Camila Maione

Formação complementar

Idiomas

Áreas de atuação

Participação em eventos

Produções bibliográficas

• MAIONE, C. ; ARAUJO, E. M. ; SANTOS-ARAUJO, S. N. ; BOIM, A. G. F. ; BARBOSA, R. M. ; ALLEONI, L. R. F. . Determining the geographical origin of lettuce with data mining applied to micronutrients and soil properties. SCIENTIA AGRICOLA , v. 79, p. -, 2021.

• MAIONE, CAMILA ; LUÍZA DA COSTA, NATTANE ; BARBOSA, FERNANDO ; BARBOSA, ROMMEL MELGAÇO . A Cluster Analysis Methodology for the Categorization of Soil Samples for Forensic Sciences Based on Elemental Fingerprint. APPLIED ARTIFICIAL INTELLIGENCE , v. -, p. 1-20, 2021.

• MAIONE, CAMILA ; NELSON, DONALD R. ; BARBOSA, ROMMEL MELGAÇO . Research on social data by means of cluster analysis. Applied Computing and Informatics , v. 15, p. 153-162, 2019.

• MAIONE, CAMILA ; BARBOSA, ROMMEL MELGAÇO . Recent applications of multivariate data analysis methods in the authentication of rice and the most analyzed parameters: A review. CRITICAL REVIEWS IN FOOD SCIENCE AND NUTRITION , v. 59, p. 1868-1879, 2019.

• MAIONE, CAMILA ; BARBOSA, ROMMEL M. ; BARBOSA JR, F. . Predicting the botanical and geographical origin of honey with multivariate data analysis and machine learning techniques: A review. COMPUTERS AND ELECTRONICS IN AGRICULTURE , v. 157, p. 436-446, 2019.

• JUNIOR, AIRTON C.M. ; MAIONE, CAMILA ; BARBOSA, ROMMEL M. ; GALLIMBERTI, MATHEUS ; PAULELLI, ANA CAROLINA C. ; SEGURA, FABIANA R. ; SOUZA, VANESSA C.O. ; BATISTA, BRUNO L. ; BARBOSA, FERNANDO . Elemental fingerprint profiling with multivariate data analysis to classify organic chocolate samples. JOURNAL OF CHEMOMETRICS , v. 32, p. e3036, 2018.

• MAIONE, CAMILA ; SOUZA, VANESSA C. DE OLIVEIRA ; TOGNI, LORAINE R. ; DA COSTA, JOSE L. ; CAMPIGLIA, ANDRES DOBAL ; JR, FERNANDO BARBOSA ; BARBOSA, ROMMEL MELGAÇO . Using Cluster Analysis and ICP-MS to Identify Groups of Ecstasy Tablets in Sao Paulo State, Brazil. Journal of Forensic Sciences , v. 62, p. 1479-1486, 2017.

• MAIONE, CAMILA ; TURRA, CHRISTIAN ; FERNANDES, ELISABETE A. DE NADAI ; BACCHI, MÁRCIO ARRUDA ; BARBOSA, FERNANDO ; BARBOSA, ROMMEL M. . Finding the Most Significant Elements for the Classification of Organic Orange Leaves: A Data Mining Approach. ANALYTICAL LETTERS , v. 50, p. 2292-2307, 2017.

• MAIONE, CAMILA ; BATISTA, BRUNO LEMOS ; CAMPIGLIA, ANDRES DOBAL ; BARBOSA, FERNANDO ; BARBOSA, ROMMEL MELGAÇO . Classification of geographic origin of rice by data mining and inductively coupled plasma mass spectrometry. COMPUTERS AND ELECTRONICS IN AGRICULTURE , v. 121, p. 101-107, 2016.

• MAIONE, CAMILA ; DE PAULA, ELOISA SILVA ; GALLIMBERTI, MATHEUS ; BATISTA, BRUNO LEMOS ; CAMPIGLIA, ANDRES DOBAL ; JR, FERNANDO BARBOSA ; BARBOSA, ROMMEL MELGAÇO . Comparative study of data mining techniques for the authentication of organic grape juice based on ICP-MS analysis. Expert Systems with Applications , v. 49, p. 60-73, 2016.

• MAIONE, CAMILA ; SOUZA, VANESSA C. DE OLIVEIRA ; TOGNI, LORAINE R. ; DA COSTA, JOSE L. ; CAMPIGLIA, ANDRES D. ; BARBOSA, FERNANDO ; BARBOSA, ROMMEL M. . Establishing chemical profiling for ecstasy tablets based on trace element levels and support vector machine. NEURAL COMPUTING & APPLICATIONS , v. 30, p. 947-955, 2016.

• RIBEIRO, G. ; MAIONE, C. ; RODRIGUES, D. C. ; GONCALVES, C. ; BARBOSA, R. M. . Recent advances in detection and prediction of customers energy consumption patterns through the use of machine learning techniques. In: 2021 International Conference on Engineering and Emerging Technologies (ICEET), 2021, Istanbul, Turkey. 2021 International Conference on Engineering and Emerging Technologies (ICEET), 2021. p. 1-8.

• MAIONE, C. . Comparative study of data mining techniques for the authentication of organic grape juice based on ICP-MS analysis. 2017. (Apresentação de Trabalho/Seminário).

• MAIONE, C. . Seleção de variáveis para análises de dados. 2017. (Apresentação de Trabalho/Seminário).

• MAIONE, C. ; BERNARDES, D. . Linked Open Data - Dados abertos conectados. 2017. (Apresentação de Trabalho/Comunicação).

• MAIONE, C. ; BARBOSA, R. M. . Alguns problemas de agrupamento e classificação em dados sociais e de alimentos. 2015. (Apresentação de Trabalho/Outra).

• MAIONE, C. . Análise de dados com agrupamento. 2015. (Apresentação de Trabalho/Comunicação).

• MAIONE, C. ; GUNTIJO, M. R. . Otimização do método tag tagging para recuperação de imagens baseada em texto em bancos de dados multimídia de sítios sociais. 2014. (Apresentação de Trabalho/Comunicação).

• MAIONE, C. . Criptografia transparente de dados. 2014. (Apresentação de Trabalho/Comunicação).

• MAIONE, C. . Análise de grupos aplicada a dados sociais. 2014. (Apresentação de Trabalho/Seminário).

Outras produções

Projetos de pesquisa

• 2019 - Atual

  Modelos e algoritmos para classificação de origem e tipos de alimentos e outros produtos, Descrição: A classificação de alimentos com base em sua composição química pode ser usada para fornecer informações úteis para uma variedade de propósitos, como reconhecimento de origem geográfica e autenticidade, características de um produto, controle de qualidade para empresas, preservação e diferenciação de categoria. Uma análise química pode examinar elementos como vitaminas, minerais, enzimas, aditivos alimentares, sabores e cores e sua reflexão sobre a qualidade dos alimentos e a saúde do consumidor. Um exemplo de um problema de classificação é a autenticação de alimentos orgânicos. O rótulo de certificação para país de origem ou tipo de alimento agrega valor de mercado aos produtos, o que torna o processo de autenticação relevante sob a perspectiva de possíveis fraudes. Como as diferenças entre o tipo e a origem dos produtos geralmente não são visíveis a olho nu, o controle sistemático da autenticidade e rastreabilidade dos produtos alimentícios depende de análises químicas. A certificação requer uma série de etapas que levam a um aumento considerável no valor do produto. Metodologias para a autenticação do tipo de alimento ou origem são um assunto de grande interesse. Alguns desafios são desenvolver métodos menos onerosos, menos invasivos ou destrutivos, e mais confiáveis. Mineração de dados refere-se a uma ferramenta poderosa que combina conceitos de aprendizado de máquina, cálculos estatísticos e matemáticos, e otimização matemática para descoberta padrões em conjuntos de dados. O aprendizado de máquina é um procedimento fundamental no processo de mineração de dados, uma vez que gera algoritmos inteligentes capazes de descobrir padrões e informações em bases de dados automaticamente, auxiliando a tomada de decisões. Neste projeto empregaremos e desenvolveremos técnicas de mineração para realizar análises preditivas.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (2) . , Integrantes: Camila Maione - Integrante / Rommel Melgaço Barbosa - Coordenador / Nattane Luiza Costa - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2017 - 2019

  Alguns modelos para a autenticação do tipo e origem de alimentos e outros produtos, Descrição: Diferenças entre produtos orgânicos e não-orgânicos são imperceptíveis a olhos nus, controles sistemáticos da autenticidade de produtos alimentícios orgânicos devem ser feitos usando-se dados químicos com uma posterior análise através de mineraçãao de dados. A mineração de dados consiste no uso de métodos matemáticos, estatísticos e computacionais para fazer classicações baseado em informações conhecidas. Usualmente as informações conhecidas estão na forma de dados eletrônicos coletados para análise. A classicação envolve identificar a qual categoria uma nova amostra pertence, baseado em um conjunto de treinamento de dados tendo variáveis (observações) cuja categoria já esteja rotulada. Usaremos dados obtidos por espectrometria de massas (ICP-MS) que é um método para identificar os diferentes átomos que compõem uma substância. A pesquisa terá como alguns objetivos: obter modelos e algoritmos para determinar a autenticidade de alimentos orgânicos; criar modelos para classicação de alimentos conforme a região de produção; desenvolver modelos para seleção de variáveis para a melhoria da eficiência dos algoritmos e precisão dos resultados.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (1) . , Integrantes: Camila Maione - Integrante / Rommel Melgaço Barbosa - Coordenador.

Prêmios