenvolver pesquisa, tecnologia e formação de recursos humanos na área de inteligência artificial aplicada a predição de eventos extremos de precipitação na cidade do Rio de Janeiro. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (2) / Doutorado: (1) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Marisa Ferro - Integrante / Carlos Cardoso - Integrante / Eduardo Bezerra - Integrante / Gabriela Moraes - Integrante / Maria Sergio dos Santos Moura - Integrante / Augusto José Moreira da Fonseca - Integrante / Daniel Celeste Porto - Integrante / Julia Neuman - Integrante., Número de produções C, T & A: 4 / Número de orientações: 1

• 2022 - Atual

  Twinscie Dados e IA, Descrição: A crescente adoção de dados na tomada de decisão para os diversos segmentos da sociedade, impulsiona o desenvolvimento de modelos baseados em aprendizagem. Essa tendência promove o aumento de valor de todo o processo de ciclo de vida de modelos, que inclui: a captura de dados, o pré-processamento, a construção de modelos e a integração de modelos e dados para formação do conhecimento. No projeto ?Gypscie: Transformando Dados em Conhecimento?, bolsa PQ-2 CNPq de 2019-2021, construímos uma primeira versão de um sistema homônimo que, essencialmente, oferece apoio computacional para melhoria da eficiência em tarefas deste ciclo. Gypscie é o único projeto dessa natureza em desenvolvimento no Brasil e oferece um conjunto de técnicas que visam a melhorar a qualidade dos modelos produzidos, bem como do processo de sua criação. Neste novo projeto, pretendemos adicionar funcionalidades avançadas ao Gypscie, incluindo técnicas para: aumentação de dados; combinação de modelos preditivos de forma automática e com seleção de modelos baseadas em custo; treinamento de modelos de IA com poucos dados e dados heterogêneos; tratamento de dados em fluxo e sua associação a modelos baseados em dados; e gerência de arquivos em grande escala. A nova versão do sistema, chamada Twinscie, será o pano de fundo para o trabalho de alunos de doutorado, mestrado e iniciação científica e colaborações nacionais e internacionais, além de oferecer bom potencial de inovação em start-ups. Finalmente, neste documento, encontram-se também referências a resultados e atividades relevantes ao longo de minha carreira, com ênfase nos últimos dez anos.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (3) / Doutorado: (5) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Douglas Ericson Marcelino de Oliveira - Integrante / Daniel Oliveira - Integrante / Eduardo Ogasawara - Integrante / Marta Mattoso - Integrante / Dennis Shasha - Integrante / Eduardo Bezerra - Integrante / Marcel Pedroso - Integrante / Daniel Ramos da Silva - Integrante / Anderson Silva Chaves - Integrante / Claudio Daniel Tenorio de Barros - Integrante / FERRO, MARIZA - Integrante / Eduardo Pena - Integrante., Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.

• 2022 - Atual

  Desenvolvimento de um Ambiente de Apoio Computacional Online para a Gestão de Integridade de Ancoragem Baseado em Dados e Algoritmos Inteligentes, Projeto certificado pela empresa Petróleo Brasileiro - Rio de Janeiro - Matriz em 22/12/2022., Descrição: Este projeto tem por objetivo estender a plataforma Gypscie desenvolvida para gerenciar dados e modelos de aprendizado de maquina permitindo integrar com os modelos desenvolvidos pela Petrobras e parceiros para predição de rompimento de amarras.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (2) Doutorado: (2) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Douglas Ericson Marcelino de Oliveira - Integrante / Eduardo Ogasawara - Integrante / Antonio Tadeu Azevedo Gomes - Integrante / Marcel de Moraes Pedroso - Integrante / Rebecca Pontes Salles - Integrante / Carlos Cardoso - Integrante / Victor Dornellas Ribeiro - Integrante., Financiador(es): Petróleo Brasileiro - Rio de Janeiro - Matriz - Cooperação.

• 2020 - 2024

  HPDASC: High Performance Data Science, Descrição: is an associated team (équipe associée), between Zenith and 4 teams in the state of Rio de Janeiro (LNCC, COPPE/UFRJ, UFF and CEFET) since january 2020. SciDISC is headed by Esther Pacitti Patrick Valduriez (Zenith) and Fabio Porto (LNCC).Data-intensive science requires the integration of two fairly different paradigms: high-performance computing (HPC) and data science. HPC is compute-centric and focuses on high-performance of simulation applications, typically using powerful, yet expensive supercomputers whereas data science is data-centric and focuses on scalability and fault-tolerance of web and cloud applications using cost-effective clusters of commodity hardware.In the context of the SciDISC project (associated team 2016-2019) and the Inria Project Lab (IPL) HPC-BigData (2018-2022), we studied various architectures for integrating HPC and big data (post-processing, in-situ, in-transit) for applications in astronomy, life science and agronomy, and geoscience (oil gas). We learned major lessons, which are the basis for this new project:Importance of realtime analytics to make critical high-consequence decisions, e.g. preventing useless drilling based on a drillers realtime data and realtime visualization of simulated data ;Effectiveness of machine learning (ML) to deal with scientific data, e.g. computing Probability Density Functions (PDFs) over simulated seismic data using Spark;Effectiveness of the Human-In-the-Loop (HIL) paradigm in combination with provenance data in scientific workflows, e.g. to avoid useless, long-duration computations in a supercomputer;Significance of working closely with domain experts in order to interpret scientific data.This project will address the grand challenge of High Performance Data Science (HPDaSc), by developing architectures and methods to combine simulation, ML and data analytics.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (3) / Doutorado: (5) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Daniel Oliveira - Integrante / Eduardo Ogasawara - Integrante / Kary Ocana - Integrante / Marta Lima de Queiros Mattoso - Integrante., Financiador(es): Institute National de Recherche en Informatique et Automation - Cooperação.

• 2019 - 2021

  Gypscie: Transformando Dados em Conhecimento, Descrição: O objetivo deste projeto é aliar técnicas de Aprendizado de Máquina a Bancos de Dados. Esperamos produzir sinergias entre essas duas áreas. Por um lado, técnicas de ML podem auxiliar na eficiência de bancos de dados. POr exemplo, o trabalho desenvolvido em "Learned Indexes" substituem estruturas de indexação por funções. Por outro lado, pode-se estender a capacidade de técnicas de IA como novos objetos de BDs tais como funções de predição.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (1) . , Integrantes: Fabio Andre Machado Porto - Coordenador., Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.

• 2018 - 2021

  Desenvolvimento de Software de Plataforma Computacional, Projeto certificado pela empresa Petróleo Brasileiro - Rio de Janeiro - Matriz em 21/11/2018., Descrição: A adoção de modelos de predição pela industria de petróleo reflete sua aplicabilidade em diversas áreas, incluindo a detecção e predição de falhas nos equipamentos e processos envolvidos na construção de poços marítimos. Neste contexto, diferentes técnicas de predição baseadas em aprendizado, como redes neurais profundas, utilizam dados observados dos fenômenos de interesse como base para o treinamento de modelos. Treinar modelos envolve a escolha do conjunto de treinamento, validação e teste. Diferentes modelos podem ser obtidos variando-se os dados de treinamento, incluindo períodos de observação e mesmo quantidades observadas. Desta forma, rapidamente, as empresas se vêem envolvidas com um número crescente de ativos informacionais representados por: modelos de predição; dados de treinamento, teste e validação; dados de proveniência do processo de treinamento; etc. Este projeto pretende investigar sobre a gerência de dados e modelos envolvidos em processos preditivos, com enfoque na detecção e predição de falhas nos equipamentos e processos envolvidos na construção de poços marítimos. Traçando um paralelo com sistemas de gerência de bancos de dados, onde o foco é garantir o acesso eficiente e o compartilhamento de dados por uma corporação, o presente projeto pretende produzir um protótipo de um sistema que armazene, publique, execute e compartilhe ativos envolvidos no processo de predição, além de fornecer um arcabouço de técnicas e algoritmos que permitam a análise destes dados, fornecendo informações e predições a respeito dos processos em andamento.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (4) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Eduardo Ogasawara - Integrante / Artur Ziviani - Integrante / Paulo de Figueiredo Pires - Integrante / Flavia Delicato - Integrante / Klaus Wehmuth - Integrante., Financiador(es): Centro de Pesquisa e Desenvolvimento Leopoldo Américo Miguêz de Mello - Cooperação.

• 2018 - Atual

  Plataforma de Big Data Para Saude, Descrição: A Plataforma de Big Data para saúde foi projetada para oferecer aos pesquisadores da área um ambiente integrado de apoio à análise e visualização de dados de saúde. Sendo uma plataforma transversal oferece seus serviços para dados das diferentes fontes de saúde, permitindo busca a partir da ferramenta Elastic Search e interfaces de visualização através do Kibana. A Plataforma oferece ainda a facilidade de construção de programas na linguagem de programação R para especificação de análises mais complexas e customizadas às necessidades de seus usuários. A extensibilidade da plataforma para novos dados considera o pré-processamento dos dados para que sejam integrados de forma homogênea e semanticamente significativa com respeito aos demais dados da plataforma.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Doutorado: (1) . , Integrantes: Fabio Andre Machado Porto - Integrante / Douglas Ericson Marcelino de Oliveira - Integrante / Marcel Pedroso - Coordenador., Financiador(es): Fundação Oswaldo Cruz - Bolsa.

• 2017 - 2019

  Scientific data analysis using Data-Intensive Scalable Computing, Projeto certificado pelo(a) coordenador(a) Patrick Valduriez em 25/07/2018., Descrição: Data-intensive science requires the integration of two fairly different paradigms: high-performance computing (HPC) and data-intensive scalable computing (DISC). HPC is compute-centric and focuses on high-performance of simulation applications, typically using powerful, yet expensive supercomputers. DISC, on the other hand, is data-centric and focuses on fault-tolerance and scalability of web and cloud applications using cost-effective clusters of commodity hardware. Examples of DISC systems include big data processing frameworks such as Hadoop or Apache Spark or NoSQL systems . To harness parallel processing, HPC uses a low-level programming model (such as MPI or OpenMP) while DISC relies on powerful data processing operators (Map, Reduce, Filter, ?). Data storage is also quite different: supercomputers typically rely on a shared disk infrastructure and data must be loaded in compute nodes before processing while DISC systems rely on a shared-nothing cluster (of disk-based nodes) and data partitioning. Spurred by the growing need to analyze big scientific data, the convergence between HPC and DISC has been a recent topic of interest. However, simply porting the Hadoop stack on a supercomputer is not cost-effective, and does not solve the scalability and fault-tolerance issues addressed by DISC. On the other hand, DISC systems have not been designed for scientific applications, which have different requirements in terms of data analysis and visualization. This project will address the grand challenge of scientific data analysis using DISC (SciDISC), by developing architectures and methods to combine simulation and data analysis.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (3) / Doutorado: (3) . , Integrantes: Fabio Andre Machado Porto - Integrante / Patrick Valduriez - Coordenador / Eduardo Ogasawara - Integrante / Daniel de Oliveira - Integrante / Marta Lima de Queiros Mattoso - Integrante., Financiador(es): Institut National de Recherche en Informatique et en Automatique - Siège - Cooperação.

• 2016 - 2018

  Gerência e Analise de Grandes Volumes de Dados Científicos, Descrição: Este projeto estrutura as atividades de pesquisa, ensino e inovação sendo desenvolvidas no laboratório Data Extreme Lab (DEXL), membro do Laboratório Nacional de Computação Científica (LNCC), instituto do Ministério da Ciência, Tecnologia e Inovação (MCTI), e coordenado pelo proponente desta proposta. Em consonância com o Plano Diretor da Unidade (2011-2015), o DEXL, fundado em 2010, se propõe a desenvolver atividades de pesquisa e inovação na área de gerência e análise de grandes volumes de dados científicos, em cooperação com instituições nacionais e internacionais. Neste sentido, foram estabelecidas cooperações científicas em áreas tais como: astronomia (laboratório LIneA ? Observatório Nacional); Ciência do Esporte, Laboratório Olímpico (Comitê Olímpico Brasileiro), Biologia, Projeto Ecológico de Longa Duração ? Guanabara, e Medicina Apoiada por Ciência da Computação, INCT-MACC, além de petróleo e gás, em parceria com a empresa EMC Research Brazil. Além de oferecer apoio tecnológico a estes projetos, importantes linhas de pesquisa foram sendo desvendadas e exploradas em trabalhos de Doutorado, Mestrado e Iniciação Científica, produzindo resultados em publicações, patentes e formação de recursos humanos. Ainda mostrando aderência aos objetivos da instituição, contribuímos como coordenadores e participantes de projetos de cooperação internacional com grupos de pesquisa na França. Pretendemos nessa colaboração, preparamo-nos para explorar o novo super-computador peta-flópico recém instalado no LNCC. Apesar de ainda constar como superficial em nossos trabalhos, alguns de nossos resultados [Costa et al. 2012, Lustosa et al. 2015] pretendemos que sejam estendidos para este novo desafio. Neste sentido, o objetivo deste projeto é de solidificar os avanços alcançados nestes últimos três anos e colocando o laboratório DEXL como importante fonte de pesquisa e inovação em nossa área. A proposta se enquadra na gerência e análise de grandes volumes de dados em apoio à nova Ciência de Dados.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Doutorado: (5) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Rocio Zorrilla - Integrante / Douglas Ericson Marcelino de Oliveira - Integrante / Patrick Valduriez - Integrante / Eduardo Ogasawara - Integrante / FREIRE, VINICIUS PIRES DE MOURA - Integrante / Amir Khatibi Mogadan - Integrante / Yania Molina Souto - Integrante / Noel Lemus - Integrante / João Guilherme Rittmeyer Nobre - Integrante / Rodrigo Botelho - Integrante., Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.

• 2016 - 2018

  INCT em Ciência de Dados (INCT-CiD) - Processo CNPq no. 465.560/2014-8, Descrição: O Instituto Nacional de Ciência e Tecnologia em Ciência de Dados (INCT-CiD), sob a coordenação de Artur Ziviani (LNCC/MCTIC) e vice-coordenação de Fabio Porto (LNCC/MCTIC), envolve as seguintes instituições: LNCC, CEFET-RJ, IME, UFC, UFJF, UFPR, UTFPR e o Centro de Inovação Sueco-Brasileiro (CISB). O INCT-CiD propõe-se a atuar no eixo ciência-indústria-governo por meio de ciência de dados através de três linhas de pesquisa principais: (i) gerência de dados; (ii) análise de dados; e (iii) análise de redes complexas.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (6) Doutorado: (8) . , Integrantes: Fabio Andre Machado Porto - Integrante / Jose Maria da Silva Monteiro - Integrante / Eduardo Ogasawara - Integrante / Maria Claudia Cavalcanti - Integrante / Artur Ziviani - Coordenador / Luiz M. R. Gadelha - Integrante / Carmem Satie Hara - Integrante / Alex Borges Vieira - Integrante / Elias Procópio Duarte Júnior - Integrante., Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Cooperação.

• 2015 - 2015

  Simposio Brasileiro de Banco de Dados, Descrição: Em 2015, pela primeira vez, Petrópolis vai sediar o Simpósio Brasileiro de Banco de Dados (SBBD). Neste ano, este importante evento do calendário científico nacional, que está em sua 30a edição, será realizado em conjunto com o III Symposium on Knowledge Discovery, Mining and Learning (KDMiLe). O SBBD é promovido pela Sociedade Brasileira de Computação e é o mais importante fórum da América Latina para debates na área de gerência de dados. O evento reúne pesquisadores, professores, profissionais e estudantes do Brasil e do exterior, que apresentam e discutem temas de pesquisa e os últimos avanços da área.Em 2015, pela primeira vez, Petrópolis vai sediar o Simpósio Brasileiro de Banco de Dados (SBBD). Neste ano, este importante evento do calendário científico nacional, que está em sua 30a edição, será realizado em conjunto com o III Symposium on Knowledge Discovery, Mining and Learning (KDMiLe). O SBBD é promovido pela Sociedade Brasileira de Computação e é o mais importante fórum da América Latina para debates na área de gerência de dados. O evento reúne pesquisadores, professores, profissionais e estudantes do Brasil e do exterior, que apresentam e discutem temas de pesquisa e os últimos avanços da área.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (50) Doutorado: (50) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Eduardo Ogasawara - Integrante / Vanessa Braganholo - Integrante / Carmem Satie Hara - Integrante / Javam Machado - Integrante., Financiador(es): CAPES - Centro Anhanguera de Promoção e Educação Social - Auxílio financeiro.

• 2014 - 2017

  MUSIC - Gerência de dados científicos em uma nuvem multi-site, Descrição: Grandes projetos científicos em astronomia, biologia, medicina e engenharia produzem grandes volumes de dados, fruto de observação ou coleta instrumentada, ou ainda calculados por simulações numéricas de fenômenos. Na astronomia, por exemplo, projetos como o Large Synoptic Survey Telescope (LSST) estima produzir um mapa 3D do Universo com nível de detalhe e profundidade sem precedentes, o que se traduz em centenas de petabytes de dados em disco. Além do grande volume, dados científicos são imprecisos, devido aos aspectos de calibração dos instrumentos de captura, ou mesmo das incertezas introduzidas nos modelos dos fenômenos observados. Finalmente, grandes projetos científicos são desenvolvidos por grupos de pesquisadores em colaboração, produzindo dados e programas em grande quantidade, distribuídos e heterogêneos. Cientistas adotam workflows científicos como abstrações para as etapas computacionais envolvidas no experimento e a troca de dados entre estes. Além disso, sistemas de gerência de workflows científicos oferecem transparência em relação à complexidade do ambiente computacional, explorando técnicas eficientes de execução, como a execução paralela, e a coleta de dados de proveniência, com suporte à reprodução de experimentos e correções dinâmicas da execução. Finalmente, grandes sistema computacionais integrados, como o SINAPAD coordenado pelo LNCC, são vistos como uma nuvem computacional multi-site que visa a oferecer escalabilidade e acesso a recursos (máquinas, dados e programas) distribuídos, de forma transparente. Desta forma, este projeto pretende desenvolver uma arquitetura em nuvem multi-site para a gerência e análise de grandes volumes de dados científicos. A arquitetura multi-site em nuvem poderá ser utilizada como plataforma compartilhada para experimentos computacionais em diferentes disciplinas da ciência que se valerão de armazenamento, acesso, integração e processamento paralelo de seus dados distribuídos pela arquitetura de forma transparente.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (10) Doutorado: (10) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Esther Pacitti - Integrante / Alvaro L.G.A. Coutinho - Integrante / Reza Akbarinia - Integrante / Patrick Valduriez - Integrante / Eduardo Ogasawara - Integrante / DE OLIVEIRA, DANIEL - Integrante / Kary Ocana - Integrante., Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.

• 2013 - 2016

  Centro de Inovação de Computação em Nuvem, Descrição: O presente projeto tem como objetivo principal estabelecer parcerias entre órgãos do Governo Federal, Empresas Públicas, Sociedades de Economia Mista, Universidades e Entidades de Pesquisa, visando o desenvolvimento e implementação de Projetos Tecnológicos Científicos no segmento de Tecnologia da Informação e Comunicação, mediante a realização conjunta de atividades de pesquisa, absorção e transferência de tecnologias. A partir da definição de diretrizes comuns, estabelecem-se também os objetivos de impulsionar a realização de projetos de inovação e promover o intercâmbio cultural, de profissionais e entidades acadêmicas nas áreas de interesse.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (4) Doutorado: (3) . , Integrantes: Fabio Andre Machado Porto - Integrante / Bruno Richard Schulze - Integrante / Antonio Tadeu Azevedo Gomes - Coordenador / Artur Ziviani - Integrante.

• 2013 - 2016

  Gerenciamento de Grandes Volumes de Dados Científicos, Descrição: O termo em inglês Big Data refere-se à grandes volumes de dados requerendo novas técnicas para o tratamento de seu armazenamento, processamento e análise [Stonebraker et al. 2009][Becla et al. 2007]. No domínio de aplicações científicas, Big Data se traduz no tratamento dos dados produzidos durante o ciclo de vida da pesquisa, desde a formulação da hipótese científica até sua confirmação ou refutação. No estágio atual da gerência de dados científicos, têm-se focado em uma das etapas deste ciclo, referente a fase do ciclo experimental [Mattoso et al. 2010]. Nesta fase, os cientistas modelam seus experimentos utilizando-se de linguagens de workflows científicos [Zhao et al 2008, Mattoso et al. 2008] e, com muita frequência, mantêm os dados em arquivos do sistema operacional. O processamento desses arquivos é realizado por sistemas de gerência de workflows científicos, tais como Kepler [Ludascher et al. 2006], Swift [Wilde et al. 2011], Chiron [Ogasawara et al. 2011] e QEF [Porto et al. 2007]. A área de astronomia, destaca-se nesse contexto a partir do grande sucesso atingido pelo projeto SLOAN Digital Sky Survey [Thakar et al. 2008]. O projeto abriu o caminho para gerência de grande volumes de dados científicos em catálogos de objetos estelares armazenados em sistemas de bancos de dados. Novos levantamentos astronômicos, porém, tais como o Dark Energy Survey (DES) e Large Synoptic Survey Telescope (LSST), estão puxando os limites para catálogos com número de objetos próximos a ordem de grandeza do número de Avogrado. De forma a atender necessidades como essa novas técnicas de particionamento dos dados [LIROZ-GISTAU et al. 2012] e de processamento paralelo se fazem necessárias. Tem-se no contexto descrito acima um pano de fundo para um dos grandes desafios da computação, conforme proposto pela Sociedade Brasileira de Computação (SBC) [Lucena et al. 2006], no que se refere a gerência de grandes volumes de dados produzidos nas diversas disciplinas científicas como parte do processo investigativo. Este projeto propõe-se a investigar os seguintes problemas associados ao apoio na gerência do ciclo de vida da investigação científica in-silico. Primeiramente, vamos investigar a representação e gerência de hipóteses científicas. Este trabalho é o tema da tese de doutorado de Bernardo Nunes Gonçalves, sob a orientação do proponente deste projeto. Em segundo lugar, pretende-se investigar o gerenciamento de malhas produzidas por cálculos de elementos finitos. Este trabalho esta sendo desenvolvido pelo aluno de doutorado Ramon Gomes da Costa. Finalmente, pretende-se investigar a integração de sistemas de workflow científicos com o sistema de gerência de bancos de dados distribuídos. Este tema esta sendo desenvolvido em duas colaborações. O aluno Miguel Liroz-Gistau, doutorando da Universidade de Montpellier, orientado pela Profa Esther Pacitti, investiga estratégias de particionamento de dados do tipo catálogo de dados astronômicos. O trabalho desenvolvido por Liroz-Gistau esta inserido em projeto de colaboração internacional CNPq/INRIA: 490259/2009-0, Datluge - Gerência de Dados e Tarefas em Larga Escala. O aluno Douglas Ericson de Oliveira doutorando da Universidade Federal Fluminense e co-orientado pelo proponente e pela Profa. Maria Cristina Boeres, investigará o paralelismo de workflows científicos integrado ao particionamento de dados.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (4) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Douglas Ericson Marcelino de Oliveira - Integrante / Jean Louis Valentin - Integrante / Ramon Gomes Costa - Integrante / Miguel Liroz-Gistau - Integrante / Esther Pacitti - Integrante / Patrick Valduriez - Integrante / Bernardo Nunes Gonçalves - Integrante / Luiz Nicolaci da Costa - Integrante / Pablo Blanco - Integrante., Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa., Número de produções C, T & A: 13

• 2012 - 2014

  Bioknowlogy: Integração e Análise de Recursos Semânticos para o Estudo de Genes de Resistência a Antibióticos em Efluentes Hospitalares, Descrição: A Web semântica pode ser considerada como um dos desafios de pesquisa em Ciência da Computação, pois diz respeito à gestão da informação em grandes volumes de dados multimídia distribuídos. A área Biomédica tem tomado a frente de outras áreas científicas, no sentido de somar esforços para vencer o desafio da Web Semântica. Esta posição vanguardista tem sua razão de ser, pois para vários países as questões de saúde pública são questões importantes para a defesa nacional. Estes países vêm gradualmente investindo na detecção da presença de agentes biológicos, seja para saber se defender contra ataques intencionais, seja para a prevenção, ou inclusive combate e controle de epidemias. Alguns agentes biológicos são responsáveis por epidemias que afetam não só a saúde da população como também a economia do país. Por exemplo, a água poluída pode causar diversos efeitos prejudiciais à saúde humana sendo os patógenos bacterianos, encontrados na água e/ou alimentos, uma das principais fontes de morbidade e mortalidade em nosso meio. Neste sentido, este projeto, tem como foco Biológico, identificar genes de resitência a antibióticos em efluentes hospitalares da cidade do Rio de Janeiro. Para identificar os genes de resistência a antibióticos, o projeto pretende utilizar uma abordagem metagenômica, através do pirosequenciamento, que é considerada inovadora no Estado do Rio de Janeiro. Neste tipo de abordagem, gera-se uma grande massa de dados, que pela demanda natural da área, deve ser disponibilizado na Web Semântica. A publicação semântica dos dados presentes nos diversos bancos de dados sobre diferentes organismos já é uma tendência. No entanto, a associação destes recursos não é uma tarefa fácil. Assim sendo, através do presente projeto pretende-se investigar e propor abordagens no sentido de facilitar a associação entre os recursos descritos semanticamente e apoiar a decisão com base nestes recursos, tendo como cenário para o estudo dessas. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (5) Doutorado: (5) . , Integrantes: Fabio Andre Machado Porto - Integrante / Ana Maria de Carvalho Moura - Integrante / Maria Claudia Cavalcanti - Coordenador / Walace Anacleto Pinheiro - Integrante / Fabio Faria da Mota - Integrante., Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.

• 2012 - 2013

  Replicação de Configuracão de Base de Dados, Descrição: No contexto de aplicacões B2B, configurar serviços para clientes é uma etapa importante da maioria de pacotes de software. A validação de cada configuração inclui teste em diferentes ambientes. Este projeto objetiva prover um mecanismo de replicacão de configuração entre ambientes de teste eliminando o trabalho humano de redigitação em cada um dos ambientes das configuracões.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Douglas Ericson Marcelino de Oliveira - Integrante / Frederico Correa da Silva - Integrante.

• 2011 - 2014

  Descrição, Publicação e Acesso a Conjunto de LInked Data, Descrição: Os princípios que regem a produção de Linked Data fornecem subsídios para a publicação e conexão de dados por meio da infraestrutura fornecida pela Web. Do ponto de vista do desenvolvimento de aplicativos, sugerem uma forma tanto para publicar bancos de dados na Web quanto para facilitar a interoperabilidade entre bancos de dados. Porém, o armazenamento e acesso a grandes conjuntos de triplas RDF, organizados segundo os princípios de Linked Data, representam um grande desafio. De fato, nem os repositórios especializados em triplas RDF, nem os processadores de consultas SPARQL escalam para o volume de dados desejado. Novos paradigmas devem então ser investigados para viabilizar este cenário. Computação em nuvem apresenta-se como uma opção na medida em que provê armazenamento e poder de processamento em larga escala e sob demanda. O objetivo geral do projeto consiste em desenvolver métodos, ferramentas e experimentos envolvendo a descrição, publicação e acesso a conjuntos de Linked Data. No que tange a descrição de conjuntos de Linked Data, o projeto enfatiza a qualidade do conjunto final de triplas RDF, medida tanto pela facilidade em identificar a semântica das classes e propriedades incluídas na descrição do conjunto de triplas RDF, via as restrições de integridade da ontologia de aplicação, quanto pela estratégia adotada para gerar as URIs que identificam os recursos descritos. No contexto de publicação de conjuntos de Linked Data, o projeto expande a estratégia de triplificação tradicional para também publicar triplas RDF em páginas Web estáticas com RDFa embutido. Explora também o uso de plataformas de computação em nuvem como opção para armazenamento e acesso a grandes grafos RDF, enfatizando técnicas de indexação. Quanto a acesso a conjuntos de Linked Data, o projeto explora métodos para otimização de consultas SPARQL no contexto de processamento exploratório e no contexto de processamento mediado. Aborda também métodos para otimizar consultas em SPARQL. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (6) Doutorado: (7) . , Integrantes: Fabio Andre Machado Porto - Integrante / jose Antônio Fernandes de Macedo - Integrante / Vania Vidal - Integrante / Marco Antônio Casanova - Coordenador / Ana Maria de Carvalho Moura - Integrante / Karim Breitman - Integrante / Antonio Luz Furtado - Integrante., Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro., Número de produções C, T & A: 2

• 2010 - 2012

  Programa Ecologico de Longa Duração (PELD) Guanabara, Projeto certificado pelo(a) coordenador(a) Jean Louis Valentin em 16/03/2013., Descrição: O PELD GUANABARA visa um melhor entendimento da estrutura e do funcionamento do ecossistema da Baia de Guanabara e de suas respostas aos impactos antrópicos e climáticos. Além da contribuição para ecologia marinha, este projeto também avaliará se as medidas mitigadoras que estão sendo tomadas para a Baia de Guanabara com o Programa de Despoluição serão suficientes para atender as exigências do comitê organizador da Olimpíada em 2016. Dentro dessa ótica, torna-se essencial que o elenco de variáveis bióticas e abióticas que serão introduzidas na pesquisa proposta seja analisado de maneira contínua ao longo de séries temporais suficientemente extensas. Somente uma pesquisa de longa duração permitirá alcançar um conhecimento suficiente da variabilidade dos sistemas e sua evolução frente às diversas agressões antrópicas, sejam elas de curto prazo (impacto agudo de poluentes, do tipo derrame), médio prazo (ação crônica dos efluentes domésticos e industriais), ou longo prazo (aquecimento global). Constitui assim um objetivo geral, estabelecer, por meio de estudo contínuo de longo prazo, e de experiências in situ e in vitro um prognóstico da tendência evolutiva desse ecossistema a partir da elaboração de uma base de dados relacional e de um modelo ecológico de previsão.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Fabio Andre Machado Porto - Integrante / Maira Poltosi - Integrante / Frederic Valentin - Integrante / Jean Louis Valentin - Coordenador., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro., Número de produções C, T & A: 1

• 2009 - 2016

  Laboratorio Olimipco, Descrição: Desenvolvimento do laboratório Olimpico para desenvolvimento e pesquisa em esportes de alto rendimento. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Fabio Andre Machado Porto - Integrante / Daniele Palazzi - Integrante / Frederico Correa da Silva - Integrante / Luis Eduardo Viveiro de Castro - Integrante / Luis Claudio Cameron - Integrante / Bassini, Adriana - Integrante / Marcos do Couto Bezerra Cavalcanti - Coordenador., Financiador(es): Financiadora de Estudos e Projetos - Auxílio financeiro., Número de produções C, T & A: 2

• 2006 - 2009

  Scientific Model Management, Descrição: Managing Scientific Model data and Process. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (2) . , Integrantes: Fabio Andre Machado Porto - Coordenador., Número de produções C, T & A: 4

• 2004 - 2006

  DIP - Data, Information, and Process Integration with Semantic Web Services, Descrição: Process Integration through semantic web services. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (4) Doutorado: (1) . , Integrantes: Fabio Andre Machado Porto - Integrante / Vu, Le Hung - Integrante / Hauswirth, Manfred - Integrante / Aberer, Karl - Integrante / Stefano Spaccapietra - Coordenador., Financiador(es): Comissão Européia - Auxílio financeiro., Número de produções C, T & A: 7

• 2003 - 2006

  CoDIMS / ComCiDis, Descrição: Pesquisa em middlewares para suporte a aplicações distribuídas de banco de dados no grid. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (2) Doutorado: (1) . , Integrantes: Fabio Andre Machado Porto - Coordenador., Número de produções C, T & A: 6

• 2003 - 2005

  ROSA - Repository for Objects with Semantic Access, Descrição: Learning Content Management Systems (LCMS) supports e-learning applications with storage and efficient access for e-learning objects (LO)s. ROSA is a LCMS built as a semantic layer on the top of an XML native DBMS, Tamino. Together, ROSA and Tamino, offer instructional designers a semantic view of e-learning content. In this paper, we present ROSA Data Model and Query Language, designed as an extension to RDF data model and RQL query language. The Data Model is structured around the LO modeling and their relationships, adapted to the e-learning domain. An algebra defines valid operations over LO data. Queries are formulated in ROSAQL that extends RQL with joins, graph navigation and recursion. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (3) . , Integrantes: Fabio Andre Machado Porto - Coordenador / Ana Maria Moura - Integrante / Abílio Fernandes - Integrante / Adriana Fernandeez - Integrante / Fábio José Coutinho da Silva - Integrante., Número de produções C, T & A: 5

• 2003 - 2005

  DAAD Distributed Aplications and Data, Descrição: Projeto de Cooperação Capes/COFECUB entre Brasil e INRIA (França) para desenvolvimento de tecnologia de banco de dados distribuídos. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) . , Integrantes: Fabio Andre Machado Porto - Integrante / Patrick Valduriez - Integrante / Marta Mattoso - Coordenador., Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro / Institute National de Recherche en Informatique et Automation - Cooperação.

• 2003 - 2004

  Engenharia de Algoritmos, Descrição: Desenvolvimento de algoritmos aplicados. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Fabio Andre Machado Porto - Integrante / Eduardo Laber - Integrante / Rui L. Milidiú - Coordenador., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro., Número de produções C, T & A: 3

• 1998 - 2000

  ECOBASE, Descrição: A very large number of data sources on environment, energy, and natural resources are available worldwide. Unfortunately, users usually face several problems when they want to search and use relevant information. In the Ecobase project, we address these problems in the context of several environmental applications in Brazil and Europe.compatible). This may entail detailed data identification such that corrections can be made (either in-house or by the data supplier); however, such data identification is often not present. Fourth, accessed data need to be processed by remote, complex programs. These programs, typically written in a 3GL language, implement image. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Fabio Andre Machado Porto - Integrante / Rubens Nascimento Melo - Integrante / Patrick Valduriez - Coordenador / Maria Luiza Campos - Integrante / Maria Cláudia Cavalcanti - Integrante / Marta Mattoso - Integrante / Ana Maria Moura - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro., Número de produções C, T & A: 1

Prêmios