Livia de Azevedo da Silva

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Produções bibliográficas

• ASSIS, Gabriel ; VASCONCELOS, Arthur ; DE AZEVEDO, LÍVIA ; FERRO, Mariza ; PAES, Aline . Modestos e Sustentáveis: O Ajuste Eficiente Beneficia Modelos de Língua de Menor Escala em Português?. In: Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, 2024, Belém/PA. Anais do XV Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana (STIL). Porto Alegre: Sociedade Brasileira de Computação, 2024. p. 97-107.

• DE AZEVEDO, LÍVIA ; BRAIDA, FILIPE . Uma análise empírica do efeito do Ruído de Classe no aprendizado de Redes Neurais Artificiais. In: Simpósio Brasileiro de Banco de Dados, 2022, Brasil. Anais Estendidos do XXXVII Simpósio Brasileiro de Banco de Dados (SBBD Estendido 2022). p. 14.

• SILVA, L. A. ; ALVIM, L. G. M. . Análise de Ruído em Sistemas de Recomendação. 2017. (Apresentação de Trabalho/Outra).

Outras produções

Projetos de pesquisa

• 2023 - Atual

  Uma Inteligência Artificial Sustentável pode Prever Eventos de Chuva Extrema e Prevenir Grandes Desastres em Áreas Urbanas?, Descrição: Extreme weather events, including heavy rainfall, have become more frequent and severe due to climate change, causing material damage and loss of life. In Brazil, where rapid and disorderly urbanization has forced low-income populations to occupy unfavorable geological areas, landslides and floods caused by extreme rainfall have resulted in significant casualties and property damage. Nowcasting, a few hours ahead forecast for extreme rainfall events, is an essential component of early warning systems and consecutive actions within crisis management and risk prevention. However, the accurate prediction of such events remains a challenge for forecasting models. Recent scientific studies have shown that Artificial Intelligence (AI) can improve the predictive accuracy for extreme weather events. However, if not designed with sustainable criteria, AI model development can lead to intensive computational resource use and energy consumption. Saving energy is crucial for reducing environmental impacts and mitigating global warming. This research aims to develop an energy-efficient AI model that can accurately predict extreme rainfall events in urban areas, improve nowcasting accuracy, and mitigate the social impacts by protecting human lives and property. The proposed approach will be tested using observational meteorological data in addition to the physical and social aspects of the Rio de Janeiro municipality. The development of the model involves a Machine Learning (ML) pipeline that includes data preparation, feature engineering, algorithm selection, hyperparameter tuning, and evaluation. Nonetheless, these models face the challenge of generalizing to other regions. Extending the developed models to other areas may require a new ML pipeline, making the process costly and time-consuming. Therefore, an automatic ML (AutoML) approach is also proposed to dynamically and quickly adapt and generalize the pipeline to other regions of the Rio de Janeiro state.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (4) / Doutorado: (2) . , Integrantes: Lívia de Azevedo da Silva - Integrante / Mariza Ferro - Coordenador.