Danilo Codeco Carvalho

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em bancas

Orientou

Produções bibliográficas

• SILVEIRA JR, C. R. ; CARVALHO, D. C. ; SANTOS, M. T. P ; RIBEIRO, M. X. . Data Mining. Incremental Mining of Frequent Sequences in Environmental Sensor Data. -ed.: , 2015, v. , p. 452-455.

• SILVEIRA JR, C. R. ; CARVALHO, D. C. ; SANTOS, M. T. P ; RIBEIRO, M. X. . Incremental Mining of Frequent Sequences in Environmental Sensor Data. In: Proceedings of the Twenty-Eighth International Florida Artificial Intelligence Research Society Conference, 2015. Annals of Florida Artificial Intelligence Research Society - FLAIRS 2015, 2015. v. 1. p. 452-455.

• SILVA, V. F. ; CARVALHO, D. C. . OBTENÇÃO DE REGRAS DE ASSOCIAÇÃO EM FLUXOS DE DADOS. In: 12º Congresso de Inovação, Ciência e Tecnologia - CONICT, 2021, Cubatão. 12º Congresso de Inovação, Ciência e Tecnologia - CONICT, 2021.

Outras produções

Projetos de pesquisa

• 2019 - 2019

  System Wear ? Sistema de gerenciamentos de lojas de roupas, Situação: Concluído; Natureza: Pesquisa. , Integrantes: Danilo Codeco Carvalho - Coordenador / Matheus D. Pim - Integrante.

• 2019 - 2019

  Desenvolvimento de uma solução informatizada para o gerenciamento de uma empresa de manutenção de equipamentos de informática, Situação: Concluído; Natureza: Pesquisa. , Integrantes: Danilo Codeco Carvalho - Coordenador / João Victor L. Porcel - Integrante.

• 2019 - 2019

  Implementação de uma Solução para Revendedoras de Lingerie, Situação: Concluído; Natureza: Pesquisa. , Integrantes: Danilo Codeco Carvalho - Coordenador / Renata G. Pereira - Integrante.

• 2019 - 2019

  Kinema ? Software administrativo para cinemas, Situação: Concluído; Natureza: Pesquisa. , Integrantes: Danilo Codeco Carvalho - Coordenador / Caio dos S. Felipe - Integrante.

• 2013 - 2016

  Obtenção de Padrões Sequenciais em Data Streams atendendo requisitos do Big Data, Descrição: O crescimento da quantidade de dados produzidos diariamente, tanto por empresas como por indivíduos na web, aumentou a exigência para a análise e extração de conhecimento sobre esses dados. Enquanto nas duas últimas décadas a solução era armazenar e executar algoritmos de mineração de dados, atualmente isso se tornou inviável mesmo em super computadores. Além disso, os requisitos da chamada era do Big Data vão muito além da grande quantidade de dados a se analisar. Requisitos de tempo de resposta e complexidade dos dados adquirem maior peso em muitos domínios no mundo real. Novos modelos têm sido pesquisados e desenvolvidos, muitas vezes propondo computação distribuída ou diferentes formas de se tratar a mineração de fluxo de dados. Pesquisas atuais mostram que uma alternativa na mineração de fluxo de dados é unir um mecanismo de tratamento de eventos em tempo real com algoritmos clássicos de mineração de regras de associação ou padrões sequenciais. Neste trabalho é proposta uma abordagem de mineração de fluxo de dados (data stream) para atender ao requisito de tempo de resposta do Big Data, que une o mecanismo de manipulação de eventos em tempo real Esper e o algoritmo Miner of Stretchy Time Sequences, fazendo uso de técnicas de janelamento e consultas em tempo real para a obtenção de padrões sequenciais nos fluxos de dados.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) . , Integrantes: Danilo Codeco Carvalho - Integrante / Marilde Terezinha Prado Santos - Coordenador.

• 2011 - 2011

  Lógica Difusa Aplicada a Extração de Padrões Semânticos, Descrição: O processo de descoberta de conhecimento útil em base de dados se torna cada vez mais importante com o aumento no volume de dados armazenado. A mineração de dados é um passo deste processo, pois consiste na aplicação de algoritmos que visam extrair padrões ocultos neste conjunto de dados. Os algoritmos que extraem as regras de associação e os padrões sequenciais destacam-se no processo de mineração. O NARFO é um algoritmo desenvolvido por Miani (2009) na UFSCar, este utiliza ontologias difusas para gerar generalizações de regras de associação; o FARM é outro algoritmo de busca de padrões associativos através da aplicação da lógica fuzzy, este também emprega termos linguísticos para representar regularidades e exceções. Com relação ao NARFO, o FARM é uma proposta diferente por minerar valores quantitativos. O algoritmo AprioriAll é uma outra proposta de algoritmo de mineração que realiza a extração de padrões sequencias, este foi o primeiro algoritmo para este fim e portanto o mais clássico na literatura. O AprioriAll também foi abordado durante este trabalho.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Danilo Codeco Carvalho - Integrante / Marilde Terezinha Prado Santos - Coordenador., Financiador(es): PIBIC \ UFSCar \ CNPq - Bolsa - Bolsa.

• 2010 - 2011

  Processo Extração de Padrões Sequenciais, Descrição: A mineração de dados é o processo de extração de padrões de uma base de dados geralmente grande. Este processo não consiste apenas em retirar dados estatísticos de um conjunto, mas sim padrões que possam ser facilmente entendidos por seres humanos. Neste sentido existem algumas tarefas de mineração de dados, atualmente a Extração de Padrões Sequenciais tem sido bastante empregada principalmente em bases de dados cujas relações entre os itens sejam dada pela ordem temporal de ocorrência; nestes caso a mineração sequencial é vista com uma ótima alternativa para se extrair informação. Existem uma série de algoritmos para a realização desta tarefa, muitos são bastante complexos utilizando conceitos sólidos de inteligência artificial, outros são mais simples; no mesmo sentido existem algoritmos mais rápidos e também os que apresentam regras mais relevantes à resolução do problema. Neste sentido, a comparação entre alguns deles é bastante interessante e um dos alvos deste trabalho. Para haver uma boa comparação teoricamente embasada será necessário conhecer a fundo os algoritmos e o domínio que será apresentado para os testes.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Danilo Codeco Carvalho - Integrante / Marilde Terezinha Prado Santos - Coordenador., Financiador(es): PIBIC \ UFSCar \ CNPq - Bolsa - Bolsa.