Luiza Caetano Garaffa

Mestre pelo Programa de Pós-Graduação em Computação na Universidade Federal do Rio Grande do Sul (UFRGS) e bacharel em Engenharia Elétrica pela mesma universidade. Pesquisadora convidada na Universidade Técnica de Delft de novembro de 2019 a março de 2020, trabalhando no grupo de segurança de hardware. De janeiro a março de 2019, pesquisadora convidada na Universidade Técnica de Munique (TUM), trabalhando com segurança de hardwares neuromórficos. Atualmente realiza pesquisas nas áreas de Machine Learning, segurança de hardware e robótica móvel.

Informações coletadas do Lattes em 20/08/2024

Acadêmico

Formação acadêmica

Mestrado em PPGC - Programa de Pós Graduação em Computação UFRGS

2020 - 2022

Universidade Federal do Rio Grande do Sul
Título: Evaluation of mapless navigation for unknown indoor environment exploration by single and multiple autonomous mobile robots using Deep Reinforcement Learning, Ano de Obtenção: 2022
Edison Pignaton de Freitas.Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil.

Graduação em Engenharia Elétrica

2013 - 2019

Universidade Federal do Rio Grande do Sul
Título: Ativação de um braço robótico através de sinais mioelétricos e Redes Neurais Artificiais como protótipo para um estudo preliminar de sensibilidade háptica
Orientador: Alexandre Balbinot

Ensino Médio (2º grau)

2010 - 2012

Colégio Evangélico Augusto Pestana

Idiomas

Inglês

Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.

Português

Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.

Francês

Compreende Bem, Fala Razoavelmente, Lê Bem, Escreve Razoavelmente.

Áreas de atuação

Grande área: Engenharias / Área: Engenharia Elétrica.

Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação.

Participação em eventos

Embedded World. 2019. (Feira).

Produções bibliográficas

KOYLU, TROYA ; GARAFFA, LUIZA ; REINBRECHT, CEZAR ; ZAHEDI, MAHDI ; HAMDIOUI, SAID ; TAOUIL, MOTTAQIALLAH . Exploiting PUF Variation to Detect Fault Injection Attacks. In: 2022 25th International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS), 2022, Prague. 2022 25th International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS), 2022. p. 74.
GARAFFA, LUIZA C. ; REINBRECHT, CEZAR ; HAMDIOUI, SAID ; TAOUIL, MOTTAQIALLAH ; SEPULVEDA, JOHANNA . Revealing the Secrets of Spiking Neural Networks: The Case of Izhikevich Neuron. In: 2021 24th Euromicro Conference on Digital System Design (DSD), 2021, Palermo. 2021 24th Euromicro Conference on Digital System Design (DSD), 2021. p. 514-518.
GARAFFA, LUIZA CAETANO ; BASSO, MAIK ; KONZEN, ANDREA APARECIDA ; DE FREITAS, EDISON PIGNATON . Reinforcement Learning for Mobile Robotics Exploration: A Survey. IEEE Transactions on Neural Networks and Learning Systems , 2021.

Histórico profissional

Endereço profissional

Universidade Federal do Rio Grande do Sul, Instituto de Informática. , Av. Bento Gonçalves, 9500, Agronomia, 91509900 - Porto Alegre, RS - Brasil, Telefone: (51) 33086168

Experiência profissional

2019 - 2020

Delft University of Technology

Vínculo: Bolsista, Enquadramento Funcional: Pesquisador Convidado, Carga horária: 40, Regime: Dedicação exclusiva.

Outras informações:
Pesquisas em conjunto com o grupo de segurança de hardware, relacionadas à segurança de hardwares neuromórficos e detecção de injeção de falhas.

2019 - 2019

Technische Universität München

Vínculo: Bolsista, Enquadramento Funcional: Pesquisador convidado, Carga horária: 40, Regime: Dedicação exclusiva.

Outras informações:
Pesquisa desenvolvida com o tema: "Efficient Implementation of Machine Learning in Systems on Chip", relacionada à análise de vulnerabilidades em harwdares Neuromórficos rodando aplicações em Spiking Neural Networks.

2017 - 2018

Laboratório de Instrumentação Eletro-Eletrônica da UFRGS

Vínculo: Bolsista, Enquadramento Funcional: Bolsista IC voluntária

Outras informações:
Pesquisa relacionada à análise de sinais biológicos como Eletromiografia de Superfície através de métodos de Machine Learning, voltada à aplicações de interação homem-máquina.