Daniel Cardoso Moraes de Oliveira

Daniel de Oliveira é professor do Instituto de Computação da Universidade Federal Fluminense (IC/UFF) desde fevereiro de 2013. Recebeu o grau de Doutor em Engenharia de Sistemas e Computação pela COPPE/UFRJ em 2012 e o de Mestre em Engenharia de Sistemas e Computação em 2008, também pela COPPE/UFRJ. Desde 2013 co-lidera o Grupo de Pesquisa em Banco de Dados da Universidade Federal Fluminense (http://dgp.cnpq.br/dgp/espelhogrupo/0146318332389955). É bolsista de produtividade nível 2 do CNPq desde 2016 e Jovem Cientista do Nosso Estado da FAPERJ também desde 2016. Seus interesses de pesquisa incluem ciência de dados, computação em nuvem, gerência de dados de proveniência, gerência de workflows científicos, paralelismo de dados, bioinformática e mineração de dados. Publicou mais de 150 artigos em periódicos indexados e em congressos nacionais e internacionais. Vem participando de Comitês de Programa de congressos nacionais e internacionais como o VLDB17, IPAW16, SBBD15, SBBD16, WORKS16 além de ser revisor ad-hoc de revistas nacionais e internacionais. Sócio da SBC, IEEE e ACM. Já coordenou/coordena diversos projetos de pesquisa aprovados por órgãos de fomento. Entre eles, cabe destacar: 2 Projetos Universais CNPq, 1 Projeto "Grupos Emergentes FAPERJ", 1 Projeto "APQ1 FAPERJ" e 2 Projetos "Jovem Cientista do Nosso Estado FAPERJ", nas áreas de workflows científicos em ambientes de paralelismo e gerência de dados de proveniência além de participar de diversos outros projetos financiados por agências de fomento. Publicou artigos técnicos e é coautor do livro "Data-Intensive Workflow Management for Clouds and Data-Intensive and Scalable Computing Environments" publicado pela Morgan & Claypool em 2019. Foi chair do comitê de programa do BreSci'14, BreSci'19, WPerformance'16, SBBD Demos'17, BSB'18 e BSB'19. Mais informações podem ser obtidas em http://www.ic.uff.br/~danielcmo e http://dblp.uni-trier.de/pers/hd/o/Oliveira_0001:Daniel_de.

Informações coletadas do Lattes em 04/02/2020

Acadêmico

Seção coletada automaticamente pelo Escavador

Formação acadêmica

Doutorado em Engenharia de Sistemas e Computação

2008 - 2012

Universidade Federal do Rio de Janeiro
Título: Uma Abordagem de Apoio à Execução Paralela de Workflows Científicos em Nuvens de Computadores
Marta Lima de Queirós Mattoso. Coorientador: Fernanda Araujo Baião. Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil. Palavras-chave: Workflows Científicos; Computação em Nuvem; Bioinformática; e-Science.

Mestrado em Engenharia de Sistemas e Computação

2005 - 2008

Universidade Federal do Rio de Janeiro
Título: MiningFlow: Adicionando Semântica a Workflows de Mineração de Texto,Ano de Obtenção: 2008
Marta Lima de Queirós Mattoso.Coorientador: Fernanda Araujo Baião. Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil. Palavras-chave: Mineração de Texto; Ontologias; Workflows Científicos.

Graduação em Ciência da Computação

2000 - 2004

Universidade Federal do Rio de Janeiro
Título: Estratégias e Algoritmos de leilões eletrônicos com uso de agentes de software e representação do conhecimento
Orientador: Mario Roberto Folhadela Benevides

Curso técnico/profissionalizante em Processamento de Dados

1996 - 1998

Colégio Lemos de Castro

Seção coletada automaticamente pelo Escavador

Pós-doutorado

2019 - 2019

Pós-Doutorado. , Universidade Federal do Ceará, UFC, Brasil. , Grande área: Ciências Exatas e da Terra

2012 - 2012

Pós-Doutorado. , Universidade Federal do Rio de Janeiro, UFRJ, Brasil. , Grande área: Ciências Exatas e da Terra, Grande Área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação / Especialidade: Banco de Dados.

Seção coletada automaticamente pelo Escavador

Formação complementar

2008 - 2008

Extensão universitária em Gerência de Projetos de Software. (Carga horária: 60h). , Pontifícia Universidade Católica do Rio de Janeiro, PUC-Rio, Brasil.

Seção coletada automaticamente pelo Escavador

Idiomas

Inglês

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

Espanhol

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

Português

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

Seção coletada automaticamente pelo Escavador

Áreas de atuação

    Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação/Especialidade: Banco de Dados.

    Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação/Especialidade: Sistemas de Informação.

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

Seção coletada automaticamente pelo Escavador

Organização de eventos

OLIVEIRA, D. ; OGASAWARA, E. . XIII Brazilian eScience Workshop. 2019. (Congresso).

KOWADA, L. A. B. ; OLIVEIRA, D. . Brazilian Symposium on Bioinformatics. 2018. (Congresso).

OLIVEIRA, D. . Sessão de Demos do XXXII Simpósio Brasileiro de Banco de Dados. 2017. (Congresso).

OLIVEIRA, D. ; MEIRA JR., W. . WPerformance - XV Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2016. (Congresso).

OLIVEIRA, D. ; GOMES, A. T. A. . BreSci - VIII Brazilian e-Science workshop. 2014. (Congresso).

Seção coletada automaticamente pelo Escavador

Participação em bancas

Aluno: Eduardo Rodrigues Duarte Neto

MACHADO, J. C.; MATTOS, L. C.;OLIVEIRA, D.. Uma Abordagem de Privacidade de Dados em Serviços Baseados em Localização. 2019. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal do Ceará.

Aluno: Carlos Gracioli Neto

OLIVEIRA, D.KALINOWSKI, M.VITERBO, J.. Uma Abordagem Baseada em Definição de Escopo e Elementos Esperados para Apoiar Inspeções de Modelos de Software. 2019. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Filipe Tadeu Santiago da Silva

OLIVEIRA, D.VASCONCELOS, C. N.CLUA, E.ESTRELLA, J. C.. Uma Abordagem para a Execução de Workflows Científicos Intensivos em Ambientes de Computação em Nuvem Híbridos. 2019. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Daniel Pinheiro da Silva Junior

PAES, A.OLIVEIRA, D.BRAGANHOLO, V.OGASAWARA, E.PACITTI, E.. Recomendação de Parâmetros em Workflows Científicos por meio de Aprendizado de Preferências. 2019. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Juan Ribeiro Reis

VITERBO, J.BERNARDINI, F. C.; MACIEL, C.;OLIVEIRA, D.. An Approach for Assessing Metadata Completeness in Open Data Portals. 2019. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Wladimir Livolis de Alcantara Cabral

ROCHA, A. A. A.; REZENDE, J. ́ LEAO, R. M. M.;OLIVEIRA, D.. A Demand-Aware Heuristic for Value-Space Partitioning and Repartitioning. 2019. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Kid Yonatan Valeriano Valdez

OLIVEIRA, D.PAES, A.BERNARDINI, F. C.SAMPAIO, J. O.. POStURE: Unsupervised Semantic Analysis of Political Speeches. 2019. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Leonardo Sousa Lima Ramos

OLIVEIRA, D.PAES, A.PORTO, F.GOMES, A. T. A.OCAÑA, K.. PhenoManager: Uma Abordagem para a Gerência de Hipóteses Científicas. 2019. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Érica Mourão da Silva

MURTA, L.KALINOWSKI, M.KOHWALTER, T.; SANTOS, R.;OLIVEIRA, D.. Evaluating the Efficiency of Hybrid Search Strategies for Systematic Literature Reviews in Software Engineering. 2019. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Joaquim Afonso Ferreira Viana

XEXEO, G.LIMA, A. A. B.OLIVEIRA, D.. Uma proposta de Paralelismo e Distribuição na Recuperação Heurística com Locality Sensitive Hash para apoiar a Identificação de Plágio Externo em grandes coleções de documentos. 2019. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Rhodrigo da Venda Santana

LAGE, M.ROCHA, A. A. A.; VELLOSO, P. B.;OLIVEIRA, D.. Identificação de Padrões de Deslocamento em Dados de Trajetórias de Táxis. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Hugo Arraes Henley

OLIVEIRA, D.PAES, A.PLASTINO, A.REVOREDO, K.. PRELUDE: uma Arquitetura para Análise de Evasão no Ensino Superior por meio de Aprendizado de Máquina Relacional. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Luciano Silva Leite

MATTOSO, M.PIRES, P.OLIVEIRA, D.. Captura de Proveniência Assíncrona em Simulações Computacionais. 2018. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Felipe de Oliveira Badejo Almeida

XEXEO, G.SOUZA, J. M.OLIVEIRA, D.. Social Tag Prediction: Resource-Centered Approaches for Broad Folksonomies. 2018. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Maria Luiza Furtuozo Falci

BRAGA, R. M.; DANTAS, M. A. R.;OLIVEIRA, D.. Melhoria de processos de software através da combinação de Proveniência de dados, Ontologias, Redes complexas e Visualizações. 2018. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Higor dos Santos Pinto

BERNARDINI, F. C.VITERBO, J.SALGADO, L. C. C.CAPELLI, C.SILVEIRA, M. S.OLIVEIRA, D.. Alinhamento de Categorias em Portais de Dados Abertos com Base em um Subconjunto Abrangente. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: André Luis da Costa Nascimento

OLIVEIRA, D.PAES, A.DRUMMOND, L. M. A.BEZERRA, E.. Uma Estratégia de Escalonamento baseada em Aprendizado por Reforço para Workflows Científicos em Nuvens de Computadores. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Leonardo Luís da Silva Nardi

TREVISAN, D. G.BERNARDINI, F. C.PANIZZUTTI, R. A.OLIVEIRA, D.. Identificação de Padrões de Interação no Treinamento Cognitivo Computadorizado com Idosos. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Marcello Willians Messina Ribeiro

MATTOSO, M.LIMA, A. A. B.BOERES, C.OLIVEIRA, D.. Processamento Paralelo de Consultas OLAP em Nuvens de Computadores com C-ParGRES. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Eduardo Smil Prutchi

MURTA, L.KOHWALTER, T.OLIVEIRA, D.; BARROS, M. O.. Como a Adoção de Feature Toggles Afeta Merges de Ramos e Defeitos em Projetos de Software Livre?. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Thaylon Guedes Santos

OLIVEIRA, D.BEDO, M. V. N.MATTOSO, M.CAVALCANTI, M. C. R.MURTA, L.OLIVEIRA, A. H. M.. Análise e Captura de Dados de Proveniência no Apache Spark. 2018. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Luan Teylo Gouveia Lima

DRUMMOND, L. M. A.FROTA, Y.BENTES, C. B.OLIVEIRA, D.. Escalonamento de Tarefas e Alocação de Arquivos de Dados de Workflows Científicos em Nuvens Computacionais. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Augusto Consulmagnos Romeiro

OLIVEIRA, D.KALINOWSKI, M.MATTOSO, M.OCAÑA, K.MURTA, L.. SciAgile: Uma Abordagem Ágil em Processos de Experimentação Científica. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Elaine Naomi Watanabe

BRAGHETTO, K. R.; MACEDO, D.;OLIVEIRA, D.. Um método para paralelização automática de workflows intensivos em dados. 2017. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo.

Aluno: Gisele Domingos Alves Carneiro

KALINOWSKI, M.GARCIA, A.OLIVEIRA, D.. Investigando o Impacto de Estilos de Aprendizado em Equipes de Inspeção de Projeto de Software. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Leonardo Araújo de Jesus

DRUMMOND, L. M. A.PAES, A.OGASAWARA, E.OLIVEIRA, D.. Tolerância a Falha em Workflows Científicos Executados em Nuvens Computacionais. 2017. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Victor Aguiar Evangelista de Farias

MACHADO, J. C.MONTEIRO FILHO, J. M. S.SOUSA, F. R. C.OLIVEIRA, D.. Uma Abordagem para a Modelagem de Performance e de Elasticidade para Bancos de Dados em Nuvem. 2016. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal do Ceará.

Aluno: Igor Barreto Rodrigues

OLIVEIRA, D.BRAGANHOLO, V.PORTO, F.. Uma Abordagem Hierárquica para Escalonamento de Atividades de Workflows Científicos Executados em Nuvens de Computadores. 2016. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Leonardo Cesar Machado

BRAGANHOLO, V.BAIAO, F.OLIVEIRA, D.. Tradução de consultas XPath para predicados Prolog. 2016. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: André Eduardo Bento Garcia

BAIAO, F.TANAKA, A.AZEVEDO, L. G.OLIVEIRA, D.. Business Intelligence em Tempo Real Utilizando Infraestrutura em Nuvem. 2016. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro.

Aluno: Cristiano Machado Cesário

MURTA, L.DELICATO, F.OLIVEIRA, D.. Awareness over Distributed Version Control Systems. 2015. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Fábio Gomes dos Santos

BRAGANHOLO, V.PAES, A.DORNELES, C. F.OLIVEIRA, D.. Prolog versus XQuery Processors: a performance evaluation of XML queries processing methods. 2015. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Renan Francisco Santos Souza

MATTOSO, M.OLIVEIRA, D.DRUMMOND, L. M. A.LIMA, A. A. B.. Controlling the Parallel Execution of Workflows Relying on a Distributed Database. 2015. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Dânia Naomi Osato Meira

VITERBO, J.BREITMAN, K.OLIVEIRA, D.. A Comparative Study of Scalable Implementations of the Alternating Least Squares Algorithm for Collaborative Filtering Recommendation. 2015. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Lidson Barbosa Jacob

OLIVEIRA, D.MATTOSO, M.CLUA, E.MONTENEGRO, A. A.PASCHOAL, A. R.. Spielzyklus: Identificando Padrões de Ciclos em Dados de Proveniência Extraídos de Forma não Intrusiva. 2015. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Mateus Ferreira Silva

BAIAO, F.REVOREDO, K.SANTORO, F.OLIVEIRA, D.. Learning Data-aware Declarative Models from Provenance Data. 2015. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro.

Aluno: Rainier Augusto Ferreira Sales

OLIVEIRA, D.PAES, A.CLUA, E.TREVISAN, D. G.BENEVIDES, M.. Aplicação de NPC Afetivo em Jogos de Simulação. 2014. Dissertação (Mestrado em Computação) - Universidade Federal Fluminense.

Aluno: Igor de Araujo dos Santos

MATTOSO, M.OLIVEIRA, D.LIMA, A. A. B.AZEVEDO, L. G.. Uma abordagem para alteração na definição de atividades de workflows científicos em tempo de execução. 2014. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Patricia Mattos Teixeira

LIMA, L.;OGASAWARA, E.BARBASTEFANO, R.; MONTEIRO, A.;OLIVEIRA, D.. Uso de Técnicas de Mudança de Periodicidade de Séries Temporais para Previsão da Temperatura de Superfície do Mar do Oceano Atlântico. 2014. Dissertação (Mestrado em Tecnologia) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca.

Aluno: Vítor Silva Sousa

MATTOSO, M.GOMES, A. T. A.LIMA, A. A. B.OCAÑA, K.OLIVEIRA, D.. Uma Arquitetura para a Execução Paralela Adaptável de Workflows Científicos. 2014. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Troy Costa Kohwalter

MURTA, L.CLUA, E.OLIVEIRA, D.; SILVA, F. C.. Provenance in Games. 2013. Dissertação (Mestrado em CIÊNCIAS DA COMPUTAÇÃO) - Universidade Federal Fluminense.

Aluno: Ricardo Rocha Soares

LIMA, A. A. B.MATTOSO, M.AZEVEDO, L. G.OLIVEIRA, D.. Estudo Comparativo entre Sistemas de Bancos de Dados de Grafos e Relacionais paraa Gerência de Dados de Proveniência em Workflows Científicos. 2013. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Carlos Henrique Zilves Nicodemus

REBELLO, E. F. V.OLIVEIRA, D.SZTAJNBERG, A.. Um Estudo sobre Grades Virtuais sob Demanda em um Ambiente de Nuvens Computacionais. 2013. Dissertação (Mestrado em CIÊNCIAS DA COMPUTAÇÃO) - Universidade Federal Fluminense.

Aluno: Julliano Trindade Pintas

MATTOSO, M.LIMA, A. A. B.DELICATO, F.OLIVEIRA, D. C. M.. Monitoramento em Tempo Real de Workflows Cieníficos Executados em Paralelo em Ambientes Distribuídos. 2012. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Vitor de Gamboa Viana

MATTOSO, M.OLIVEIRA, D. C. M.ZIMBRAO, G.PIRES, P.. Um Serviço de Custo para a Execução Paralela de Workflows Científicos em Nuvens de Computadores. 2012. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Allyson Bonetti França

SOARES, J. M.; BARROSO, G. C.;THE, G. A. P.GOMES, D. G.; PINTO, I. I. B. S.;OLIVEIRA, D.. O código por trás do código-fonte: mudança de representação para análise de similaridade. 2019. Tese (Doutorado em Engenharia de Teleinformática) - Universidade Federal do Ceará.

Aluno: Elvismary Molina de Armas

LIFSCHITZ, S.; ALMEIDA JUNIOR, N. F.; HAEUSLER, E. H.; ARAGAO, M. V. S. P.;OLIVEIRA, D.. A novel approach for de Bruijn Graph construction in de novo genome fragment assembly. 2019. Tese (Doutorado em Informática) - Pontifícia Universidade Católica do Rio de Janeiro.

Aluno: Pablo Nascimento da Silva

PLASTINO, A.OLIVEIRA, D.BERNARDINI, F. C.BAIAO, F.OGASAWARA, E.. Novel Feature Selection Methods for Hierarchical and Uncertain Feature Spaces and Their Application to the Biology of Ageing. 2019. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Milton Secundino de Souza Junior

OLIVEIRA, D.; MACIEL, P. R. M.; LIMA, R. M. F.; MEDEIROS, R. W. A.; GARCIA, V. C.. LONGWisE4cloud: Um Ambiente Adaptativo para Execução de Workflows de Longa Duração como Serviço. 2018. Tese (Doutorado em Ciências da Computação) - Universidade Federal de Pernambuco.

Aluno: Demetrio Gomes Mestre

PIRES, C. E. S.SALGADO, A. C.; ANDRADE, N. F.; BAPTISTA, C. S.;OLIVEIRA, D.. Leveraging the Entity Matching Performance Through Adaptive Indexing and Efficient Parallelization. 2018. Tese (Doutorado em Ciência da Computação) - Universidade Federal de Campina Grande.

Aluno: Wellington Moreira de Oliveira

BRAGANHOLO, V.OLIVEIRA, D.MATTOSO, M.CAVALCANTI, M. C. R.PLASTINO, A.LEME, L. A. P. P.. Integrated Analysis of Heterogeneous Provenance Graphs. 2018. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Edvard Martins de Oliveira

ESTRELLA, J. C.; BRUSCHI, S. M.; MACIEL, C. D.;OLIVEIRA, D.. MDAPSP - Uma arquitetura modular distribuída para auxílio à predição de estruturas de proteínas. 2018. Tese (Doutorado em Ciências da Computação e Matemática Computacional) - Universidade de São Paulo.

Aluno: Troy Costa Kohwalter

MURTA, L.CLUA, E.BRAGA, R. M.FEIJO, B.PAES, A.OLIVEIRA, D.. Gameplay Analysis with Provenance. 2018. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Vítor Silva Sousa

MATTOSO, M.AZEVEDO, L. G.LIMA, A. A. B.BOERES, C.OLIVEIRA, D.. Análise de Dados Científicos sobre Múltiplas Fontes de Dados ao Longo da Execução de Simulações Computacionais. 2018. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Henrique Yoshikazu Shishido

ESTRELLA, J. C.; BRUSCHI, S. M.; BITTENCOURT, L. F.;OLIVEIRA, D.. Escalonamento de workflow com anotações de tarefas sensitivas para otimização de segurança e custo em nuvens. 2018. Tese (Doutorado em Ciências da Computação e Matemática Computacional) - Universidade de São Paulo.

Aluno: Déborah M

GOMES, D. G.; ANDRADE, R. M. C.; SOARES, J. M.; MACIEL, P. R. M.;OLIVEIRA, D.. V. Magalhães. Workload Modeling and Prediction for Resources Provisioning in Cloud. 2017. Tese (Doutorado em Engenharia de Teleinformática) - Universidade Federal do Ceará.

Aluno: Eduardo Augusto Silvestre

WERNER, C.MONTENEGRO, A. A.SIQUEIRA, S. W. M.SILVA, V. T.OLIVEIRA, D.. Verificação de Conflitos entre Múltiplas Normas em Sistemas Multiagentes. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Laura Costa Sarkis

SILVA, V. T.SIQUEIRA, S. W. M.CARBONERA, J. L.MURTA, L.OLIVEIRA, D.. Uma Abordagem para a Detecção de Conflitos Indiretos entre Políticas de Controle de Acesso. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Fábio Paschoal Júnior

EBECKEN, N. F. F.; GUIMARAES, S.;BEZERRA, E.OGASAWARA, E.OLIVEIRA, D.. Uma Abordagem para Identificação de Padrões Comportamentais a partir de Aplicativos para Redes Sociais. 2017. Tese (Doutorado em Engenharia Civil) - Universidade Federal do Rio de Janeiro.

Aluno: Daricelio Moreira Soares

MURTA, L.PLASTINO, A.PIRES, P.GARCIA, A.SILVA, V. T.OLIVEIRA, D.. On the Nature of Pull Requests: a Study about this Collaboration Paradigm over Open-Source Projects Using Association Rules. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Douglas Ericson Marcelino de Oliveira

OLIVEIRA, D.PORTO, F.BOERES, C.SCHULZE, B. R.MATTOSO, M.BRAGANHOLO, V.Drummond, Lúcia M. A.. Otimização da Execução de Workflows Intensivos de Dados em Frameworks MapReduce. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Henrique de Medeiros Klôh

REBELLO, E. F. V.BOERES, C.SCHULZE, B. R.RODRIGUEZ, N. L. R.CLUA, E.; FRANCA, F.;OLIVEIRA, D.. Escalonamento de Jobs em Ambientes Virtualizados com Elasticidade. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: MAIRON DE ARAUJO BELCHIOR

SILVA, V. T.CARBONERA, J. L.SIQUEIRA, S. W. M.MONTENEGRO, A. A.OLIVEIRA, D.. Detecção de Potenciais Conflitos Normativos que Dependem da Ordem de Execução dos Eventos nos Sistemas Multi-Agentes. 2017. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Flavio da Silva Costa

MATTOSO, M.OLIVEIRA, D.BAIAO, F.PLASTINO, A.LIMA, A. A. B.. Uma Proposta de Arquitetura Distribuída e Adaptativa para Gerência dos Dados de Proveniência de Experimentos Científicos Executados em Nuvens Computacionais. 2016. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Rafael Burlamaqui Amaral

REBELLO, E. F. V.BOERES, C.OLIVEIRA, D.SCHULZE, B. R.ROCHA, A. A. A.; FRANCA, F.. Uma Abordagem Autônoma para Gerenciar Workflows Científicos em Ambientes Computacionais Heterogêneos e Compartilhados. 2016. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Alessandreia Marta de Oliveira

BRAGANHOLO, V.MURTA, L.PLASTINO, A.OLIVEIRA, D.SAMPAIO, J. O.; GALANTE, R.. Diff Semântico de Documentos XML. 2016. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Ubiratam Carvalho de Paula Junior

DRUMMOND, L. M. A.OLIVEIRA, D.FROTA, Y.BARBOSA, V. C.GOMES, A. T. A.ALBUQUERQUE, C. V. N.BENTES, C. B.. Detecção e Tratamento de Eventos de Flash Crowd em Nuvens Computacionais. 2015. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Rafaelli de Carvalho Coutinho

DRUMMOND, L. M. A.MATTOSO, M.BARBOSA, V. C.FROTA, Y.BOERES, C.OLIVEIRA, D.. Dimensionamento Estático e Dinâmico de Máquinas Virtuais em Nuvens Computacionais. 2015. Tese (Doutorado em Computação) - Universidade Federal Fluminense.

Aluno: Ary Henrique Morais de Oliveira

MATTOSO, M.OLIVEIRA, D.XEXEO, G.PORTO, F.MURTA, L.BAIAO, F.. Reprodução de Experimentos Computacionais na Infraestrutura de Computação em Nuvem. 2015. Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Pablo Nascimento da Silva

PLASTINO, A.BAIAO, F.OLIVEIRA, D.. Novel Feature Selection Methods for Hierarchical and Sparse Feature Spaces. 2017. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

Aluno: Tiago Brasileiro Araújo

PIRES, C. E. S.; BAPTISTA, C. S.; CAMPELO, C. E. C.;BARBOSA, L. A.OLIVEIRA, D.. Blocagem em Paralelo para Resolução de Entidades no Contexto de Dados Semiestruturados. 2017. Exame de qualificação (Doutorando em Pós-Graduação em Ciência da Computação) - Universidade Federal de Campina Grande.

Aluno: Milton Secundino de Souza Junior

OLIVEIRA, D.; GARCIA, V. C.; MACIEL, R. S. P.. RA-LONGWisE: Uma Arquitetura de Referência para Suporte à Execução de Workflows de Longa Duração. 2016. Exame de qualificação (Doutorando em Ciências da Computação) - Universidade Federal de Pernambuco.

Aluno: João Felipe Nicolaci Pimentel

BRAGANHOLO, V.MURTA, L.MATTOSO, M.; MISSIER, P.;OLIVEIRA, D.. Capturing, Managing and Analyzing Provenance from Scripts. 2016. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

Aluno: Henrique Yoshikazu Shishido

ESTRELLA, J. C.MADEIRA, E.; SOUZA, P. S. L.;OLIVEIRA, D.. Escalonamento de tarefas de workflow na nuvem baseado em restrições de segurança. 2016. Exame de qualificação (Doutorando em Ciencia da Computacao) - Universidade de São Paulo.

Aluno: Demetrio Gomes Mestre

PIRES, C. E. S.SALGADO, A. C.OLIVEIRA, D.BRITO, A.. Paralelização Eficiente de Métodos de Indexação Adaptativa e Incremental para Resolução de Entidades. 2016. Exame de qualificação (Doutorando em Pós-Graduação em Ciência da Computação) - Universidade Federal de Campina Grande.

Aluno: Daniel Gaspar Gonçalves de Souza

OLIVEIRA, D.GOMES, A. T. A.ZIVIANI, A.. Optimal Execution of Scientific Workflows in In-Memory Dataflow Frameworks. 2016. Exame de qualificação (Doutorando em Modelagem Computacional) - Laboratório Nacional de Computação Científica.

Aluno: Henrique de Medeiros Klôh

REBELLO, E. F. V.BOERES, C.SCHULZE, B. R.RODRIGUEZ, N. L. R.OLIVEIRA, D.. Metaescalonamento de Aplicações Paralelas com um Tempo Alvo em Ambientes Colaborativos e Compartilhados. 2015. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

Aluno: Wellington Moreira de Oliveira

BRAGANHOLO, V.OLIVEIRA, D.MATTOSO, M.PLASTINO, A.. An Approach for Multi-Source Provenance Analytics. 2015. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

Aluno: Vítor Silva Sousa

MATTOSO, M.VALDURIEZ, P.WERNER, C.PORTO, F.OLIVEIRA, D.. Análise de Dados Científicos Sobre Múltiplos Arquivos ao Longo da Geração dos Dados. 2015. Exame de qualificação (Doutorando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Ubiratam Carvalho de Paula Junior

DRUMMOND, L. M. A.ALBUQUERQUE, C. V. N.OLIVEIRA, D.BARBOSA, V. C.. Uma Nova Abordagem para Detecção e Tratamento de Flash Crowds em Sistemas Distribuídos. 2014. Exame de qualificação (Doutorando em Computação) - Universidade Federal Fluminense.

Aluno: Ary Henrique Morais de Oliveira

MATTOSO, M.XEXEO, G.MURTA, L.OLIVEIRA, D. C. M.. Reprodutibilidade de Experimentos Científicos Através da Tecnologia de Computação em Nuvem e Proveniência Retrospectiva. 2013. Exame de qualificação (Doutorando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Carlos Sergio da Silva Marinho

MACHADO, J. C.OLIVEIRA, D.; MOREIRA, L. O.;SOUSA, F. R. C.. Uma Abordagem para Gerenciamento de Dados em Banco de Dados Relacional e Infraestrutura de Blockchain. 2019. Exame de qualificação (Mestrando em Ciências da Computação) - Universidade Federal do Ceará.

Aluno: Francisco Daniel Bezerra de Souza Praciano

MACHADO, J. C.; BRAYNER, A. R. A.;OLIVEIRA, D.. Uma Abordagem Adaptativa para a Estimação de Cardinalidades nos SGBDs. 2019. Exame de qualificação (Mestrando em Ciências da Computação) - Universidade Federal do Ceará.

Aluno: Yan Mendes Ferreira

MENEZES, V. S. A.OLIVEIRA, D.OCAÑA, K.; DANTAS, M. A. R.. Polyflow: A SOA for Analyzing Workflow Heterogeneous Provenance Data in Distributed Environments. 2019. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de Juiz de Fora.

Aluno: Tadeu Moreira Oliveira

KOWADA, L. A. B.MURTA, L.OLIVEIRA, D.. Uma Aplicação Descentralizada, Autônoma e Transparente para Prover Viagens em Transportes Coletivos. 2019. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Marcelo Vieitas Da Fonseca Filho

BRAGANHOLO, V.ALMEIDA, V. T.PLASTINO, A.OLIVEIRA, D.. Um novo operador de ordenação para dados parcialmente ordenados. 2019. Trabalho de Conclusão de Curso (Graduação em Computação) - Universidade Federal Fluminense.

Aluno: Thales Athayde Santos

PAES, A.OLIVEIRA, D.SILVA JUNIOR, D. P.. Previsão de Evasão em Cursos de Graduação da Universidade Federal Fluminense com Mineração de Dados. 2019. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Felipe José Perpétuo Assad e Jorge Felipe Campos Chagas

OLIVEIRA, D.PAES, A.SILVA JUNIOR, D. P.. Análise Preditiva de Manchas Criminais no Estado de São Paulo. 2019. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Suzana Barboza Carvalho

OLIVEIRA, D.PAES, A.ROSSETI, I.. Análise Preditiva em Partidas de Tênis. 2019. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Daiane Santos de Macedo

BERNARDINI, F. C.SALGADO, L. C. C.; BARCELOS, R.;OLIVEIRA, D.. Uma ferramenta para construção de visualização de dados governamentais abertos. 2019. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Raphael Quintanilha dos Santos e Diogo de Almeida Souza

ALMEIDA, V. T.COSTA, L. C.OLIVEIRA, D.. Aumento de eficiência em escalonamento de processos de grande porte através do compartilhamento de nós e balanceadores de carga. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Filipe Coimbra Cavalcante

MONTENEGRO, A. A.PAES, A.OLIVEIRA, D.. Aplicativo híbrido para desenvolvimento de ouvido absoluto. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Vynicius Morais Pontes

MURTA, L.KOHWALTER, T.PIMENTEL, J. F.OLIVEIRA, D.. Reducing the Storage Overhead of the noWorkflow Content Database by using Git. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Victor Olimpio dos Santos Silva

OLIVEIRA, D.PAES, A.DRUMMOND, L. M. A.BERNARDINI, F. C.SILVA, V.. WorkflowSim4RL - Escalonamento de Workflows de Larga-escala em Nuvens de Computadores com uso de Aprendizado por Reforço. 2018. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Daniel Prett Campagna

BRAGANHOLO, V.NASCIMENTO, A. P.OLIVEIRA, D.. Análise do Impacto da Lei de Cotas de 2012 no Desempenho e nos Índices de Evasão das Primeiras Turmas de 2013 dos Cursos da UFF. 2018. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Bruno Alves Hilario

OLIVEIRA, D.VIEIRA, B. L.ROSSETI, I.. Comparação entre Abordagens para Otimização Automática de Workflows Intensivos em Dados. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Ricardo José C

OLIVEIRA, D.PAES, A.LAGE, M.. Júnior.Uma ferramenta para extração e análise de páginas web por meio de web scraping. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Caio de Souza e Silva

PAES, A.LAGE, M.OLIVEIRA, D.. Publicação de experimentos científicos em plataformas de dados abertos. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Marco Antônio de Carvalho Bonetti

PAES, A.MANN, P.BERNARDINI, F. C.OLIVEIRA, D.. Received your letter: análise das cartas de Van Gogh por meio de aprendizado de máquina. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Carlos Marins e Luiz Felipe Mendes

VITERBO, J.ALMEIDA, V. T.OLIVEIRA, D.. Analisando o Desempenho de Microsserviços Implementados Através da Decomposição Parcial de Sistemas Monolíticos. 2018. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Lorena Teixeira da Costa

KALINOWSKI, M.MAGDALENO, A. M.OLIVEIRA, D.. Sistema de Apoio para a Geração de Planos de Medição de Software. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Juan Diniz Magalhães e Polliana Machado Pires da Silva

VITERBO, J.KALINOWSKI, M.OLIVEIRA, D.. Uma Análise Comparativa de Ferramentas de ERP Baseadas em Código Livre para Uso em Pequenas e Médias Empresas. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Daniel Pinheiro da Silva Junior

PAES, A.OLIVEIRA, D.OCAÑA, K.PLASTINO, A.. Uma ferramenta de apoio a deteção de falhas e recomendação de parâmetros em workflows científicos com o uso de mineração de dados. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Rafael Ferreira Ramalho

OLIVEIRA, D.PAES, A.OCAÑA, K.VITERBO, J.. Aplicação de Técnicas de Mineração de Dados para Prevenção de Erros na Geração de Árvores Filogenéticas. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Bernardo Costa Amaral

PAES, A.OLIVEIRA, D.VITERBO, J.LEME, L. A. P. P.. Análise do Perfil de Eleitores Brasileiros com Mineração de Dados Abertos Governamentais. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Marcelo Andrade Rodrigues d'Almeida

PAES, A.OLIVEIRA, D.BOERES, C.DRUMMOND, L. M. A.. Aprendizado por Reforço para o Escalonamento de Tarefas em Ambientes de Computação em Nuvem. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Paulo Roberto Mann Marques Júnior

PAES, A.OLIVEIRA, D.ROSSETI, I.; SILVEIRA, O.. Detecção de Transtorno de Personalidade Narcisista a partir de Tweets: um estudo preliminar. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Lucas Pinheiro Paim

PAES, A.PLASTINO, A.OLIVEIRA, D.. Predição de Falhas em Sistemas Abertos de Requisição de Software. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Frederico Queiroz

OLIVEIRA, D.PAES, A.VIEIRA, B. L.. Análise de Desempenho Esportivo Baseado em Dados Estatísticos. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Lucas Carreiro Pinheiro

OLIVEIRA, D.MONTENEGRO, A. A.; SILVA, VITOR. Um Sistema para Instanciação de Máquinas Virtuais em Múltiplos Provedores de Nuvem:. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Lucas Bertelli Martins

OLIVEIRA, D.COSTA, L. C.VITERBO, J.. Modelagem de um Data Mart para os Telescópios de Múons Tupi. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Mariana Teixeira Carvalho

OLIVEIRA, D.PAES, A.VIEIRA, B. L.. Uma Abordagem para Busca de Padrões de Explosões Solares nos Dados dos Telescópios Tupi. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Luciano da Silva Nascimento e Rômulo Pereira Soares da Silva

OLIVEIRA, D.PAES, A.VITERBO, J.. Uma Análise de Dados de Suicídio no Brasil. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Monique Ferreira Moledo

OLIVEIRA, D.LAGE, M.BRAGANHOLO, V.. Sistema de visualização de Big Data para doenças transmitidas pelo mosquito Aedes Aegypti. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Fabrizio Soares Di Biase Moura e Guilherme de Souza Silva

OLIVEIRA, D.VIEIRA, B. L.COSTA, L. C.. Uma Proposta de Sistema para Controle de Trabalhos de Conclusão de Curso do IC/UFF. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Rodrigo Nunes Laigner

OLIVEIRA, D.KALINOWSKI, M.MONTEIRO, R. S.. Desenvolvimento de Sistemas Big Data: Um Mapeamento Sistemático da Literatura. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Leonardo Gargano e José Matheus Vianna Terra

KALINOWSKI, M.ALMEIDA, V. T.OLIVEIRA, D.. Análise e visualização de dados de portais da transparência. 2017. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Thadeu José Caldas Neves

PAES, A.MONTENEGRO, A. A.OLIVEIRA, D.. Um framework para criação de text adventures. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Artur Miranda Guimarães

PAES, A.MONTENEGRO, A. A.OLIVEIRA, D.. Sistema de Crowdsourcing Aberto de Coleta de Dados de Crimes Urbanos. 2017. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Filipe Tadeu Santiago

OLIVEIRA, D.OCAÑA, K.PAES, A.. Uma Abordagem para Verificação de Reprodutibilidade em Experimentos Científicos. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Pedro Develly e Luiz Felipe Tavares

OLIVEIRA, D.PAES, A.KALINOWSKI, M.. Ágora: Sistema de Apoio a Gerência de Projetos de Workflows Científicos Baseado no SCRUM. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Leonardo Sousa Lima Ramos

OLIVEIRA, D.OCAÑA, K.MURTA, L.. Um Sistema de Informação para Gerência de Projetos Científicos baseados em Simulações Computacionais. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Daniel Rossi Marinho

OLIVEIRA, D.MONTENEGRO, A. A.OCAÑA, K.. Uma Interface Orientada a Relações para um Sistema de Gerência de Workflows Científico. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Gisele Freitas Pereira e Maximiano Pereira

OLIVEIRA, D.SALGADO, L. C. C.FERNANDES, L. A. F.ROSSETI, I.. SCAC: Sistema de Acompanhamento de Atividades Complementares. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Jorcyane Lima

OLIVEIRA, D.PAES, A.COSTA, L. C.. Fatores Humanos no Levantamento de Requisitos. 2016. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Fabiane Lucas da Silva e Felipe Lima

OLIVEIRA, D.PAES, A.OCAÑA, KARY. Um Sistema Colaborativo para Análise de Dados de Proveniência Baseado em Redes Sociais. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Lucas Tito e Alexandre Estabanez

OLIVEIRA, D.KALINOWSKI, M.MAGDALENO, A. M.. Técnicas de Negociação de Requisitos: Uma revisão Quasi-sistemática. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Gustavo Tallarida Serra Pereira

OLIVEIRA, D.BRAGANHOLO, V.PAES, A.OCAÑA, K.. Gerência de Dados de Proveniência em Bancos de Dados Probabilísticos. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Roberto Martelo Marins e Luiz Felipe Pessanha

REBELLO, E. F. V.NASCIMENTO, A. P.OLIVEIRA, D.. Plataforma de analises semi-automatizadas de vulnerabilidades em aplicações web. 2015. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Bruno Conti Quevedo e Carlos Maciel da Silva

OCAÑA, K.PAES, A.OLIVEIRA, D.. Aplicação de Metodologias Ágeis no Ambiente Científico. 2015. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Lygia Marina Mendes da Costa

OCAÑA, K.LIMA, A. A. B.OLIVEIRA, D.. Avaliação dos Dados de Domínio de Análises Filogenéticas por Meio de Workflows Científicos e Mineração de Dados. 2015. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação e Informação) - Universidade Federal do Rio de Janeiro.

Aluno: Gisele Domingos Alves e Pedro Henrique Ribeiro da Silva

PAES, A.OLIVEIRA, D.DRUMMOND, L. M. A.LOPES, B. V.. Uma Abordagem para Execução de Processos na Nuvem Usando Aprendizado por Reforço. 2015. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Carlos Henrique Carvalho da Silva

MONTENEGRO, A. A.PAES, A.OLIVEIRA, D.. CarSys-Beleza Ferramenta de Gerenciamento para Salões de Beleza. 2015. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Renan Vinagre Câmara

OLIVEIRA, D.PAES, A.OCAÑA, K.BRAGANHOLO, V.. SPC-Wf Sistema de Predição de Comportamento de Workflows. 2015. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Guilherme Costa Velho Miranda e João Augusto B

OLIVEIRA, D.BRAGANHOLO, V.CLUA, E.OCAÑA, K.. V. de Souza.CollabCumulus: um Sistema Colaborativo para Análise de Dados de Proveniência. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Carlos Filipe M

OLIVEIRA, D.BRAGANHOLO, V.OCAÑA, K.. Teixeira Junior e Guilherme Rangel Ferreira.Uma Comparação entre SGBD's Relacionais e NoSQL para Dados de Proveniência em Workflows Científicos. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Felipe Gonçalves Maia Garcia e Robson Morais Santos

BOKEHI, J. R.THOME, L. F.OLIVEIRA, D.. MongoDB: Conceitos e paradigmas do banco de dados não-relacional. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Walanem Figueiredo

OLIVEIRA, D.; GUERRA, R.;RIBEIRO, C. A. S.. Um Estudo sobre a Plataforma Android. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Lucas Amorim Rossi Carvalho

OLIVEIRA, D.OCAÑA, K.MONTEIRO, R. S.. Modelagem de um Data Warehouse para Dados de Proveniência em Workflows Científicos. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Guilherme Alves e Paulo Henrique Ouverney Bastos

OLIVEIRA, D.MONTENEGRO, A. A.COSTA, L. C.. Um Modelo de Arquitetura Utilizando o Protocolo WebSocket para Prover um Serviço RESTFUL para Sistemas em Tempo Real. 2014. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense.

Aluno: Rafael Grillo Abreu

PAES, A.VITERBO, J.OLIVEIRA, D.. BigSEO - Dados Além do HTML. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Leonardo Araújo de Jesus

DRUMMOND, L. M. A.REBELLO, E. F. V.OLIVEIRA, D.. Análise de Comportamento do Ambiente em Nuvem para Computação de Alto Desempenho. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Marcelo A

LAGE, M.PAES, A.OLIVEIRA, D.. C. Pinto e Vinicius de O. Henriques.Visualização dos dados das linhas de ônibus na cidade do Rio de Janeiro. 2014. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Felipe Figueira Horta

MATTOSO, M.OLIVEIRA, D. C. M.COUTINHO, A.OCAÑA, K.. Prov-Vis: Visualização de Dados de Experimentos em Larga Escala Por meio de Proveniênci. 2013. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação e Informação) - Universidade Federal do Rio de Janeiro.

Aluno: Bruno de Pinho Schettino

MURTA, L.BRAGANHOLO, V.ALBUQUERQUE, C. V. N.OLIVEIRA, D. C. M.. SAPOS2 - Gerência de Programa de Pós-graduação. 2013. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal Fluminense.

Aluno: Silvia Benza Bareiro

MATTOSO, M.LIMA, A. A. B.OCAÑA, K.OLIVEIRA, D.. Avaliação de Desempenho de Análises de Ancoragem Molecular em Nuvens de Computadores por meio de Workflows Científicos. 2013. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação e Informação) - Universidade Federal do Rio de Janeiro.

Aluno: Deullysses Dael e Adeilson Nascimento

OLIVEIRA, D. C. M.; ARÊAS, M.;SEMAAN, G. Estudo de Políticas de Escalonamento de Aplicações Científicas em Nuvens. 2012. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Centro Universitário Plínio Leite.

Aluno: John Mavellin e Bruno Cruz

OLIVEIRA, D. C. M.SEMAAN, G; ARÊAS, M.. Proposta de ferramenta para tradução da linguagem de banco de dados tradicionais para NoSQL. 2012. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Centro Universitário Plínio Leite.

Aluno: Leonardo Mendonça e Juliano Rodrigues

ARÊAS, M.;OLIVEIRA, D. C. M.SEMAAN, G; MUNHOZ, P. L. A.. Implantação de Centrais Telefônicas IP com Redução de Custo. 2012. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Centro Universitário Plínio Leite.

Aluno: Diogo Pires, Nilton Gomes e Rodney Porto

MAURO, R.BEZERRA, E.OLIVEIRA, D. C. M.. Desenvolvimento e Implantação de Data Warehouse em Empresa Prestadora de Plano de Saúde. 2012. Trabalho de Conclusão de Curso (Graduação em Tecnologia em Sistemas para Internet) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca.

Aluno: Fernando Seabra Chirigati

MATTOSO, M.OGASAWARA, E.COUTINHO, A.OLIVEIRA, D. C. M.. Avaliação de Desempenho de Experimentos Científicos em Ambientes de Processamento de Alto Desempenho. 2011. Trabalho de Conclusão de Curso (Graduação em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Vítor Silva Sousa

MATTOSO, M.OGASAWARA, E.OLIVEIRA, D. C. M.COUTINHO, A.. SimiFlow: Uma Arquitetura para Agrupamento de Workflows por Similaridade. 2011. Trabalho de Conclusão de Curso (Graduação em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Thiago Castelló Fonseca

SOUSA, A. C. G.OLIVEIRA, D. C. M.CAVALCANTI, M. C. B.. Bússola Médica ? Sistema de Gerenciamento de Carteiras de Saúde. 2010. Trabalho de Conclusão de Curso (Graduação em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Aluno: Alexandre de Oliveira Ribeiro

MATTOSO, M.CRUZ, S. M. S.LIMA, A. A. B.OLIVEIRA, D. C. M.. VTPortal ? Portal de Gestão de Workflows Científicos. 2010. Trabalho de Conclusão de Curso (Graduação em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

ROSSETI, I.LAGE, M.OLIVEIRA, D.. Professor Substituto em nível de Assistente. 2014. Universidade Federal Fluminense.

BERNARDINI, F. C.SANTOS, M. T. P.BAIAO, F.FIGUEIREDO, J. M.OLIVEIRA, D.. Professor Doutor. 2013. Universidade Federal Fluminense.

OLIVEIRA, D.. Avaliação dos Trabalhos da 18ª. Jornada de Iniciação Científica - UNIRIO. 2019. Universidade Federal do Estado do Rio de Janeiro.

Seção coletada automaticamente pelo Escavador

Comissão julgadora das bancas

Fábio André Machado Porto

Mattoso, M.; BAIAO, F. A.; FERREIRA, J. E.; EBECKEN, N. F. F.; XEXEO, G. B.;Fábio Porto. Uma Abordagem de apoio à execução paralela de workflows científicos em nuvens de comp[utadpres. 2012. Tese (Doutorado em Programa Engenharia de Sistemas e Computação) - COPPE/UFRJ.

Geraldo Bonorino Xexéo

MATTOSO, Marta Lima de Queirós; AMORIM, Fernanda Araujo Baião;XEXÉO, Geraldo; EVSUKOFF, Alexandre Gonçalves. Miningflow: Adicionando Semântica a Workflows de Mineração de Texto. 2008. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Fernanda Araujo Baião Amorim

MATTOSO, M. L. Q.BAIÃO, F.EVSUKOFF, A.; XEXEO, G.. Miningflow: Adicionando Semântica a Mineração de Textos. 2008. Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro.

Seção coletada automaticamente pelo Escavador

Orientou

Liliane Neves de Oliveira Kunstmann

Proveniência no TensorFlow; Início: 2019; Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro; (Orientador);

Débora Barbosa Pina

Gerência de Dataflows; Início: 2019; Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro; (Orientador);

Lucas Bertelli Martins

Data Lakes; Início: 2019; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; (Orientador);

Daniel Leonardo Jasbick

Busca por Similaridade; Início: 2019; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense; (Orientador);

Cafer Catarine da Cruz Pinto

Integração de Dados; Início: 2019; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; (Orientador);

Yan Mendes

Análise de Proveniência com Bancos de Dados Polystore; Início: 2018; Dissertação (Mestrado em Modelagem Computacional) - Universidade Federal de Juiz de Fora; (Coorientador);

Lucas de Souza Tito

Integração de Dados Biológicos; Início: 2018; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense; (Orientador);

Rodrigo Alves Prado da Silva

Escalonamento com Restrições de Privacidade; Início: 2019; Tese (Doutorado em Computação) - Universidade Federal Fluminense; (Orientador);

Raama Costa Alves

Distribuição de Bases de Dados NoSQL; Início: 2019; Tese (Doutorado em Computação) - Universidade Federal Fluminense; (Orientador);

Maria Luiza Furtuozo Falci

Proveniência de Dados; Início: 2019; Tese (Doutorado em Computação) - Universidade Federal Fluminense; (Orientador);

Daniel Pinheiro da Silva Junior

Data Science; Início: 2019; Tese (Doutorado em Computação) - Universidade Federal Fluminense; (Coorientador);

Claudio Vasconcelos Ribeiro

Proveniência e Séries Temporais; Início: 2018; Tese (Doutorado em Computação) - Universidade Federal Fluminense; (Orientador);

Luiz Gustavo Dias

Apoio Semântico a Workflows Científicos; Início: 2018; Tese (Doutorado em Computação) - Universidade Federal Fluminense; (Orientador);

Isabela Alves de Oliveira

Um estudo sobre NewSQL; Início: 2019; Trabalho de Conclusão de Curso (Graduação em Sistemas de Computação) - Universidade Federal Fluminense; (Orientador);

Ygor Carlos Ferreira Rolim

Um Data Lake para gerência de notícias; Início: 2019; Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; (Orientador);

Vinicius Gomes Vieira

Um Data warehouse para controle de ações; Início: 2019; Orientação de outra natureza; Universidade Federal Fluminense; (Orientador);

Leonardo Sousa Lima Ramos

PhenoManager: Uma Abordagem para a Gerência de Hipóteses Científicas; 2019; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense,; Orientador: Daniel Cardoso Moraes de Oliveira;

Filipe Tadeu Santiago da Silva

Uma Abordagem para a Execução de Workflows Científicos Intensivos em Ambientes de Computação em Nuvem Híbridos; 2019; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Daniel Cardoso Moraes de Oliveira;

Carlos Gracioli Neto

Uma Abordagem Baseada em Definição de Escopo e Elementos Esperados para Apoiar Inspeções de Modelos de Software; 2019; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense,; Orientador: Daniel Cardoso Moraes de Oliveira;

Kid Yonatan Valeriano Valdez

POStURE: Unsupervised Semantic Analysis of Political Speeches; 2019; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Daniel Cardoso Moraes de Oliveira;

Daniel Pinheiro da Silva Junior

Recomendação de Parâmetros em Workflows Científicos por meio de Aprendizado de Preferências; 2019; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Coorientador: Daniel Cardoso Moraes de Oliveira;

Marcello Willians Messina Ribeiro

Processamento Paralelo de Consultas OLAP em Nuvens de Computadores com C-ParGRES; 2018; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense,; Orientador: Daniel Cardoso Moraes de Oliveira;

Hugo Arraes Henley

PRELUDE: uma Arquitetura para Análise de Evasão no Ensino Superior por meio de Aprendizado de Máquina Relacional; 2018; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense,; Orientador: Daniel Cardoso Moraes de Oliveira;

André Luis da Costa Nascimento

Uma Estratégia de Escalonamento baseada em Aprendizado por Reforço para Workflows Científicos em Nuvens de Computadores; 2018; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense,; Orientador: Daniel Cardoso Moraes de Oliveira;

Thaylon Guedes Santos

Análise e Captura de Dados de Proveniência no Apache Spark; 2018; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Daniel Cardoso Moraes de Oliveira;

Leonardo Araújo de Jesus

Tolerância a Falhas em Workflows Científicos Executados em Nuvens Computacionais; 2017; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Coorientador: Daniel Cardoso Moraes de Oliveira;

Augusto Consulmagnos Romeiro

SciAgile: Uma Abordagem Ágil em Processos de Experimentação Científica; 2017; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Daniel Cardoso Moraes de Oliveira;

Igor Barreto Rodrigues

Uma Abordagem Hierárquica para Escalonamento de Atividades de Workflows Científicos Executados em Nuvens de Computadores; 2016; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Daniel Cardoso Moraes de Oliveira;

Lidson Barbosa Jacob

Spielzyklus: Identificando Padrões de Ciclos em Dados de Proveniência Extraídos de Forma não Intrusiva; 2015; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense,; Orientador: Daniel Cardoso Moraes de Oliveira;

Rainier Augusto Ferreira Sales

Aplicação de NPC Afetivo em Jogos de Simulação; 2014; Dissertação (Mestrado em Computação) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Daniel Cardoso Moraes de Oliveira;

Vítor Silva Sousa

Uma Estratégia de Execução Paralela Adaptável de Workflows Científicos; 2014; Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Coorientador: Daniel Cardoso Moraes de Oliveira;

Wellington Moreira de Oliveira

Integrated Analysis of Heterogeneous Provenance Graphs; 2018; Tese (Doutorado em Pós-Graduação em Computação da UFF) - Universidade Federal Fluminense, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Coorientador: Daniel Cardoso Moraes de Oliveira;

Vítor Silva Sousa

Análise de Dados Científicos sobre Múltiplas Fontes de Dados ao Longo da Execução de Simulações Computacionais; 2018; Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Daniel Cardoso Moraes de Oliveira;

Douglas Ericson Marcelino de Oliveira

Otimização da Execução de Workflows Intensivos de Dados em Frameworks MapReduce; 2017; Tese (Doutorado em Computação) - Universidade Federal Fluminense,; Orientador: Daniel Cardoso Moraes de Oliveira;

Flavio da Silva Costa

Uma Proposta de Arquitetura Distribuída e Adaptativa para Gerência dos Dados de Proveniência de Experimentos Científicos Executados em Nuvens Computacionais; 2016; Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro,; Coorientador: Daniel Cardoso Moraes de Oliveira;

Ary Henrique Morais de Oliveira

Reprodução de Experimentos Computacionais na Infraestrutura de Computação em Nuvem; 2015; Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro,; Coorientador: Daniel Cardoso Moraes de Oliveira;

Suzana Barboza Carvalho

Análise Preditiva de Jogos de Tênis; 2019; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Felipe José Perpétuo Assad e Jorge Felipe Campos Chagas

Análise Preditiva de Manchas Criminais no Estado de São Paulo; 2019; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Bruno Alves Hilario

Comparação entre Abordagens para Otimização Automática de Workflows Intensivos em Dados; 2018; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Victor Olimpio dos Santos Silva

WorkflowSim4RL - Escalonamento de Workflows de Larga-escala em Nuvens de Computadores com uso de Aprendizado por Reforç; 2018; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Ricardo Jose Conceição Junior

Uma ferramenta para extração e análise de páginas web por meio de web scraping; 2018; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Caio de Souza e Silva

Publicação de experimentos científicos em plataformas de dados abertos; 2018; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Rafael Ferreira Ramalho

Aplicação de Técnicas de Mineração de Dados para Prevenção de Erros na Geração de Árvores Filogenéticas; 2017; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Daniel Pinheiro da Silva Junior

Uma ferramenta de apoio a deteção de falhas e recomendação de parâmetros em workflows científicos com o uso de mineração de dados; 2017; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Marcelo Andrade Rodrigues d'Almeida

Reforço para o Escalonamento de Tarefas em Ambientes de Computação em Nuvem; 2017; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Bernardo Costa Amaral

Análise do Perfil de Eleitores Brasileiros com Mineração de Dados Abertos Governamentais; 2017; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Paulo Roberto Mann Marques Júnior

Detecção de Transtorno de Personalidade Narcisista a partir de Tweets: um estudo preliminar; 2017; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Frederico Queiroz

Análise de Desempenho Esportivo Baseado em Dados Estatísticos; 2017; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Artur Miranda Guimarães

Sistema de Crowdsourcing Aberto de Coleta de Dados de Crimes Urbanos; 2017; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Lucas Carreiro Pinheiro

Um Sistema de Instanciação de Máquinas Virtuais em Múltiplos Provedores de Nuvem; 2017; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Lucas Bertelli Martins

Modelagem de um Data Mart para os Telescópios de Múons Tupi; 2017; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Monique Ferreira Moledo

Sistema de visualização de Big Data para doenças transmitidas pelo mosquito Aedes Aegypti; 2017; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Mariana Teixeira Carvalho

Uma Abordagem para Busca de Padrões de Explosões Solares nos Dados dos Telescópios Tupi; 2017; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Fabrizio Soares Di Biase Moura e Guilherme de Souza Silva

Uma Proposta de Sistema para Controle de Trabalhos de Conclusão de Curso do IC/UFF; 2017; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Luciano da Silva Nascimento e Rômulo Pereira Soares da Silva

Uma Análise de Dados de Suicídio no Brasil; 2017; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Leonardo Sousa Lima Ramos

Um Sistema de Informação para Gerência de Projetos Científicos baseados em Simulações Computacionais; 2016; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Filipe Tadeu Santiago

Uma Abordagem para Verificação de Reprodutibilidade em Experimentos Científicos; 2016; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Daniel Rossi Marinho

Uma Interface Orientada a Relações para um Sistema de Gerência de Workflows Científico; 2016; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Pedro Develly e Luiz Felipe Tavares

Ágora: Sistema de Apoio a Gerência de Projetos de Workflows Científicos Baseado no SCRUM; 2016; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Gisele Freitas Pereira e Maximiano Pereira

SCAC: Sistema de Acompanhamento de Atividades Complementares; 2016; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Fabiane Lucas e Felipe Lima

Um Sistema Colaborativo para Análise de Dados de Proveniência Baseado em Redes Sociais; 2016; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Jorcyane Lima

Fatores Humanos no Levantamento de Requisitos; 2016; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Carlos Maciel da Silva

Aplicação de Metologias Ágeis no Ambiente Científico; 2015; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Renan Vinagre Câmara

SPC-Wf Sistema de Predição de Comportamento de Workflows; 2015; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Bruno Conti Quevedo

Aplicação de Metodologias Ágeis no Ambiente Científico; 2015; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Gisele Alves e Pedro Silva

Uma Abordagem para Execução de Processos na Nuvem Usando Aprendizado por Reforço; 2015; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Lucas Amorim Rossi Carvalho

Modelagem de um Data Warehouse para Dados de Proveniência em Workflows Científicos; 2014; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Carlos Filipe Marques Teixeira Junior

Uma Comparação entre SGBD's Relacionais e NoSQL para Dados de Proveniência em Workflows Científicos; 2014; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Guilherme Rangel Ferreira

Uma Comparação entre SGBD's Relacionais e NoSQL para Dados de Proveniência em Workflows Científicos; 2014; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Guilherme Costa Velho Miranda

CollabCumulus: um Sistema Colaborativo para Análise de Dados de Proveniência; 2014; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

João Augusto B

V; de Souza; CollabCumulus: um Sistema Colaborativo para Análise de Dados de Proveniência; 2014; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Gustavo Tallarida Serra Pereira

Gerência de Dados de Proveniência em Bancos de Dados Probabilísticos; 2014; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Guilherme Alves

Um Modelo de Arquitetura Utilizando o Protocolo WebSocket para Prover um Serviço RESTFUL para Sistemas em Tempo Real; 2014; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Paulo Henrique Ouverney Bastos

Um Modelo de Arquitetura Utilizando o Protocolo WebSocket para Prover um Serviço RESTFUL para Sistemas em Tempo Real; 2014; Trabalho de Conclusão de Curso; (Graduação em Sistemas de Informação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Felipe Figueira Horta

Prov-Vis: Visualização de Dados de Experimentos em Larga Escala Por meio de Proveniênci; 2013; Trabalho de Conclusão de Curso; (Graduação em Engenharia de Computação e Informação) - Universidade Federal do Rio de Janeiro; Orientador: Daniel Cardoso Moraes de Oliveira;

Juliano Oliveira e Leonardo Almeida

Implementação de uma Rede VoIP com Garantias de Qualidade; 2012; Trabalho de Conclusão de Curso; (Graduação em Bacharelado em Ciência da Computação) - Centro Universitário Plínio Leite; Orientador: Daniel Cardoso Moraes de Oliveira;

Deullysses Dael e Adeilson Nascimento

Estudo de Políticas de Escalonamento de Aplicações em Nuvens; 2012; Trabalho de Conclusão de Curso; (Graduação em Bacharelado em Ciência da Computação) - Centro Universitário Plínio Leite; Orientador: Daniel Cardoso Moraes de Oliveira;

John Mavellin e Bruno Cruz

Modelagem de Bancos de Dados em SGBD NoSQL; 2012; Trabalho de Conclusão de Curso; (Graduação em Bacharelado em Ciência da Computação) - Centro Universitário Plínio Leite; Orientador: Daniel Cardoso Moraes de Oliveira;

Bernardo Costa Amaral

Algoritmos de Mineração de Dados em Problemas de Big Data; 2017; Iniciação Científica; (Graduando em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Vítor Nascimento Lourenço

Aplicação de Mineração de Dados para Predição de Crimes na Cidade de Niterói; 2016; Iniciação Científica; (Graduando em Ciência da Computação) - Universidade Federal Fluminense, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Daniel Cardoso Moraes de Oliveira;

Victor Olimpio dos Santos Silva

Aprendizado por Reforço; 2016; Iniciação Científica; (Graduando em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Manuel Maria Baptista de Almeida

Uma Ferramenta para Mineração Multi-relacional de Redes Sociais Baseada em Programação Lógica e Workflows; 2013; Iniciação Científica; (Graduando em Ciência da Computação) - Universidade Federal Fluminense; Orientador: Daniel Cardoso Moraes de Oliveira;

Thiago Della Libera Moreira

Desenvolvimento de Workflows de Astronomia; 2013; Iniciação Científica; (Graduando em Ciência da Computação) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca; Orientador: Daniel Cardoso Moraes de Oliveira;

Arthur Vinicius Nascimento de Souza Santa Rita

Desenvolvimento de Workflows de Astronomia; 2013; Iniciação Científica; (Graduando em Ciência da Computação) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Daniel Cardoso Moraes de Oliveira;

Cassio Gonçalves Holanda

Uma Interface para Captura de Conhecimento de Workflows Científicos; 2010; Iniciação Científica; (Graduando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Daniel Cardoso Moraes de Oliveira;

Daniel Vega Simões

Paralelização de Workflows com MapReduce/Hadoop; 2010; Iniciação Científica; (Graduando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro; Orientador: Daniel Cardoso Moraes de Oliveira;

Ricardo de Holanda Busquet

Gerência de experimentos científicos através de sistemas de workflows; 2010; Iniciação Científica; (Graduando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Daniel Cardoso Moraes de Oliveira;

Pedro Henrique Cruz Caminha

Mecanismos de paralelismo em workflows científicos; 2010; Iniciação Científica; (Graduando em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro; Orientador: Daniel Cardoso Moraes de Oliveira;

Tsiky Mamy Baptiste Adriamanantsoa

A Dynamic Interface for Workflow Composition in the Cloud; 2017; Orientação de outra natureza; (Computer Science) - Université Montpellier 2 - Sciences et Techniques; Orientador: Daniel Cardoso Moraes de Oliveira;

Seção coletada automaticamente pelo Escavador

Foi orientado por

Milton Ramos Ramirez

Sistema de Banco de Dados Móveis; 2002; Iniciação Científica; (Graduando em Bacharelado Em Informática) - Universidade Federal do Rio de Janeiro; Orientador: Milton Ramos Ramirez;

Marta Lima de Queirós Mattoso

MiningFlow: um sistema de Workflow para apoiar o Processo de Descoberta do Conhecimento em Textos; 2008; Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro,; Orientador: Marta Lima de Queiros Mattoso;

Fernanda Araujo Baião Amorim

MiningFlow: Adicionando Semântica a Workflows de Mineração de Textos; 2008; Dissertação (Mestrado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro,; Coorientador: Fernanda Araujo Baião Amorim;

Fernanda Araujo Baião Amorim

UMA ABORDAGEM DE APOIO A EXECUÇÃO PARALELA DE WORKFLOWS CIENTÍFICOS EM NUVENS DE COMPUTADORES; 2012; Tese (Doutorado em Engenharia de Sistemas e Computação) - Universidade Federal do Rio de Janeiro,; Coorientador: Fernanda Araujo Baião Amorim;

Seção coletada automaticamente pelo Escavador

Produções bibliográficas

  • BLANCO, G. ; AZEVEDO-MARQUES, PAULO M. ; TRAINA, C. ; TRAINA, A. ; JORGE, ANA E. S. ; OLIVEIRA, D. ; BEDO, M. V. N. . A superpixel-driven deep learning approach for the analysis of dermatological wounds. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE , v. 183, p. 105079, 2020.

  • GUERINE, M. ; STOCKINGER, M. B. ; ROSSETI, I. ; SIMONETTI, L. G. ; OCAÑA, K. ; PLASTINO, A. ; OLIVEIRA, D. . A Provenance-based heuristic for preserving results confidentiality in cloud-based scientific workflows. Future Generation Computer Systems , v. 97, p. 697-713, 2019.

  • GUEDES, THAYLON ; JESUS, LEONARDO A. ; OCAÑA, KARY A. C. S. ; DRUMMOND, LUCIA M. A. ; DE OLIVEIRA, DANIEL . Provenance-based fault tolerance technique recommendation for cloud-based scientific workflows: a practical approach. Cluster Computing , v. 23, p. 123-148, 2019.

  • OLIVEIRA, W. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Provenance Analytics for Workflow-Based Computational Experiments. ACM COMPUTING SURVEYS , v. 51, p. 1-25, 2018.

  • SILVA, V. ; OLIVEIRA, D. ; VALDURIEZ, P. ; MATTOSO, M. . Dfanalyzer. Proceedings of the VLDB Endowment , v. 11, p. 2082-2085, 2018.

  • BEDO, M. V. N. ; OLIVEIRA, D. ; TRAINA, A. ; TRAINA, C. . Beyond hit-or-miss: a comparative study of synopses for similarity searching. Journal of Information and Data Management - JIDM , v. 9, p. 36-52, 2018.

  • GUEDES, T. ; SILVA, V. ; CAMATA, J. ; BEDO, M. V. N. ; MATTOSO, M. ; OLIVEIRA, D. . Towards an Empirical Evaluation of Scientific Data Indexing and Querying. Journal of Information and Data Management - JIDM , v. 9, p. 84-93, 2018.

  • MARINHO, ANDERSON ; DE OLIVEIRA, DANIEL ; OGASAWARA, EDUARDO ; SILVA, VITOR ; OCAÑA, KARY ; MURTA, LEONARDO ; BRAGANHOLO, VANESSA ; MATTOSO, MARTA . Deriving scientific workflows from algebraic experiment lines: A practical approach. Future Generation Computer Systems , v. 68, p. 111-127, 2017.

  • SILVA, VÍTOR ; LEITE, JOSÉ ; CAMATA, JOSÉ J. ; DE OLIVEIRA, DANIEL ; COUTINHO, ALVARO L.G.A. ; VALDURIEZ, PATRICK ; MATTOSO, MARTA . Raw data queries during data-intensive parallel workflow execution. Future Generation Computer Systems , p. 402-422, 2017.

  • DE OLIVEIRA, DANIEL ; JACOB, LIDSON ; CLUA, ESTEBAN . Oh Gosh!! Why is this game so Hard? Identifying Cycle Patterns in 2D Platform Games Using Provenance Data. Entertainment Computing , v. 19, p. 65-81, 2017.

  • NEVES, V. ; OCAÑA, K. ; OLIVEIRA, D. ; MURTA, L. ; BRAGANHOLO, V. . Managing Provenance of Implicit Data Flows in Scientific Experiments. ACM Transactions on Internet Technology , v. 17, p. 1-22, 2017.

  • OLIVEIRA, W. ; OCAÑA, K. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Querying Provenance along with Domain Data Using Prolog. Journal of Information and Data Management - JIDM , v. 8, p. 3-18, 2017.

  • TEYLO, L. ; PAULA JUNIOR, U. ; FROTA, Y. ; OLIVEIRA, D. ; DRUMMOND, L. M. A. . A hybrid evolutionary algorithm for task scheduling and data assignment of data-intensive scientific workflows on clouds. Future Generation Computer Systems , v. 76, p. 1-17, 2017.

  • 2016 LIU, J. ; PACITTI, E. ; VALDURIEZ, P. ; MATTOSO, M. ; OLIVEIRA, D. . Multi-objective scheduling of Scientific Workflows in multisite clouds. Future Generation Computer Systems , v. 63, p. 76-95, 2016.

  • 2016 COUTINHO, RAFAELLI ; FROTA, YURI ; OCAÑA, KARY ; OLIVEIRA, DANIEL DE ; A. DRUMMOND, LÚCIA M. . A Dynamic Cloud Dimensioning Approach for Parallel Scientific Workflows: a Case Study in the Comparative Genomics Domain. Journal of Grid Computing , v. 14, p. 443-461, 2016.

  • SILVA, VÍTOR ; DE OLIVEIRA, DANIEL ; VALDURIEZ, PATRICK ; MATTOSO, MARTA . Analyzing related raw data files through dataflows. Concurrency and Computation , v. 28, p. 2528-2545, 2016.

  • 2015 COUTINHO, R. ; DRUMMOND, L. M. A. ; FROTA, Y. ; OLIVEIRA, D. . Optimizing virtual machine allocation for parallel scientific workflows in federated clouds. Future Generation Computer Systems , v. 46, p. 51-68, 2015.

  • 2015 MATTOSO, M. ; DIAS, J. ; OCAÑA, K. ; OGASAWARA, E. ; COSTA, F. ; HORTA, F. ; SILVA, V. ; DE OLIVEIRA, DANIEL . Dynamic steering of HPC scientific workflows: A survey. Future Generation Computer Systems , v. 46, p. 100-113, 2015.

  • 2015 OCAÑA, K. ; OLIVEIRA, D. . Parallel computing in genomic research: advances and applications. Advances and Applications in Bioinformatics and Chemistry , p. 23-35, 2015.

  • 2015 PAES, A. ; OLIVEIRA, D. . Running Multi-relational Data Mining Processes in the Cloud: a Practical Approach for Social Networks. Communications in Computer and Information Science (Print) , v. 565, p. 3-18, 2015.

  • 2014 QUADROS, J. ; OLIVEIRA, D. ; QUEIROZ, A. ; OGASAWARA, E. ; SCHOCAIR, C. . Towards a UML-based Reference Model for Blended Learning. International Journal of Recent Contributions from Engineering, Science & IT (iJES) , v. 2, p. 15, 2014.

  • 2013 OGASAWARA, E. ; OLIVEIRA, D. ; PACHOAL, F. ; CASTANEDA, R. ; AMORIM, M. ; MAURO, R. ; SOARES, J. ; QUADROS, J. ; BEZERRA, E. . A Forecasting Method for Fertilizers Consumption in Brazil. International Journal of Agricultural and Environmental Information Systems , v. 4, p. 23-36, 2013.

  • 2013 OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; GONCALVES, J. ; BAIAO, F. ; MATTOSO, M. . Performance evaluation of parallel strategies in public clouds: A study with phylogenomic workflows. Future Generation Computer Systems , v. 29, p. 1816-1825, 2013.

  • 2013 OCAÑA, K. ; OLIVEIRA, D. ; DIAS, J. ; OGASAWARA, E. ; MATTOSO, M. . Designing a parallel cloud based comparative genomics workflow to improve phylogenetic analyses. Future Generation Computer Systems , p. 2205-2219, 2013.

  • 2013 GONCALVES, J. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Performance Analysis of Data Filtering in Scientific Workflows. Journal of Information and Data Management - JIDM , v. 4, p. 17-26, 2013.

  • 2013 QUADROS, J. ; CASTANEDA, R. ; AMORIM, M. ; HERZOG, G. ; CARNEIRO, L. ; MENEZES, K. ; PINHEIRO, M. ; OLIVEIRA, D. ; OGASAWARA, E. . Construção de ambiente para desenvolvimento de jogos educacionais baseados em interface de gestos. Revista Brasileira de Computação Aplicada , v. 5, p. 110-119, 2013.

  • 2013 SALES, R. ; CLUA, E. ; PAES, A. ; OLIVEIRA, D. . Experiencing Affective Agents in Simulation Games. Revista de Informática Aplicada , v. 9, p. 54-65, 2013.

  • 2013 OGASAWARA, E. ; DIAS, J. ; SILVA, V. ; CHIRIGATI, F. ; DE OLIVEIRA, DANIEL ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . Chiron: a parallel engine for algebraic scientific workflows. Concurrency and Computation , v. 25, p. 2327-2341, 2013.

  • 2012 GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; OLIVEIRA, D. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. ; COUTINHO, A. . Uncertainty Quantification in Computational Predictive Models for Fluid Dynamics Using Workflow Management Engine. International Journal for Uncertainty Quantification , v. 2, p. 53-71, 2012.

  • 2012 OLIVEIRA, D. ; OGASAWARA, E. ; DIAS, J. ; BAIAO, F. ; MATTOSO, M. . Ontology-based Semi-automatic Workflow Composition. Journal of Information and Data Management - JIDM , v. 3, p. 61-72, 2012.

  • 2012 OLIVEIRA, D. ; OCAÑA, K. ; BAIAO, F. ; MATTOSO, M. . A Provenance-based Adaptive Scheduling Heuristic for Parallel Scientific Workflows in Clouds. Journal of Grid Computing , v. 10, p. 521-552, 2012.

  • 2012 OLIVEIRA, D. ; OGASAWARA, E. ; OCAÑA, K. ; BAIAO, F. ; MATTOSO, M. . An Adaptive Parallel Execution Strategy for Cloud-based Scientific Workflows. Concurrency and Computation , v. 24, p. 1531-1550, 2012.

  • 2011 SILVA, V. ; CHIRIGATI, F. ; MAIA, K. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; MURTA, L. ; MATTOSO, M. . Similarity-based Workflow Clustering. Journal of Computational Interdisciplinary Sciences , v. 2, p. 23-35, 2011.

  • 2011 PAULINO, C. ; OLIVEIRA, D. ; CRUZ, S. M. S. ; CAMPOS, M. L. M. ; MATTOSO, M. . Capturing Distributed Provenance Metadata from Cloud-Based Scientific Workflows. Journal of Information and Data Management - JIDM , v. 2, p. 43-50, 2011.

  • 2011 COUTINHO, F. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; LIMA, A. A. B. ; DAVILA, A. M. R. ; MATTOSO, M. . Many Task Computing for Orthologous Genes Identification in Protozoan Genomes Using Hydra. Concurrency and Computation , v. 1, p. 1-16, 2011.

  • 2011 OGASAWARA, E. ; DIAS, J. ; OLIVEIRA, D. ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . An Algebraic Approach for Data-Centric Scientific Workflows. Proceedings of the VLDB Endowment , v. 4, p. 1328-13369, 2011.

  • 2010 MATTOSO, M. ; WERNER, C. ; TRAVASSOS, G.H. ; BRAGANHOLO, V. ; OGASAWARA, E. ; OLIVEIRA, D. ; CRUZ, S. M. S. ; MARTINHO, W. ; MURTA, L. . Towards supporting the life cycle of large scale scientific experiments. International Journal of Business Process Integration and Management (Print) , v. 5, p. 79-92, 2010.

  • 2010 OLIVEIRA, D. ; OGASAWARA, E. . Is Cloud Computing the Solution for Brazilian Researchers?. International Journal of Computer Applications , v. 6, p. 19-23, 2010.

  • OLIVEIRA, D. ; LIU, J. ; PACITTI, E. . Data-Intensive Workflow Management For Clouds and Data-Intensive and Scalable Computing Environments. 1. ed. Morgan & Claypool, 2019.

  • HARA, C. (Org.) ; LOSCIO, B. F. (Org.) ; OLIVEIRA, D. (Org.) ; DORNELES, C. F. (Org.) ; VIDAL, V. M. P. (Org.) ; BAIAO, F. (Org.) ; MORO, M. M. (Org.) ; OCAÑA, K. (Org.) ; RAZENTE, H. L. (Org.) ; BARIONI, M. C. N. (Org.) . Proceedings of the Satellite Events of the 32nd Brazilian Symposium on Databases. 1. ed. Porto Alegre: Sociedade Brasileira de Computação - SBC, 2017. v. 1. 342p .

  • COUTINHO, RAFAELLI ; FROTA, YURI ; OCAÑA, KARY ; DE OLIVEIRA, DANIEL ; Drummond, Lúcia M. A. . Mirror Mirror on the Wall, How Do I Dimension My Cloud After All?. In: Nikos Antonopoulos (Editor); Lee Gillam (Editor). (Org.). Computer Communications and Networks. 2ed.Springer: Springer International Publishing, 2017, v. , p. 27-58.

  • de Oliveira, Ary H. M. ; DE OLIVEIRA, DANIEL ; MATTOSO, MARTA . Clouds and Reproducibility: A Way to Go to Scientific Experiments?. In: Nikos Antonopoulos (Editor); Lee Gillam (Editor). (Org.). Computer Communications and Networks. 2ed.Springer: Springer International Publishing, 2017, v. , p. 127-151.

  • MATTOSO, M. ; OLIVEIRA, D. . Monitoramento e adaptação de transformações em dados científicos ao longo de execuções paralelas em ambientes de processamento de alto desempenho. In: Ana Carolina Salgado;Cláudia Lage Rebello da Motta; Flávia Maria Santoro. (Org.). Grandes Desafios da Computação no Brasil - Relatos do 3o Seminário. 1ed.Porto Alegre, RS: Sociedade Brasileira de Computação, 2015, v. , p. 278-292.

  • OLIVEIRA, D. ; BAIAO, F. ; MATTOSO, M. . Towards a Taxonomy for Cloud Computing from an e-Science Perspective. In: Nikolaos Antonopoulos; Lee Gillam. (Org.). Cloud Computing: Principles, Systems and Applications. 1ed.Heidelberg: Springer-Verlag, 2010, v. 0, p. 47-62.

  • OLIVEIRA, D. ; BAIAO, F. ; MATTOSO, M. . Migração de Experimentos Científicos para a Nuvem. SBC Horizontes, http://portal.sbc.org.br/horiz, p. 24 - 28, 01 maio 2011.

  • OLIVEIRA, D. ; BAIAO, F. ; MATTOSO, M. . Migrating Scientific Experiments to the Cloud. HPC in the Cloud, Estados Unidos, 04 mar. 2011.

  • NETO, CARLOS ; NETO, AMADEU ; KALINOWSKI, MARCOS ; MORAES DE OLIVEIRA, DANIEL ; SABOU, MARTA ; WINKLER, DIETMAR ; BIFFL, STEFAN . Using Model Scoping with Expected Model Elements to Support Software Model Inspections: Results of a Controlled Experiment. In: 21st International Conference on Enterprise Information Systems, 2019, Heraklion. Proceedings of the 21st International Conference on Enterprise Information Systems, 2019. p. 107.

  • MENDES, YAN ; BRAGA, REGINA ; STRÖELE, VICTOR ; DE OLIVEIRA, DANIEL . Polyflow. In: the XV Brazilian Symposium, 2019, Aracaju. Proceedings of the XV Brazilian Symposium on Information Systems - SBSI'19, 2019. p. 1.

  • OCANA, KARY ; GUEDES, THAYLON ; DE OLIVEIRA, DANIEL . ArrOW: Experiencing a Parallel Cloud-Based De Novo Assembler Workflow. In: 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2019, Rio de Janeiro. 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2019. p. 185.

  • NASCIMENTO, ANDRE ; OLIMPIO, VICTOR ; SILVA, VITOR ; PAES, ALINE ; DE OLIVEIRA, DANIEL . A Reinforcement Learning Scheduling Strategy for Parallel Cloud-Based Workflows. In: 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2019, Rio de Janeiro. 2019 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW), 2019. p. 817.

  • 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.

  • SILVA, WELLINGTON S. ; JASBICK, DANIEL L. ; WILSON, RODRIGO E. ; AZEVEDO-MARQUES, PAULO M. ; TRAINA, AGMA J. M. ; SANTOS, LUCIO F. D. ; JORGE, ANA E. S. ; DE OLIVEIRA, DANIEL ; BEDO, MARCOS V. N. . A Two-Phase Learning Approach for the Segmentation of Dermatological Wounds. In: 2019 IEEE 32nd International Symposium on ComputerBased Medical Systems (CBMS), 2019, Cordoba. 2019 IEEE 32nd International Symposium on Computer-Based Medical Systems (CBMS), 2019. p. 343.

  • VIEIRA, B. L. ; OLIVEIRA, D. . Predição de Falhas em Workflows Científicos com o uso de Redes de Petri Estocásticas e Lógica DS3. In: XIII Brazilian eScience Workshop, 2019, Belém, Pará. Anais do XIII Brazilian eScience Workshop, 2019.

  • DIAS, L. G. ; VIEIRA, B. L. ; OLIVEIRA, D. . Aplicação de Ontologias de Proveniência em Workflows Científicos: um Mapeamento Sistemático. In: XIII Brazilian eScience Workshop, 2019, Belém, Pará. Anais do XIII Brazilian eScience Workshop, 2019.

  • HEIDSIECK, G. ; OLIVEIRA, D. ; PACITTI, E. ; PRADAL, C. ; TARDIEU, F. ; VALDURIEZ, P. . Adaptive Caching for Data-Intensive Scientific Workflows in the Cloud. In: 30th International Conference on Database and Expert Systems Applications, 2019, Linz, Austria. Proceedings of the 30th International Conference on Database and Expert Systems Applications, 2019.

  • BEDO, MARCOS V. N. ; CIACCIA, P. ; MARTINENGHI, D. ; OLIVEIRA, D. . A k-Skyband Approach for Feature Selection. In: 12th International Conference on Similarity Search and Applications (SISAP 2019), 2019, Newark, NY. Proceedings of the 12th International Conference on Similarity Search and Applications, 2019.

  • HEIDSIECK, G. ; OLIVEIRA, D. ; PACITTI, E. ; PRADAL, C. ; TARDIEU, F. ; VALDURIEZ, P. . Efficient Execution of Scientific Workflows in the Cloud through Adaptive Caching. In: 35ème Conférence sur la Gestion de Données ? Principes, Technologies et Applications, 2019, Lyon, França. 35ème Conférence sur la Gestion de Données ? Principes, Technologies et Applications, 2019.

  • OCAÑA, K. ; OSTHOFF, C. ; COELHO, M. ; GALHEIGO, M. ; CANUTO, I. ; OLIVEIRA, D. ; OLIVEIRA, D. . Performance Evaluation of Parallel Inference of Large Phylogenetic Trees in Santos Dumont Supercomputer: a Practical Approach. In: Latin American High Performance Computing Conference (CARLA 2019), 2019, Turrialba, Costa Rica. Proceedings of the Latin American High Performance Computing Conference (CARLA 2019), 2019.

  • MENDES, Y. ; OCAÑA, K. ; OLIVEIRA, D. ; MENEZES, V. S. A. . Análise Integrada de Grafos de Proveniência Heterogêneos por meio de uma Abordagem PolyStore. In: Simpósio Brasileiro de Banco de Dados, 2019, Fortaleza, CE. Anais do Simpósio Brasileiro de Banco de Dados, 2019.

  • BEDO, M. V. N. ; OLIVEIRA, R. ; KASTER, D. ; OLIVEIRA, D. ; TRAINA JR., CAETANO . Omni-Histograms: A Novel Partitioning Approach for Similarity Search. In: XIX Simpósio de Pesquisa Operacional e Logística da Marinha (SPOLM), 2019, Rio de Janeiro, RJ. Anais do XIX Simpósio de Pesquisa Operacional e Logística da Marinha (SPOLM), 2019.

  • NOVAES, J. V. ; BEDO, M. V. N. ; OLIVEIRA, D. ; TRAINA, A. ; TRAINA, C. ; SANTOS, L. F. D. . J-EDA: A diversified similarity workbench for content-based image retrieval. In: XXXIV Simpósio Brasileiro de Banco de Dados, 2019, Fortaleza, CE. Anais da Sessão de Demonstrações e Aplicações do XXXIV Simpósio Brasileiro de Banco de Dados, 2019.

  • RAMOS, L. S. ; OLIVEIRA, D. ; OCAÑA, K. ; PORTO, F. ; OLIVEIRA, D. . PhenoManager: um Sistema de Gerência de Hipóteses de Fenômenos Científicos. In: XXXIV Simpósio Brasileiro de Banco de Dados, 2019, Fortaleza, CE. Anais da Sessão de Demonstrações e Aplicações do XXXIV Simpósio Brasileiro de Banco de Dados, 2019.

  • PINA, D. ; NEVES, L. ; PAES, ALINE ; OLIVEIRA, D. ; MATTOSO, M. . Análise de Hiperparâmetros em Aplicações de Aprendizado Profundo por meio de Proveniência. In: Simpósio Brasileiro de Banco de Dados, 2019, Fortaleza, CE. Anais do Simpósio Brasileiro de Banco de Dados, 2019.

  • OLIVEIRA, D. ; RODRIGUES, E. ; COSTA, S. ; AMORA, P. ; CALDAS, A. ; HORTA, M. ; FILIPPIS, A. M. ; OCAÑA, K. ; VIDAL, V. ; MACHADO, J. C. . Um Estudo Comparativo de Mecanismos de Privacidade Diferencial sobre um Dataset de Ocorrências do ZIKV no Brasil. In: Simpósio Brasileiro de Banco de Dados, 2019, Fortaleza, CE. Anais do Simpósio Brasileiro de Banco de Dados, 2019.

  • LOURENCO, VITOR ; MANN, PAULO ; GUIMARAES, ARTUR ; PAES, ALINE ; DE OLIVEIRA, DANIEL . Towards Safer (Smart) Cities: Discovering Urban Crime Patterns Using Logic-based Relational Machine Learning. In: 2018 International Joint Conference on Neural Networks (IJCNN), 2018, Rio de Janeiro. 2018 International Joint Conference on Neural Networks (IJCNN), 2018. p. 1.

  • NARDI, L. ; OLIVEIRA, D. ; TREVISAN, D. G. . A Provenance-based Approach to Support Cognitive Training of the Elderly Using Serious Games. In: Simpósio Brasileiro de Computação Aplicada à Saúde (CSBC 2018 - 18º SBCAS), 2018, Natal, RN. Anais do Simpósio Brasileiro de Computação Aplicada à Saúde (CSBC 2018 - 18º SBCAS). Porto Alegre: Sociedade Brasileira de Computação, 2018.

  • SANTOS, W. ; OLIVEIRA, D. . Um Ambiente de Apoio à Decisão baseado em Data Warehouse para a área de Segurança Pública do Estado do Rio de Janeiro. In: 1º Workshop Brasileiro de Cidades Inteligentes (WBCI), 2018, Natal, RN. Anais do 1º Workshop Brasileiro de Cidades Inteligentes (WBCI), 2018.

  • OLIMPIO, V. ; NASCIMENTO, A. L. C. ; PAES, A. ; OLIVEIRA, D. . WorkflowSim4RL: Aprendizado por Reforço Aplicado a Escalonamento de Workflows Científicos em Nuvens. In: 17º Workshop em Desempenho de Sistemas Computacionais e de Comunicação (WPerformance), 2018, Natal, RN. Anais do 17º Workshop em Desempenho de Sistemas Computacionais e de Comunicação (WPerformance). Porto Alegre: Sociedade Brasileira de Computação, 2018.

  • BERTELLI, L. ; OLIVEIRA, M. ; FERREIRA, N. ; NAVIA, C. ; OLIVEIRA, D. . Modelagem de um Data Mart para Leituras do Fluxo de Múons Captadas pelos Telescópios New-Tupi. In: 12º BreSci - Brazilian e-Science Workshop, 2018, Natal, RN. Anais do 12º BreSci - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2018.

  • TITO, L. ; OCAÑA, K. ; OLIVEIRA, D. . Enriquecimento de Dados de Proveniência de Análises Filogenéticas com Dados do NCBI: uma Abordagem Prática. In: 12º BreSci - Brazilian e-Science Workshop, 2018, Natal, RN. Anais do 12º BreSci - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2018.

  • TEIXEIRA, M. ; OLIVEIRA, D. . Uma Abordagem para Identificação de Padrões de Ocorrência de Eventos Solares Transientes Baseada no Fluxo de Múons. In: 12º BreSci - Brazilian e-Science Workshop, 2018, Natal, RN. Anais do 12º BreSci - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2018.

  • LAIGNER, RODRIGO ; KALINOWSKI, MARCOS ; LIFSCHITZ, SERGIO ; SALVADOR MONTEIRO, RODRIGO ; DE OLIVEIRA, DANIEL . A Systematic Mapping of Software Engineering Approaches to Develop Big Data Systems. In: 2018 44th Euromicro Conference on Software Engineering and Advanced Applications (SEAA), 2018, Prague. 2018 44th Euromicro Conference on Software Engineering and Advanced Applications (SEAA), 2018. p. 446.

  • SILVA, V. ; SOUZA, R. S. ; CAMATA, J. ; OLIVEIRA, D. ; VALDURIEZ, P. ; COUTINHO, A. ; MATTOSO, M. . Capturing Provenance for Runtime Data Analysis in Computational Science and Engineering Applications. In: 7th International Provenance and Annotation Workshop (IPAW), 2018, Londres, UK. Proceedings of the 7th International Provenance and Annotation Workshop (IPAW), 2018.

  • JASBICK, D. ; GUEDES, T. ; OLIVEIRA, R. ; SANTOS, L. F. D. ; OLIVEIRA, D. ; BEDO, M. V. N. . VP-Viewer: Keeping track of your query from a vantage point. In: Sessão de Demonstrações e Aplicações do XXXIII Simpósio Brasileiro de Banco de Dados, 2018, Rio de Janeiro, RJ. Anais da Sessão de Demonstrações e Aplicações do XXXIII Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2018.

  • GUEDES, T. ; SILVA, V. ; BEDO, M. V. N. ; MATTOSO, M. ; OLIVEIRA, D. . Análise Online de Dados de Proveniência e de Domínio de Aplicações Spark com SAMbA. In: Sessão de Demonstrações e Aplicações do XXXIII Simpósio Brasileiro de Banco de Dados, 2018, Rio de Janeiro. Anais da Sessão de Demonstrações e Aplicações do XXXIII Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2018.

  • SILVA JUNIOR, D. P. ; PAES, A. ; PACITTI, E. ; OLIVEIRA, D. . FReeP: towards parameter recommendation in scientific workflows using preference learning. In: XXXIII Simpósio Brasileiro de Banco de Dados, 2018, Rio de Janeiro. Anais do XXXIII Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2018.

  • VALDURIEZ, P. ; MATTOSO, M. ; AKBARINIA, R. ; BORGES, H. ; CAMATA, J. ; COUTINHO, A. ; GASPAR, D. ; LEMUS, N. ; LIU, J. ; LUSTOSA, H. ; MASSEGLIA, F. ; NOGUEIRA, F. ; SILVA, V. ; SOUZA, R. S. ; OCAÑA, K. ; OGASAWARA, E. ; OLIVEIRA, D. ; PACITTI, E. ; PORTO, F. ; SHASHA, D. . Scientific Data Analysis Using Data-Intensive Scalable Computing: the SciDISC Project. In: 1st LADaS - Latin American Data Science Workshop, 2018, Rio de Janeiro. Proceedings of the 1st LADaS - Latin American Data Science Workshop (in conjunction with VLDB'18), 2018.

  • SANTOS, LUCIO F. D. ; BLANCO, GUSTAVO ; OLIVEIRA, DANIEL DE ; TRAINA, AGMA J. M. ; TRAINA JR., CAETANO ; BEDO, MARCOS V. N. . Exploring Diversified Similarity with Kundaha. In: the 27th ACM International Conference, 2018, Torino. Proceedings of the 27th ACM International Conference on Information and Knowledge Management - CIKM '18. New York: ACM Press, 2018. p. 1903.

  • VALERIANO, K. ; PAES, A. ; OLIVEIRA, D. . Análise da Evolução dos Discursos de Pré-candidatos à Presidente por meio de Representações Linguísticas Vetoriais. In: Symposium on Knowledge Discovery, Mining and Learning (KDMiLe), 2018, São Paulo. Proceedings of the Symposium on Knowledge Discovery, Mining and Learning (KDMiLe), 2018.

  • GUEDES, THAYLON ; SILVA, VITOR ; MATTOSO, MARTA ; V. N. BEDO, MARCOS ; DE OLIVEIRA, DANIEL . A Practical Roadmap for Provenance Capture and Data Analysis in Spark-Based Scientific Workflows. In: 2018 IEEE/ACM Workflows in Support of LargeScale Science (WORKS), 2018, Dallas. 2018 IEEE/ACM Workflows in Support of Large-Scale Science (WORKS), 2018. p. 31.

  • TITO, LUCAS ; ESTEBANEZ, ALEXANDRE ; MAGALHÃES, ANDRÉA ; DE OLIVEIRA, DANIEL ; KALINOWSKI, MARCOS . A Systematic Mapping of Software Requirements Negotiation Techniques. In: 19th International Conference on Enterprise Information Systems, 2017, Porto. Proceedings of the 19th International Conference on Enterprise Information Systems, 2017. p. 518.

  • ROMEIRO, A. C. ; KALINOWSKI, M. ; OLIVEIRA, D. . SciAgile: Applying Agile Methodologies in Scientific Simulation-based Experiments. In: IberoAmerican Software Engineering Conference - Experimental Software Engineering Track (ESELAW), 2017, Buenos Aires, Argentina. Proceedings of the IberoAmerican Software Engineering Conference - Experimental Software Engineering Track (ESELAW), 2017.

  • GUEDES, T. ; OCAÑA, K. ; OLIVEIRA, D. . SciPhyloMiner: um Workflow para Mineração de Dados Filogenômicos de Protozários. In: Brazilian e-Science Workshop (E-SCIENCE), 2017, São Paulo, SP. Anais do XI Brazilian e-Science Workshop (BRESCI). Porto Alegre: Sociedade Brasileira de Computação, 2017.

  • NOGUEIRA, F. ; OCAÑA, K. ; SILVA, V. ; BRAGANHOLO, V. ; OLIVEIRA, D. . Uma Estratégia para Versionamento dos Dados de Workflows Científicos Executados em Nuvem. In: Brazilian e-Science Workshop (E-SCIENCE), 2017, São Paulo, SP. Anais do XI Brazilian e-Science Workshop (BRESCI). Porto Alegre: Sociedade Brasileira de Computação, 2017.

  • PINA, D. ; CAMPOS, V. ; SILVA, V. ; OCAÑA, K. ; OLIVEIRA, D. ; MATTOSO, M. . BioSciCumulus: um portal para análise de dados de proveniência em workflows de biologia computacional. In: Brazilian e-Science Workshop (E-SCIENCE), 2017, São Paulo, SP. Anais do XI Brazilian e-Science Workshop (BRESCI). Porto Alegre: Sociedade Brasileira de Computação, 2017.

  • SILVA JUNIOR, D. P. ; PAES, A. ; OLIVEIRA, D. . Predição de Falhas em Workflows Científicos em Nuvens baseada em Aprendizado de Máquina. In: Brazilian e-Science Workshop (E-SCIENCE), 2017, São Paulo, SP. Anais do XI Brazilian e-Science Workshop (BRESCI). Porto Alegre: Sociedade Brasileira de Computação, 2017.

  • RODRIGUES, I. B. ; OLIVEIRA, D. . Uma Abordagem Hierárquica para Escalonamento de Workflows Científicos Executados em Nuvens. In: Workshop em Desempenho de Sistemas Computacionais e de Comunicação, 2017, São Paulo, SP. Anais do XVI Workshop em Desempenho de Sistemas Computacionais e de Comunicação. Porto Alegre, RS: Sociedade Brasileira de Computação, 2017.

  • JESUS, L. A. ; DRUMMOND, L. M. A. ; OLIVEIRA, D. . Eeny Meeny Miny Moe: choosing the fault tolerance technique for my cloud workflow. In: Latin American High Performance Computing Conference (CARLA 2017), 2017, Buenos Aires, Argentina. Proceedings of the Latin American High Performance Computing Conference (CARLA 2017), 2017.

  • GUEDES, T. ; SILVA, VÍTOR ; CAMATA, J. ; MATTOSO, M. ; OLIVEIRA, D. . Análise de Dados Científicos: uma Análise Comparativa de Dados de Simulações Computacionais. In: XXXII Simpósio Brasileiro de Banco de Dados (SBBD 2017), 2017, Uberlândia, Minas Gerais. Anais do XXXII Simpósio Brasileiro de Banco de Dados (SBBD 2017). Porto Alegre: Sociedade Brasileira de Computação, 2017.

  • ROSSETI, ISABEL ; OCAÑA, KARY ; DE OLIVEIRA, DANIEL . Towards preserving results confidentiality in cloud-based scientific workflows. In: the 12th Workshop, 2017, Denver. Proceedings of the 12th Workshop on Workflows in Support of Large-Scale Science - WORKS '17. New York: ACM Press, 2017. p. 1.

  • RAMOS, L. S. ; OCAÑA, K. ; OLIVEIRA, D. . Um Sistema de Informação para Gerência de Projetos Científicos baseados em Simulações Computacionais. In: Simpósio Brasileiro de Sistemas de Informação - SBSI 2016, 2016, Florianópolis. Anais do Simpósio Brasileiro de Sistemas de Informação - SBSI 2016. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 216-223.

  • LOURENCO, V. N. ; MANN, P. ; PAES, A. ; OLIVEIRA, D. . SiAPP: Um Sistema para Análise de Ocorrências de Crimes Baseado em Aprendizado Lógico-Relacional. In: Simpósio Brasileiro de Sistemas de Informação - SBSI 2016, 2016, Florianópolis. Anais do Simpósio Brasileiro de Sistemas de Informação - SBSI 2016. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 168-175.

  • OLIVEIRA, W. ; MISSIER, P. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Analyzing Provenance across Heterogeneous Provenance Graphs. In: International Provenance and Annotation Workshop (IPAW), 2016, Washington D.C. Proceedings of the 6th International Provenance & Annotation Workshop (IPAW '16), 2016. p. 57-70.

  • OLIVEIRA, W. ; MISSIER, P. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Comparing Provenance Data Models for Scientific Workflows: an Analysis of PROV-Wf and ProvOne. In: Brazilian e-Science Workshop (E-SCIENCE), 2016, Porto Alegre, RS. Anais do X Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 1-8.

  • SILVA, F. T. S. ; OLIVEIRA, D. . Verificação da Reprodução de Workflows Científicos por meio de Algoritmos de Detecção de Plágio. In: Brazilian e-Science Workshop (E-SCIENCE), 2016, Porto Alegre, RS. Anais do X Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 1-8.

  • JESUS, L. A. ; OLIVEIRA, D. ; DRUMMOND, L. M. A. . Uma Abordagem Baseada em Checkpoints para Tolerância a Falhas em Workflows Científicos Executados em Nuvens. In: II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016, Rio de Janeiro. Anais da II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016. p. 1-6.

  • LIU, J. ; PACITTI, E. ; VALDURIEZ, P. ; OLIVEIRA, D. ; MATTOSO, M. . Ordonnancement multi-objectif de workflows scientifiques dans le cloud multi-site. In: 32ème Conférence sur la Gestion de Données - Principes, Technologies et Applications, 2016, Poitiers, França. Actes de la 32ème Conférence sur la Gestion de Données - Principes, Technologies et Applications, 2016. p. 1-8.

  • TALLARIDA, G. ; OCAÑA, K. ; PAES, A. ; BRAGANHOLO, V. ; OLIVEIRA, D. . Gerência de Incerteza em Bancos de Dados de Proveniência em Bioinformática. In: XXXI Simpósio Brasileiro de Banco de Dados, 2016, Salvador, Bahia. Anais do XXXI Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2016. p. 1-6.

  • JESUS, L. A. ; OLIVEIRA, D. ; DRUMMOND, L. M. A. . Tolerância a Falhas de Workflows Científicos Executados em Nuvens Usando Checkpoints. In: Simpósio em Sistemas Computacionais (WSCAD-SSC), 2016, Aracaju, SE. Anais do XVII Simpósio em Sistemas Computacionais de Alto Desempenho, 2016. p. 1-12.

  • CAMATA, J. ; CELA, J. M. ; COSTA, D. ; COUTINHO, A. ; FERNANDEZ-GALISTEO, D. ; JIMENEZ, C. ; KOURDIOUMOV, V. ; MATTOSO, M. ; MAYO-GARCIA, R. ; MIRAS, T. ; MORINIGO, J. A. ; NAVARRO, J. ; NAVAUX, P. O. ; OLIVEIRA, D. ; RODRIGUEZ-PASCUAL, M. ; SILVA, V. ; SOUZA, R. S. ; VALDURIEZ, P. . Enhancing Energy Production with Exascale HPC Methods. In: Latin American High Performance Computing Conference (CARLA 2016), 2016, Mexico City, Mexico. Proceedings of the Latin American High Performance Computing Conference, 2016. p. 1-14.

  • SILVA, V. ; NEVES, L. ; SOUZA, R. S. ; COUTINHO, A. ; OLIVEIRA, D. ; MATTOSO, M. . Integrating domain-data steering with code-profiling tools to debug data-intensive workflows. In: Workshop on Workflows in Support of Large-Scale Science (Works 2016), 2016, Salt Lake City, Utah. Proceedings of the Workshop on Workflows in Support of Large-Scale Science (Works 2016), 2016. p. 1-5.

  • CAMATA, J. ; CELA, J. M. ; COSTA, D. ; COUTINHO, A. ; FERNANDEZ-GALISTEO, D. ; JIMENEZ, C. ; KOURDIOUMOV, V. ; MATTOSO, M. ; MAYO-GARCIA, R. ; MIRAS, T. ; MORINIGO, J. A. ; NAVARRO, J. ; OLIVEIRA, D. ; RODRIGUEZ-PASCUAL, M. ; SILVA, V. ; SOUZA, R. S. ; VALDURIEZ, P. . Applying future Exascale HPC methodologies in the energy sector. In: Russian Supercomputing Days 2016, 2016, Rússia. Proceedings of the Russian Supercomputing Days 2016, 2016. p. 9-19.

  • TEYLO, L. ; PAULA JUNIOR, U. ; FROTA, Y. ; OLIVEIRA, D. ; DRUMMOND, L. M. A. . Um Algoritmo Evolutivo Híbrido para o Escalonamento de Workflows Científicos em Ambientes de Nuvem. In: II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016, Rio de Janeiro. Anais da II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016. p. 1-6.

  • PAULA JUNIOR, U. ; DRUMMOND, L. M. A. ; DE OLIVEIRA, DANIEL ; FROTA, Y. ; BARBOSA, V. C. . Handling flash-crowd events to improve the performance of web applications. In: the 30th Annual ACM Symposium, 2015, Salamanca. Proceedings of the 30th Annual ACM Symposium on Applied Computing - SAC '15. p. 769.

  • OCAÑA, K. ; SILVA, V. ; OLIVEIRA, DANIEL DE ; MATTOSO, M. . Data Analytics in Bioinformatics: Data Science in Practice for Genomics Analysis Workflows. In: 2015 IEEE 11th International Conference on eScience (eScience), 2015, Munich. 2015 IEEE 11th International Conference on e-Science. p. 322.

  • SOUZA, R. S. ; SILVA, V. ; NEVES, L. ; OLIVEIRA, D. ; MATTOSO, M. . Monitoramento de Desempenho usando Dados de Proveniência e de Domínio durante a Execução de Aplicações Científicas. In: XIV Workshop em Desempenho de Sistemas Computacionais e de Comunicação, 2015, Recife, PE. Anais do XIV Workshop em Desempenho de Sistemas Computacionais e de Comunicação. Porto Alegre, RS: Sociedade Brasileira de Computação, 2015.

  • OLIVEIRA, D. ; SILVA, V. ; MATTOSO, M. . How much domain data should be in provenance databases?. In: 7th International Workshop on Theory and Practice of Provenance, 2015, Edinburgh, Scotland. Proceedings of the 7th International Workshop on Theory and Practice of Provenance, 2015.

  • CAMARA, R. V. ; PAES, A. ; OLIVEIRA, D. . Aplicação de Árvores de Decisão para Recomendação de Parâmetros em Workflows Científicos. In: Brazilian e-Science Workshop (E-SCIENCE), 2015, Recife, Pernambuco. Anais do IX BRESCI - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2015. p. 1-8.

  • ROMEIRO, A. C. ; OLIVEIRA, D. . Um Mapeamento Sistemático Sobre o Uso de Metodologias Ágeis no Processo de Experimentação Científica. In: Brazilian e-Science Workshop (E-SCIENCE), 2015, Recife, Pernambuco. Anais do IX BRESCI - Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2015.

  • CASTRO, R. ; SOUZA, R. S. ; SILVA, V. ; OCAÑA, K. ; OLIVEIRA, D. ; MATTOSO, M. . Uma Abordagem para Publicação de Dados de Proveniência de Workflows Científicos na Web Semântica. In: XXX Simpósio Brasileiro de Banco de Dados, 2015, Petrópolis, RJ. Anais do XXX Simpósio Brasileiro de Banco de Dados, 2015.

  • OLIVEIRA, A. H. M. ; OLIVEIRA, D. ; MATTOSO, M. . Reprodução de Experimentos Científicos: Teoria e Prática. In: XXX Simpósio Brasileiro de Bancos de Dados, 2015, Petrópolis, Rio de Janeiro. Anais do XXX Simpósio Brasileiro de Bancos de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2015.

  • SALES, R. ; CLUA, E. ; OLIVEIRA, DANIEL DE ; PAES, A. ; CHAIMOWICZ, L. ; NUNES, M. . Evaluation between humans and affective NPC in digital gaming scenario. In: 2014 IEEE 3rd International Conference on Serious Games and Applications for Health (SeGAH), 2014, Rio de Janeiro. 2014 IEEE 3nd International Conference on Serious Games and Applications for Health (SeGAH). p. 1-8.

  • OCAÑA, K. ; BAREIRO, S. B. ; OLIVEIRA, DANIEL DE ; DIAS, J. ; MATTOSO, M. . Exploring Large Scale Receptor-Ligand Pairs in Molecular Docking Workflows in HPC Clouds. In: 2014 IEEE International Parallel & Distributed Processing Symposium Workshops (IPDPSW), 2014, Phoenix. 2014 IEEE International Parallel & Distributed Processing Symposium Workshops. p. 536.

  • COSTA, F. ; SILVA, V. ; OLIVEIRA, D. ; OCAÑA, K. ; MATTOSO, M. . Towards Supporting Provenance Gathering and Querying in Different Database Approaches. In: 5th International Provenance and Annotation Workshop (IPAW), 2014, Cologne. Proc. of the 5th Intl. Provenance and Annotation Workshop, 2014.

  • ALMEIDA, M. ; PAES, A. ; OLIVEIRA, D. . Uma Ferramenta para Mineração Multi-relacional de Redes Sociais Baseada em Programação Lógica e Workflows. In: III Brazilian Workshop on Social Network Analysis and Mining (BraSNAM 2014), 2014, Brasília, DF. Anais do III Brazilian Workshop on Social Network Analysis and Mining (BraSNAM 2014). Porto Alegre: Sociedade Brasileira de Computação, 2014.

  • MATTOSO, M. ; DIAS, J. ; COSTA, F. ; OLIVEIRA, D. ; OGASAWARA, E. . Experiences in using provenance to optimize the parallel execution of scientific workflows steered by users. In: Workshop of Provenance Analytics, 2014, Cologne. Proceedings of the First Provenance Analytics Workshop, 2014.

  • COUTINHO, R. ; DRUMMOND, L. M. A. ; FROTA, Y. ; DE OLIVEIRA, DANIEL ; OCAÑA, K. . Evaluating Grasp-based cloud dimensioning for comparative genomics: A practical approach. In: 2014 IEEE International Conference On Cluster Computing (CLUSTER), 2014, Madrid. 2014 IEEE International Conference on Cluster Computing (CLUSTER). p. 371.

  • OLIVEIRA, W. ; NEVES, V. ; OCAÑA, K. ; MURTA, L. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Captura e Consulta a Dados de Proveniência Retrospectiva Implícita Intra-Atividade. In: XXIX Simpósio Brasileiro de Banco de Dados, 2014, Curitiba, PR. Anais do XXIX Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2014.

  • OLIVEIRA, D. ; COSTA, F. ; SILVA, V. ; OCAÑA, K. ; MATTOSO, M. . Debugging Scientific Workflows with Provenance: Achievements and Lessons Learned. In: XXIX Simpósio Brasileiro de Banco de Dados, 2014, Curitiba, PR. Anais do XXIX Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2014.

  • SILVA, V. ; OLIVEIRA, D. ; MATTOSO, M. . SciCumulus 2.0: Um Sistema de Gerência de Workflows Científicos para Nuvens Orientado a Fluxo de Dados. In: Sessão de Demos do XXIX Simpósio Brasileiro de Banco de Dados, 2014, Curitiba, PR. Anais da Sessão de Demos do XXIX Simpósio Brasileiro de Banco de Dados, 2014.

  • COSTA, F. ; OLIVEIRA, DANIEL DE ; MATTOSO, M. . Towards an Adaptive and Distributed Architecture for Managing Workflow Provenance Data. In: 2014 IEEE 10th International Conference on eScience (eScience), 2014, Sao Paulo. 2014 IEEE 10th International Conference on e-Science. p. 79.

  • FERREIRA, G. R. ; FILIPE JR, C. ; OLIVEIRA, D. . Uso de SGBDs NoSQL na Gerência da Proveniência Distribuída em Workflows Científicos. In: XXIX Simpósio Brasileiro de Banco de Dados, 2014, Curitiba, PR. Anais do XXIX Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2014.

  • MIRANDA, G. ; SOUZA, J. A. ; BRAGANHOLO, V. ; OLIVEIRA, D. . CollabCumulus: Uma Ferramenta de Apoio à Análise Colaborativa de Proveniência em Workflows Científicos. In: XI Simpósio Brasileiro de Sistemas Colaborativos (SBSC 2014), 2014, Curitiba, PR. Anais do XI Simpósio Brasileiro de Sistemas Colaborativos (SBSC 2014). New York: ACM Press, 2014.

  • JACOB, L. B. ; KOHWALTER, T. ; MACHADO, A. ; CLUA, E. ; OLIVEIRA, DANIEL DE . A Non-intrusive Approach for 2D Platform Game Design Analysis Based on Provenance Data Extracted from Game Streaming. In: 2014 Brazilian Symposium on Computer Games and Digital Entertainment (SBGAMES), 2014, Porto Alegre. 2014 Brazilian Symposium on Computer Games and Digital Entertainment. p. 41.

  • MATTOSO, M. ; OLIVEIRA, D. . Monitoramento e adaptação de transformações em dados científicos ao longo de execuções paralelas em ambientes de processamento de alto desempenho. In: 3º Seminário dos Grandes Desafios em Computação, 2014, Rio de Janeiro, RJ. Anais do 3º Seminário dos Grandes Desafios em Computação, 2014.

  • OCAÑA, K. ; OLIVEIRA, D. ; SILVA, V. ; BAREIRO, S. B. ; MATTOSO, M. . Exploiting the Parallel Execution of Homology Workflow Variants in HPC Compute Clouds. In: 4th International Workshop on Cloud Computing and Scientific Applications (CCSA 2014), 2014, Paris. Proc. of the 4th International Workshop on Cloud Computing and Scientific Applications (CCSA 2014), 2014.

  • SILVA, V. ; OLIVEIRA, DANIEL DE ; MATTOSO, M. . Exploratory Analysis of Raw Data Files through Dataflows. In: 2014 International Symposium on Computer Architecture and High Performance Computing Workshop (SBACPADW), 2014, Paris. 2014 International Symposium on Computer Architecture and High Performance Computing Workshop. p. 114.

  • GONCALVES, G. A. ; BASTOS, P. H. O. ; OLIVEIRA, D. . O uso de WebSockets no Desenvolvimento de Sistemas Baseados em uma Arquitetura Front-end com API. In: I Escola Regional de Sistemas de Informação ? RJ (ERSI-RJ 2014), 2014, Niterói, RJ. Anais da I Escola Regional de Sistemas de Informação ? RJ (ERSI-RJ 2014), 2014.

  • SILVA, V. ; DIAS, J. ; OLIVEIRA, D. ; OGASAWARA, E. ; MATTOSO, M. . Uma Arquitetura P2P de Distribuição de Atividades para Execução Paralela de Workflows Científicos. In: VII Brazilian e-Science Workshop, 2013, Maceió, AL. Anais do VII Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2013. p. 1795-1802.

  • ARAUJO, I. ; DIAS, J. ; OLIVEIRA, D. ; OGASAWARA, E. ; MATTOSO, M. . DynAdapt: Alterações na Definição de Atividades de Workflows Científicos em Tempo de Execução. In: VII Brazilian e-Science Workshop, 2013, Maceió, AL. Anais do VII Brazilian e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2013. p. 1831-1838.

  • SALES, R. ; CLUA, E. ; OLIVEIRA, D. ; PAES, A. . An Artificial Emotional Agent-based Architecture for Games Simulation. In: 12th International Conference on Entertainment Computing, 2013, São Paulo. Entertainment Computing ? ICEC 2013 - Lecture Notes in Computer Science. Heidelberg: Springer Berlin Heidelberg, 2013. v. 8215. p. 156-159.

  • QUADROS, J. ; OLIVEIRA, D. ; QUEIROZ, A. ; OGASAWARA, E. . Towards a Reference Model for ODL: a Case Study in the Tourism Undergraduate Course. In: International Conference on Interactive Computer aided Blended Learning (ICBL 2013), 2013, Florianópolis, SC. Proceedings of the International Conference on Interactive Computer aided Blended Learning (ICBL 2013). Kassel: Kassel University Press, 2013. p. 151-158.

  • DIAS, J. ; OGASAWARA, E. ; DE OLIVEIRA, DANIEL ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . Algebraic dataflows for big data analysis. In: 2013 IEEE International Conference on Big Data, 2013, Silicon Valley. 2013 IEEE International Conference on Big Data. p. 150-155.

  • SANTOS, E. ; ASSIS, V. ; COSTA, F. ; OLIVEIRA, D. ; MATTOSO, M. . Distribuição de Bases de Dados de Proveniência na Nuvem. In: XXVIII Simpósio Brasileiro de Banco de Dados, 2013, Recife. Anais do XXVIII Simpósio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computação, 2013. p. 1-6.

  • SALES, R. ; CLUA, E. ; OLIVEIRA, D. ; PAES, A. . An Architecture Coupled with a Provenance Model for Affective Simulations in Games Based on Real World. In: XII Simpósio Brasileiro de Games e Entretenimento Digital, 2013, São Paulo. Anais do XII Simpósio Brasileiro de Games e Entretenimento Digital, 2013. p. 25-34.

  • SALES, R. ; CLUA, E. ; OLIVEIRA, D. ; PAES, A. . An Experimental Analysis of NPC as Affective Agents in Real World-based Games. In: XII Simpósio Brasileiro de Games e Entretenimento Digital, 2013, São Paulo. Anais do XII Simpósio Brasileiro de Games e Entretenimento Digital, 2013. p. 174-183.

  • ARAUJO, I. ; DIAS, J. ; OLIVEIRA, DANIEL DE ; OGASAWARA, E. ; OCAÑA, K. ; MATTOSO, M. . Runtime Dynamic Structural Changes of Scientific Workflows in Clouds. In: 2013 IEEE/ACM 6th International Conference on Utility and Cloud Computing (UCC), 2013, Dresden. 2013 IEEE/ACM 6th International Conference on Utility and Cloud Computing. p. 417-422.

  • PINTAS, J. ; DE OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; MATTOSO, M. . SciLightning: a Cloud Provenance-based Event Notification for Parallel Workflows. In: 3rd International Workshop on Cloud Computing and Scientific Applications (CCSA), 2013, Berlim. Service-Oriented Computing - ICSOC 2013 Workshops, 2013. p. 1-6.

  • DE OLIVEIRA, DANIEL ; VIANA, V. ; OGASAWARA, E. ; OCAÑA, K. ; MATTOSO, M. . Dimensioning the virtual cluster for parallel scientific workflows in clouds. In: the 4th ACM workshop, 2013, New York. Proceedings of the 4th ACM workshop on Scientific cloud computing - Science Cloud '13. p. 5-12.

  • MATTOSO, M. ; OCAÑA, K. ; HORTA, F. ; DIAS, J. ; OGASAWARA, E. ; SILVA, V. ; DE OLIVEIRA, DANIEL ; COSTA, F. ; ARAUJO, I. . User-steering of HPC workflows. In: the 2nd ACM SIGMOD Workshop, 2013, New York. Proceedings of the 2nd ACM SIGMOD Workshop on Scalable Workflow Execution Engines and Technologies - SWEET '13. p. 1-10.

  • COSTA, F. ; SILVA, V. ; DE OLIVEIRA, DANIEL ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Capturing and querying workflow runtime provenance with PROV. In: the Joint EDBT/ICDT 2013 Workshops, 2013, Genoa. Proceedings of the Joint EDBT/ICDT 2013 Workshops on - EDBT '13. p. 282-289.

  • GUERRA, G. ; DIAS, J. ; OLIVEIRA, D. ; OGASAWARA, E. ; MATTOSO, M. ; COUTINHO, A. ; ROCHINHA, F. . Analysis of flow-induced vibration model under uncertainties using an iterative workflow. In: 1st International Symposium on Uncertainty Quantification and Stochastic Modeling (Uncertainties 2012), 2012, Maresias - SP. Proceedings of the 1st International Symposium on Uncertainty Quantification and Stochastic Modeling (Uncertainties 2012), 2012.

  • CHIRIGATI, F. ; SILVA, V. ; OGASAWARA, E. ; OLIVEIRA, D. ; DIAS, J. ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . Evaluating Parameter Sweep Workflows in High Performance Computing. In: The 1st international workshop on Scalable Workflow Enactment Engines and Technologies (SWEET'12), 2012, Scottsdale, Arizona, EUA. Proceedings of the The 1st international workshop on Scalable Workflow Enactment Engines and Technologies (SWEET'12), 2012.

  • OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; GONCALVES, J. ; MATTOSO, M. . Cloud-based Phylogenomic Inference of Evolutionary Relationships: A Performance Study. In: 2nd International Workshop on Cloud Computing and Scientific Applications (CCSA), held in conjunction with the 12th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGrid 2012), 2012, Ottawa, Canadá. Proceedings of the 2nd International Workshop on Cloud Computing and Scientific Applications (CCSA), held in conjunction with the 12th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGrid 2012), 2012.

  • GONCALVES, J. ; OLIVEIRA, D. ; OGASAWARA, E. ; OCAÑA, K. ; MATTOSO, M. . Using Domain-Specific Data to Enhance Scientific Workflow Steering Queries. In: 4th International Provenance and Annotation Workshop, 2012, Santa Barbara, CA. Proceedings of the 4th International Provenance and Annotation Workshop. Heildelberg: Springer Verlag, 2012.

  • COSTA, F. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; MATTOSO, M. . Enabling Re-Executions of Parallel Scientific Workflows Using Runtime Provenance Data. In: 4th International Provenance and Annotation Workshop, 2012, Santa Barbara, CA. Proceedings of the 4th International Provenance and Annotation Workshop. Heildelberg: Springer Verlag, 2012.

  • OCAÑA, K. ; OLIVEIRA, D. ; HORTA, F. ; DIAS, J. ; OGASAWARA, E. ; MATTOSO, M. . Exploring Molecular Evolution Reconstruction Using a Parallel Cloud-based Scientific Workflow. In: Brazilian Symposium on Bioinformatics 2012, 2012, Campo Grande. MT. Proceedings of the Brazilian Symposium on Bioinformatics 2012. Heildelberg: Springer Verlag, 2012.

  • PINTAS, J. ; OLIVEIRA, D. ; OCAÑA, K. ; DIAS, J. ; MATTOSO, M. . Monitoramento em Tempo Real de Workflows Científicos Executados em Paralelo em Ambientes Distribuídos. In: VI e-Science Workshop (em conjunto com CSBC 2012), 2012, Curitiba. Anais do VI e-Science Workshop (em conjunto com CSBC 2012). Porto Alegre: Sociedade Brasileira de Computação, 2012.

  • OCAÑA, K. ; DE OLIVEIRA, DANIEL ; DIAS, J. ; OGASAWARA, E. ; MATTOSO, M. . Discovering drug targets for neglected diseases using a pharmacophylogenomic cloud workflow. In: 2012 IEEE 8th International Conference on EScience (eScience), 2012, Chicago. 2012 IEEE 8th International Conference on E-Science. p. 1.

  • GONCALVES, J. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Using Provenance Analyzers to Improve the Performance of Scientific Workflows in Cloud Environments. In: 27º Simpósio Brasileiro de Bancos de Dados (SBBD 2012), 2012, São Paulo. Anais do 27º Simpósio Brasileiro de Bancos de Dados (SBBD 2012). Porto Alegre: Sociedade Brasileira de Computação, 2012.

  • OLIVEIRA, A. H. M. ; MARTINS, M. ; MODESTO, I. ; OLIVEIRA, D. ; MATTOSO, M. . Reprodução de Experimentos Científicos Usando Nuvens. In: 27º Simpósio Brasileiro de Bancos de Dados (SBBD 2012), 2012, São Paulo. Anais do 27º Simpósio Brasileiro de Bancos de Dados (SBBD 2012). Porto Alegre: Sociedade Brasileira de Computação, 2012.

  • COSTA, F. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Handling Failures in Parallel Scientific Workflows Using Clouds. In: The 7th Workshop on Workflows in Support of Large-Scale Science, 2012, Salt Lake City. Proc. of the 7th Workshop on Workflows in Support of Large-Scale Science, 2012.

  • OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; BAIAO, F. ; MATTOSO, M. . A Performance Evaluation of X-ray Crystallography Scientific Workflow Using SciCumulus. In: Fourth IEEE 2011 International Conference on Cloud Computing (CLOUD 2011), 2011, Washington D.C. Proceedings of the Fourth IEEE 2011 International Conference on Cloud Computing (CLOUD 2011), 2011.

  • VIANA, V. G. ; OLIVEIRA, D. ; MATTOSO, M. . Towards a Cost Model for Scheduling Scientific Workflows Activities in Cloud Environments. In: 2011 IEEE Scientific Workflow Workshop, 2011, Washington. Proceedings of the 2011 IEEE World Congress on Services, 2011.

  • CHIRIGATI, F. ; SILVA, V. ; OGASAWARA, E. ; DIAS, J. ; OLIVEIRA, D. ; PORTO, F. ; VALDURIEZ, P. ; MATTOSO, M. . Uma avaliação da Distribuição de Atividades Estática e Dinâmica em Ambientes Paralelos usando o Hydra. In: CSBC 2011 - e-Science Workshop, 2011, Natal, RN. Anais do CSBC 2011 - e-Science Workshop. Porto Alegre: Sociedade Brasileira de Computação, 2011.

  • OCAÑA, K. ; OLIVEIRA, D. ; OGASAWARA, E. ; DAVILA, A. M. R. ; LIMA, A. A. B. ; MATTOSO, M. . SciPhy: A Cloud-based Scientific Workflow for Phylogenetic Analysis of Drug Targets in Protozoan Species. In: Brazilian Simposium of Bioinformatics 2011, 2011, Brasilia, DF. Proceedings of the Brazilian Simposium of Bioinformatics 2011, 2011.

  • VIANA, V. G. ; OLIVEIRA, D. ; OGASAWARA, E. ; MATTOSO, M. . SciCumulus-ECM: Um Serviço de Custos para a Execução de Workflows Científicos em Nuvens Computacionais. In: XXVI Simposio Brasileiro de Banco de Dados, 2011, Florianopolis. Anais do XXVI Simposio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computacao, 2011.

  • OLIVEIRA, D. ; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . Adding Ontologies to Scientific Workflow Composition. In: XXVI Simposio Brasileiro de Banco de Dados, 2011, Florianopolis. Anais do XXVI Simposio Brasileiro de Banco de Dados. Porto Alegre: Sociedade Brasileira de Computacao, 2011.

  • OCAÑA, K. ; OLIVEIRA, D. ; DIAS, J. ; OGASAWARA, E. ; MATTOSO, M. . Optimizing Phylogenetic Analysis Using SciHmm Cloud-based Scientific Workflow. In: The seventh IEEE e?Science conference, 2011, Estocolmo. Proceedings of the seventh IEEE e?Science conference. New York: IEEE Computer Society, 2011.

  • COSTA, F. ; OLIVEIRA, D. ; MATTOSO, M. . Heurísticas para Controle de Execução de Atividades de Workflows Científicos na Nuvem. In: Workshop de Teses e Dissertações em Banco de Dados (WTDBD), 2011, Florianopolis. Anais do Workshop de Teses e Dissertações em Banco de Dados (WTDBD). Porto Alegre: Sociedade Brasileira de Computacao, 2011.

  • DIAS, J. ; OGASAWARA, E. ; OLIVEIRA, D. ; PORTO, F. ; COUTINHO, A. ; MATTOSO, M. . Supporting Dynamic Parameter Sweep in Adaptive and User-Steered Workflows. In: Workshop on Workflows in Support of Large-Scale Science (WORKS 2011), 2011, Seattle. Proceedings of the Workshop on Workflows in Support of Large-Scale Science (WORKS 2011). New York: IEEE Computer Society, 2011.

  • OGASAWARA, E. ; DIAS, J. ; OLIVEIRA, D. ; RODRIGUES, C.A.S. ; PIVOTTO, C. ; ANTAS, R. ; BRAGANHOLO, V. ; VALDURIEZ, P. ; MATTOSO, M. . A P2P Approach to Many Tasks Computing for Scientific Workflows. In: High Performance Computing for Computational Science - VECPAR 2010, 2010, Berkley, CA. High Performance Computing for Computational Science - VECPAR 2010, 2010. v. 6449. p. 327-339.

  • OGASAWARA, E. ; MARTINEZ, L. ; OLIVEIRA, D. ; ZIMBRAO, G. ; PAPPA, G. ; MATTOSO, M. . Adaptive Normalization: A Novel Data Normalization Approach for Non-Stationary Time Series. In: International Joint Conference on Neural Networks, 2010, Barcelona. Proceedings of the 2010 International Joint Conference on Neural Networks, 2010. p. 606-613.

  • COUTINHO, F. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; LIMA, A. A. B. ; DAVILA, A. M. R. ; MATTOSO, M. . Data Parallelism in Bioinformatics Workflows Using Hydra. In: Emerging Computational Methods for the Life Sciences Workshop, 2010, Chicago, IL. Proc. of Emerging Computational Methods for the Life Sciences Workshop, 2010. p. 507-515.

  • SILVA, E. ; OGASAWARA, E. ; OLIVEIRA, D. ; BENEVIDES, M. ; MATTOSO, M. . Especificação Formal e Verificação de Workflows Científicos. In: IV e-Science Workshop, 2010, Belo Horizonte. Proc. XXX Congresso da SBC. Porto Alegre: Sociedade Brasileira de Computação, 2010. p. 193-200.

  • SILVA, V. ; CHIRIGATI, F. ; MAIA, K. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; MURTA, L. ; MATTOSO, M. . SimiFlow: Uma Arquitetura para Agrupamento de Workflows por Similaridade. In: IV e-Science Workshop, 2010, Belo Horizonte. Proc. XXX Congresso da SBC. Porto Alegre: Sociedade Brasileira de Computação, 2010. p. 201-208.

  • OLIVEIRA, D. ; OGASAWARA, E. ; CHIRIGATI, F. ; SILVA, V. ; MURTA, L. ; MATTOSO, M. . GExpLine: A Tool for Supporting Experiment Composition. In: Third International Provenance and Annotation Workshop (IPAW2010), 2010, Troy, NY. Proceedings of the third International Provenance and Annotation Workshop (IPAW2010), 2010.

  • DIAS, J. ; RODRIGUES, C.A.S. ; OGASAWARA, E. ; OLIVEIRA, D. ; BRAGANHOLO, V. ; PACITTI, E. ; MATTOSO, M. . SciMulator: Um Ambiente de Simulação de Workflows Científicos em Redes P2P. In: Workshop de Redes Dinâmicas e Sistemas P2P (WP2P 2010), 2010, Gramado, RS. Anais do Workshop de Redes Dinâmicas e Sistemas P2P (WP2P 2010). Porto Alegre: Sociedade Brasileira de Computação, 2010.

  • OLIVEIRA, D. ; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . SciCumulus: A Lightweight Cloud Middleware to Explore Many Task Computing Paradigm in Scientific Workflows. In: The 3rd IEEE International Conference on Cloud Computing, 2010, Miami, FL. Proceedings of the 3rd IEEE International Conference on Cloud Computing, 2010. p. 378-385.

  • OLIVEIRA, D. ; OLIVEIRA, B. . Odontology: Um Ambiente Semântico para Diagnósticos Odontológicos. In: WIM - X Workshop de Informática Médica, 2010, Belo Horizonte, MG. Anais do WIM - X Workshop de Informática Médica. Porto Alegre: Sociedade Brasileira de Computação, 2010. p. 1727-1730.

  • PAULINO, C. ; OLIVEIRA, D. ; CRUZ, S. M. S. ; CAMPOS, M. L. M. ; MATTOSO, M. . Captura de Metadados de Proveniência para Workflows Científicos em Nuvens Computacionais. In: XXV Simpósio Brasileiro de Banco de Dados, 2010, Belo Horizonte, MG. Anais do XXV Simpósio Brasileiro de Banco de Dados. Porto Alegre, RS: Sociedade Brasileira de Computação, 2010.

  • COSTA, F. ; OLIVEIRA, D. ; OGASAWARA, E. ; LIMA, A. A. B. ; MATTOSO, M. . Athena: Text Mining Based Discovery of Scientific Workflows in Disperse Repositories. In: Third International Workshop on REsource Discovery (RED'2010), 2010, Paris, França. Proceedings of the Third International Workshop on REsource Discovery (RED) (joint event IIWAS'2010). Heildelberg: Springer Verlag, 2010.

  • OLIVEIRA, D. ; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . An Adaptive Approach for Workflow Activity Execution in Clouds. In: International Workshop on Challenges in e-Science, 2010, Petrópolis, RJ. Proceedings of the International Workshop on Challenges in e-Science, 2010.

  • SIMÕES, D.V. ; OLIVEIRA, D. ; OGASAWARA, E. ; LIMA, A. A. B. ; MATTOSO, M. . Modeling Parallel Bioinformatics Workflows Using MapReduce. In: International Workshop on Challenges in e-Science, 2010, Petrópolis, RJ. Proceedings of the International Workshop on Challenges in e-Science, 2010.

  • DIAS, J. ; OGASAWARA, E. ; OLIVEIRA, D. ; PACITTI, E. ; MATTOSO, M. . Improving Many-Task Computing in Scientific Workflows Using P2P Techniques. In: 3rd IEEE Workshop on Many-Task Computing on Grids and Supercomputers (MTAGS2010), 2010, New Orleans, Louisiana, USA. Proceedings of the 3rd IEEE Workshop on Many-Task Computing on Grids and Supercomputers (MTAGS2010). New York: IEEE Computer Society, 2010. p. 1-10.

  • OLIVEIRA, D. ; CUNHA, L. ; TOMAZ, L. ; PEREIRA, V. ; MATTOSO, M. . Using Ontologies to Support Deep Water Oil Exploration Scientific Workflows. In: IEEE 2009 Third International Workshop on Scientific Workflows (SWF 2009), 2009, Los Angeles. 2009 Congress on Services - I, 2009. p. 364-367.

  • OLIVEIRA, D. ; OGASAWARA, E. ; SILVA, V. ; CHIRIGATI, F. ; MURTA, L. ; WERNER, C. ; MATTOSO, M. . Uma Abordagem Semântica para Linhas de Experimentos Científicos Usando Ontologias. In: III e-Science workshop - XXIV SBBD & XXIII SBES, 2009, Fortaleza - CE. III e-Science workshop - XXIV SBBD & XXIII SBES, 2009.

  • CUNHA, L. ; OLIVEIRA, D. ; OGASAWARA, E. ; ANDRADE, S. ; ZIMBRAO, G. ; BREFIN, M. . OntoEPFS: uma Ontologia para Experimentos em Mapeamento Digital de Solos. In: SBIAgro - 7º Congresso Brasileiro de Agroinformática, 2009, Viçosa. SBIAgro - 7º Congresso Brasileiro de Agroinformática, 2009.

  • BARBOSA, C. E. ; OGASAWARA, E. ; OLIVEIRA, D. ; MATTOSO, M. . Paralelização de Tarefas de Mineração de Dados Utilizando Workflows Científicos. In: V Workshop em Algoritmos e Aplicações de Mineração de Dados (Em conjunto com o XXIV SBBD), 2009, Fortaleza, Ceará. V Workshop em Algoritmos e Aplicações de Mineração de Dados (Em conjunto com o XXIV SBBD), 2009.

  • NETO, A. ; ALHADAS, L. ; OLIVEIRA, D. . Um Primeiro Estudo sobre Computação em Nuvem e suas Implicações em Banco de Dados. In: III Sessão de Pôsteres do XXIV SBBD, 2009, Fortaleza. III Sessão de Pôsteres do XXIV SBBD, 2009.

  • PAULINO, C. ; OLIVEIRA, D. ; CRUZ, S. M. S. ; MATTOSO, M. . Captura de Proveniência de Workflows Científicos Executados em Nuvem. In: III Sessão de Pôsteres do XXIV SBBD, 2009, Fortaleza. III Sessão de Pôsteres do XXIV SBBD, 2009.

  • OGASAWARA, E. ; OLIVEIRA, D. ; CHIRIGATI, F. ; BARBOSA, C. E. ; ELIAS, R. ; BRAGANHOLO, V. ; COUTINHO, A. ; MATTOSO, M. . Exploring Many Task Computing in Scientific Workflows. In: ACM/IEEE SC09 (International Conference for High Performance, Networking, Storage and Analysis), 2009, Portland. 2nd Workshop on Many-Task Computing on Grids and Supercomputers, 2009. p. 1-10.

  • GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; COUTINHO, A. ; BRAGANHOLO, V. ; OLIVEIRA, D. ; OGASAWARA, E. ; CHIRIGATI, F. ; MATTOSO, M. . Scientific Workflow Management System Applied to Uncertainty Quantification in Large Eddy Simulation. In: 30th Iberian-Latin-American Congress on Computational Methods in Engineering (CILAMCE), 2009, Armação dos Búzios. Proceedings of the 30th Iberian-Latin-American Congress on Computational Methods in Engineering (CILAMCE), 2009.

  • OLIVEIRA, D. ; BAIAO, F. ; MATTOSO, M. . MF-Ontology: uma ontologia para o processo de mineração de textos. In: I Seminário de Pesquisa em Ontologia no Brasil, 2008, Rio de Janeiro. I Seminário de Pesquisa em Ontologia no Brasil, 2008.

  • OLIVEIRA, D. C. M. ; BAIAO, F. ; MATTOSO, M. . MiningFlow: Adding Semantics to Text Mining Workflows. In: Sessão de Posteres do Simpósio Brasileiro de Banco de Dados, 2007, João Pessoa - PB. Sessão de Posteres do Simpósio Brasileiro de Banco de Dados, 2007.

  • RUBERG, N. ; KOTOWSKI, N. ; MATTOS, A. ; FERRAZ, C. ; MATOS , L. ; MACHADO, M. ; OLIVEIRA, D. C. M. ; MONCLAR, R. ; SANCHOTENE, T. ; BRAGANHOLO, V. . Experiencing Data Grids. In: International Workshop on High-Performance Data Management in Grid Environments, 2006, Rio de Janeiro. LNCS - High Performance Computing for Computational Science - VECPAR 2006, 2006. v. 4395. p. 707-718.

  • OLIMPIO, V. ; PAES, A. ; OLIVEIRA, D. . Escalonamento de Workflows de Larga-escala em Nuvens de Computadores com uso de Aprendizado por Reforço. In: II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016, Rio de Janeiro. Anais da II Escola Regional de Alto Desempenho do Rio de Janeiro, 2016. p. 1-2.

  • SILVA, V. ; CAMATA, J. ; OLIVEIRA, D. ; COUTINHO, A. ; VALDURIEZ, P. ; MATTOSO, M. . In Situ Data Steering on Sedimentation Simulation with Provenance Data. In: The International Conference for High Performance Computing, Networking, Storage and Analysis, 2016, Salt Lake City, Utah. Proc. of the International Conference for High Performance Computing, Networking, Storage and Analysis, 2016. p. 1-2.

  • SOUZA, R. S. ; SILVA, V. ; OLIVEIRA, D. ; VALDURIEZ, P. ; LIMA, A. A. B. ; MATTOSO, M. . Parallel Execution of Workflows Driven by a Distributed Database Management System. In: 27th The International Conference for High Performance Computing, Networking, Storage and Analysis, 2015, Austin, Texas. Proc. of the 27th The International Conference for High Performance Computing, Networking, Storage and Analysis, 2015.

  • OLIVEIRA, W. ; OLIVEIRA, D. ; BRAGANHOLO, V. . Experiencing PROV-Wf for Provenance Interoperability in SWfMSs. In: 5th International Provenance and Annotation Workshop (IPAW), 2014, Cologne. Proc. of the 5th Intl. Provenance and Annotation Workshop, 2014.

  • OLIVEIRA, D. ; MATTOSO, M. . Computação em Nuvem para Ciência: o Papel Fundamental da Área de Bancos de Dados. In: XXVIII Simpósio Brasileiro de Banco de Dados, 2013, Recife. Anais do XXVIII Simpósio Brasileiro de Banco de Dados - Tutoriais. Porto Alegre: Sociedade Brasileira de Computação, 2013. p. 3-4.

  • HORTA, F. ; DIAS, J. ; ELIAS, R. ; OLIVEIRA, D. ; COUTINHO, A. ; MATTOSO, M. . Prov-Vis: Large-Scale Scientific Data Visualization using Provenance. In: International Conference for High Performance Computing, Networking, Storage, and Analysis, 2013, Denver, Colorado. Proc. of the International Conference for High Performance Computing, Networking, Storage, and Analysis, 2013.

  • HORTA, F. ; SILVA, V. ; COSTA, F. ; OLIVEIRA, D. ; OCAÑA, K. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Provenance traces from Chiron parallel workflow engine. In: ProvBench: A Provenance Repository for Benchmarking (joint with BigProv 2013), 2013, Genova, Itália. EDBT '13 Proceedings of the Joint EDBT/ICDT 2013 Workshops. New York: ACM Press, 2013. p. 337-338.

  • HORTA, F. ; DIAS, J. ; OCAÑA, K. ; DE OLIVEIRA, DANIEL ; OGASAWARA, E. ; MATTOSO, M. . Abstract: Using Provenance to Visualize Data from Large-Scale Experiments. In: 2012 SC Companion: High Performance Computing, Networking, Storage and Analysis (SCC), 2012, Salt Lake City. 2012 SC Companion: High Performance Computing, Networking Storage and Analysis. p. 1418.

  • DIAS, J. ; OGASAWARA, E. ; OLIVEIRA, D. ; MATTOSO, M. . Scientific Data Parallelism Using P2P Techniques. In: SC11, 2011, Seattle. Proceedings of the SC11, 2011.

  • COSTA, F. ; OLIVEIRA, D. ; OGASAWARA, E. ; LIMA, A. A. B. ; MATTOSO, M. . Athena: Text Mining Based Discovery of Scientific Workflows in Disperse Repositories. In: The 12th International Conference on Information Integration and Web-based Applications & Services (iiWAS2010), 2010, Paris, França. Proceedings of the The 12th International Conference on Information Integration and Web-based Applications & Services (iiWAS2010), 2010.

  • OGASAWARA, E. ; OLIVEIRA, D. ; KULAIF, Y. ; FERNANDES, F. . Modelo Auto-Regressivo de Previsão de Fertilizantes Baseados em Redes Neurais. In: 1º Congresso Brasileiro de Rochagem, 2009, Brasília. Anais do 1º Congresso Brasileiro de Rochagem, 2009.

  • OLIVEIRA, D. ; OGASAWARA, E. ; BAIAO, F. ; MATTOSO, M. . Using Ontologies to Provide Different Levels of Abstraction in Scientific Workflows. In: 5th IEEE International Conference on e-Science, 2009, Oxford. 5th IEEE International Conference on e-Science, 2009.

  • MARTINHO, W. ; OGASAWARA, E. ; OLIVEIRA, D. ; CHIRIGATI, F. ; CORREA, F. ; JACOB, B. ; SANTOS, I. ; TRAVASSOS, G.H. ; MATTOSO, M. . A Conception Process for Abstract Workflows: An Example on Deep Water Oil Exploitation Domain. In: 5th IEEE International Conference on e-Science, 2009, Oxford. 5th IEEE International Conference on e-Science, 2009.

  • BAREIRO, S. B. ; OCAÑA, K. ; SILVA, V. ; OLIVEIRA, D. ; MATTOSO, M. . Modelling Data-intensive Metagenomics Experiments Using Scientific Workflows. In: X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015, São Paulo, SP. Proceedings of the X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015.

  • OCAÑA, K. ; COSTA, L. ; OLIVEIRA, D. ; SILVA, V. ; MATTOSO, M. . Applying Data Mining Techniques to Identify Frequent Phylogenetic Trees using Scientific Workflows. In: X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015, Sao Paulo, SP. Proceedings of the X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015.

  • RITA, A. V. N. S. S. ; OGANDO, R. L. C. ; OLIVEIRA, D. . Linhas de Experimento com Algoritmos de Redshifts Fotométricos. In: Jornada de Iniciacao Cientifica do ON (JICON) do Observatório Nacional, 2014, Rio de Janeiro. Livro de Resumos da Jornada de Iniciacao Cientifica do ON (JICON) 2013/2014, 2014.

  • BAREIRO, S. B. ; OCAÑA, K. ; OLIVEIRA, D. ; OGASAWARA, E. ; DIAS, J. ; MATTOSO, M. . Análises de Ancoragem Molecular por meio de Workflows Científicos. In: I Jornada de Bioinformática do Rio de Janeiro, 2013, Rio de Janeiro, RJ. Anais da I Jornada de Bioinformática do Rio de Janeiro, 2013.

  • OCAÑA, K. ; OLIVEIRA, D. ; MATTOSO, M. . Adaptive Evolution of Falcipain-Homologues in Plasmodium. In: VI e-Science Workshop (em conjunto com CSBC 2012), 2012, Curitiba. Anais do VI e-Science Workshop (em conjunto com CSBC 2012). Porto Alegre: Sociedade Brasileira de Computação, 2012.

  • DIAS, J. ; OGASAWARA, E. ; OLIVEIRA, D. ; PORTO, F. ; COUTINHO, A. ; MATTOSO, M. . Adaptive and User-Steered Workflows for Computational Mechanics Experiments. In: 10th World Congress on Computational Mechanics, 2012, São Paulo, SP. Proc. 10th World Congress on Computational Mechanics, 2012.

  • GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; OLIVEIRA, D. ; OGASAWARA, E. ; DIAS, J. ; CHIRIGATI, F. ; BRAGANHOLO, V. ; MATTOSO, M. ; COUTINHO, A. . Cleaning the Mess: Progress in Scientific Workflows for Managing Large Scale Simulations. In: Colloquium on Advances in Computational Science, Engineering and Mathematics, 2012, Austin, TX. Proc. Colloquium on Advances in Computational Science, Engineering and Mathematics, 2012.

  • GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; COUTINHO, A. ; BRAGANHOLO, V. ; OLIVEIRA, D. ; OGASAWARA, E. ; CHIRIGATI, F. ; MATTOSO, M. . Scientific Workflow Management System Applied to Uncertainty Quantification in Computational Fluid Mechanics. In: 16th International Conference on Finite Elements in Flow Problems (FEF 2011), 2011, Munique. Proceedings of the 16th International Conference on Finite Elements in Flow Problems (FEF 2011), 2011.

  • GUERRA, G. ; ROCHINHA, F. ; ELIAS, R. ; COUTINHO, A. ; BRAGANHOLO, V. ; OLIVEIRA, D. ; OGASAWARA, E. ; CHIRIGATI, F. ; MATTOSO, M. . Uncertainty Quantification in Flow-structures Interaction Supported by Scientific Workflow Management. In: IV International Conference on Computational Methods in Marine Engineering, 2011, Lisbon. Proceedings of the IV International Conference on Computational Methods in Marine Engineering, 2011.

  • MATTOSO, M. ; COUTINHO, A. ; ELIAS, R. ; OLIVEIRA, D. ; OGASAWARA, E. . Exploring Parallel Parameter Sweep in Scientific Workflows. In: 9th World Congress on Computational Mechanics and 4th Asian Pacific Congress on Computational Mechanics, 2010, Sydney, Australia. Proc. 9th World Congress on Computational Mechanics and 4th Asian Pacific Congress on Computational Mechanics, 2010.

  • CUNHA, L. ; OLIVEIRA, D. ; OGASAWARA, E. ; ANDRADE, S. ; ZIMBRAO, G. ; SANTOS, M. . On the Use of Scientific Workflows for Digital Soil Mapping. In: Pedometrics 2009, 2009, Beijing. Pedometrics 2009, 2009. p. 110-111.

  • OLIVEIRA, D. C. M. ; FERNANDES, E. ; NOVO, L. . Monitoramento Cardíaco Ubíquo. In: XXIV Jornada de Iniciação Científica da UFRJ, 2002, Rio de Janeiro. Catálogo da XXIV Jornada de Iniciação Científica da UFRJ. Rio de Janeiro: UFRJ, 2002.

  • OCAÑA, K. ; GALHEIGO, M. ; OSTHOFF, C. ; GADELHA, L. ; PORTO, F. ; GOMES, A. T. A. ; OLIVEIRA, D. ; VASCONCELOS, A. T. R. . BioinfoPortal: A scientific gateway for integrating bioinformatics applications on the Brazilian national high-performance computing network. Future Generation Computer Systems , 2020.

  • W. M. RIBEIRO, MARCELLO ; A. B. LIMA, ALEXANDRE ; OLIVEIRA, DANIEL . OLAP parallel query processing in clouds with C ParGRES. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE , 2019.

  • SILVA, V. ; SOUZA, R. S. ; NEVES, L. ; OLIVEIRA, D. ; COUTINHO, A. ; MATTOSO, M. . Adding domain data to code profiling tools to debug workflow parallel execution. Future Generation Computer Systems , 2018.

  • OLIVEIRA, D. . Palestra CEFET/RJ (Nova Iguaçu): Análise Online de Dados Científicos com SAMbA. 2019. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, D. . Palestra CCJF: Big data e proveniência de dados. 2019. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, D. . Keynote BSB/SBBD: When bioinformatics meets databases: achievements and lessons learned. 2019. (Apresentação de Trabalho/Conferência ou palestra).

  • PAES, A. ; LAGE, M. ; OLIVEIRA, D. . Palestra SEMEST/UFF - Introdução à Ciência de Dados: teoria e prática. 2019. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, D. . Palestra UFJF: Pesquisas em Bancos de Dados na UFF. 2018. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, D. . Palestra INRIA: Parameter and Data Recommendation in Scientific Workflows based on Provenance. 2018. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, D. . Palestra INFES/UFF: Análise de Dados Científicos Produzidos por Simulações Computacionais Científicas de Larga Escala. 2018. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, D. . Palestra CEFET/RJ (Maracanã): Análise Online de Dados de Aplicações Spark com SAMbA. 2018. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, D. . Keynote WPerformance: Análise de Desempenho de Simulações Computacionais em Ambientes de Computação de Alto Desempenho. 2017. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, D. . Palestra UFT: Computação em Nuvem para e-Ciência. 2016. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, A. H. M. ; OLIVEIRA, D. ; MATTOSO, M. . Tutorial SBBD: Reprodução de Experimentos Científicos: Teoria e Prática. 2015. (Apresentação de Trabalho/Conferência ou palestra).

  • OLIVEIRA, D. ; MATTOSO, M. . Tutorial SBBD: Computação em Nuvem para Ciência: o Papel Fundamental da Área de Bancos de Dados. 2013. (Apresentação de Trabalho/Conferência ou palestra).

Seção coletada automaticamente pelo Escavador

Outras produções

OLIVEIRA, D. C. M. ; DURAN, M. ; MATTOS, A. . Construção da Arquitetura de Informações do Sistema de Saúde da Marinha do Brasil. 2007.

OLIVEIRA, D. C. M. ; DURAN, M. ; SCHMIDT, D. . Construção da Arquitetura de Informações do Sistema de Pagamento da Marinha do Brasil. 2006.

OLIVEIRA, D. ; MATTOSO, M. ; OGASAWARA, E. ; COSTA, F. ; DIAS, J. ; VIANA, V. G. ; SILVA, V. ; PINTAS, J. . SciCumulus Cloud Workflow Engine. 2012.

OLIVEIRA, D. C. M. . MiningFlow: ambiente para definição de workflows para mineração de textos. 2008.

OLIVEIRA, D. C. M. ; OLIVEIRA, A. ; SILVA, T. G. . Sistema de Controle de Postos de Combustíveis. 1998.

OLIVEIRA, D. . Comitê de Programa do XXXIII Simpósio Brasileiro de Banco de Dados. 2019.

OLIVEIRA, D. . Comitê de Programa do XXXIII Simpósio Brasileiro de Banco de Dados - Demonstrações. 2019.

OLIVEIRA, D. . Comitê de Programa do XXXIII Simpósio Brasileiro de Banco de Dados - Trabalhos Curtos. 2019.

OLIVEIRA, D. . Comitê de Programa do XXXIII Simpósio Brasileiro de Banco de Dados - Workshop de Teses e Dissertações. 2019.

OLIVEIRA, D. . Comitê de Programa do Workshop on Clusters, Clouds and Grids for Life Sciences - CCGrid-Life. 2019.

OLIVEIRA, D. . Comitê de Programa do XVIII Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2019.

OLIVEIRA, D. . Comitê de Programa da V Escola Regional de Computação de Alto Desempenho. 2019.

OLIVEIRA, D. . Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2019 - WCGA). 2019.

OLIVEIRA, D. . Comitê de Programa do XIII ​​​BreSci - ​XIII Brazilian e-Science Workshop. 2019.

OLIVEIRA, D. . Comitê de Programa da III Escola Regional de Informática (ERI - RJ 2019). 2019.

OLIVEIRA, D. . Comitê de Programa do Workshop Workflows in Support of Large-Scale Science. 2019.

OLIVEIRA, D. . Comitê de Programa do Simpósio de Sistemas Computacionais de Alto Desempenho (WSCAD). 2019.

OLIVEIRA, D. . Comitê de Programa do IEEE International Conference on eScience. 2019.

OLIVEIRA, D. . Comitê de Programa do 12th Brazilian Symposium on Bioinformatics. 2019.

OLIVEIRA, D. . Comitê de Programa do The ACS/IEEE International Conference on Computer Systems and Applications (AICCSA). 2019.

OLIVEIRA, D. . VLDB 2018 Demonstration Program Committee. 2018.

OLIVEIRA, D. . Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2018 - WCGA). 2018.

OLIVEIRA, D. . Comitê de Programa do Workshop de Teses e Dissertações em Sistemas de Informação (WTDSI) 2018. 2018.

OLIVEIRA, D. . Comitê de Programa da IV Escola Regional de Computação de Alto Desempenho. 2018.

OLIVEIRA, D. . Comitê de Programa do Workshop of Algorithms and Systems for MapReduce and Beyond (BeyondMR). 2018.

OLIVEIRA, D. . Comitê de Programa do Workshop on Clusters, Clouds and Grids for Life Sciences - CCGrid-Life. 2018.

OLIVEIRA, D. . Comitê de Programa do XVII Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2018.

OLIVEIRA, D. . Comitê de Programa do XII ​​​BreSci - ​XII Brazilian e-Science Workshop. 2018.

OLIVEIRA, D. . Comitê de Programa do XXXII Simpósio Brasileiro de Banco de Dados - Demo. 2018.

OLIVEIRA, D. . Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados (WTDBD) 2018. 2018.

OLIVEIRA, D. . Comitê de Programa do International Workshop on Very Large Internet of Things (VLIoT 2018). 2018.

OLIVEIRA, D. . Comitê de Programa do 7th International Provenance and Annotation Workshop. 2018.

OLIVEIRA, D. . Comitê de Programa do 19th Annual International Conference on Digital Government Research. 2018.

OLIVEIRA, D. . Comitê de Programa do XXXIII Simpósio Brasileiro de Banco de Dados. 2018.

OLIVEIRA, D. . Comitê de Programa do Workshop Workflows in Support of Large-Scale Science. 2018.

OLIVEIRA, D. . Comitê de Programa do I LADaS - Latin American Data Science Workshop. 2018.

OLIVEIRA, D. . Comitê de Programa do Workshop of Algorithms and Systems for MapReduce and Beyond (BeyondMR). 2017.

OLIVEIRA, D. . Comitê de Programa do Workshop on Clusters, Clouds and Grids for Life Sciences - CCGrid-Life. 2017.

OLIVEIRA, D. . Comitê de Programa da 43rd International Conference on Very Large Databases. 2017.

OLIVEIRA, D. . Comitê de Programa do XXI ​​​BreSci - ​XI Brazilian e-Science Workshop. 2017.

OLIVEIRA, D. . Comitê de Programa do XVI Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2017.

OLIVEIRA, D. . Comitê de Programa do XVIII WSCAD - Simpósio em Sistemas Computacionais de Alto Desempenho. 2017.

OLIVEIRA, D. . Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2017 - WCGA). 2017.

OLIVEIRA, D. . Comitê de Programa da III Escola Regional de Computação de Alto Desempenho. 2017.

OLIVEIRA, D. . Comitê de Programa do XXXII Simpósio Brasileiro de Banco de Dados - Short Papers. 2017.

OLIVEIRA, D. . Comitê de Programa do XXXII Simpósio Brasileiro de Banco de Dados. 2017.

OLIVEIRA, D. . Comitê de Programa do XXXII Simpósio Brasileiro de Banco de Dados - Demo. 2017.

OLIVEIRA, D. . Comitê de Programa do Workshop de Teses e Dissertações em Sistemas de Informação (WTDSI) 2017. 2017.

OLIVEIRA, D. . Comitê de Programa do I Workshop Databases meet Bioinformatics. 2017.

OLIVEIRA, D. . Comitê de Programa do I SBBD Dataset Showcase Workshop. 2017.

OLIVEIRA, D. . Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados (WTDBD) 2017. 2017.

OLIVEIRA, D. . Comitê de Programa do Workshop Workflows in Support of Large-Scale Science. 2017.

OLIVEIRA, D. . ICDE 2016 Demonstration Program Committee. 2016.

OLIVEIRA, D. . Comitê de Programa do XV Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2016.

OLIVEIRA, D. . Comitê de Programa do X Brazilian e-Science Workshop (BreSci). 2016.

OLIVEIRA, D. . Comitê de Programa do XXXI Simpósio Brasileiro de Banco de Dados. 2016.

OLIVEIRA, D. . Comitê de Programa do 6th International Provenance and Annotation Workshop. 2016.

OLIVEIRA, D. . Comitê de Programa do Workshop of Algorithms and Systems for MapReduce and Beyond (BeyondMR). 2016.

OLIVEIRA, D. . Comitê de Programa do XVII WSCAD - Simpósio em Sistemas Computacionais de Alto Desempenho. 2016.

OLIVEIRA, D. . Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2016 - WCGA). 2016.

OLIVEIRA, D. . Comitê de Programa da II Escola Regional de Computação de Alto Desempenho. 2016.

OLIVEIRA, D. . Comitê de Programa do Workshop de Teses e Dissertações em Sistemas de Informação (WTDSI) 2016. 2016.

OLIVEIRA, D. . Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados (WTDBD) 2016. 2016.

OLIVEIRA, D. . Comitê de Programa do Workshop Workflows in Support of Large-Scale Science. 2016.

OLIVEIRA, D. . SIGMOD 2015 Demonstration Program Committee. 2015.

OLIVEIRA, D. . Comitê de Programa do XXX Simpósio Brasileiro de Banco de Dados. 2015.

OLIVEIRA, D. . Comitê de Programa do XIV Workshop em Desempenho de Sistemas Computacionais e de Comunicação. 2015.

OLIVEIRA, D. . Comitê de Programa do High Performance Big Data and Cloud Computing workshop. 2015.

OLIVEIRA, D. . Comitê de Programa do XXX Simpósio Brasileiro de Banco de Dados - Short Papers. 2015.

OLIVEIRA, D. . Comitê de Programa do XXX Simpósio Brasileiro de Banco de Dados - Demo. 2015.

OLIVEIRA, D. . Comitê de Programa do XVI Simpósio em Sistemas Computacionais de Alto Desempenho. 2015.

OLIVEIRA, D. . Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2015 - WCGA). 2015.

OLIVEIRA, D. . Comitê de Programa da I Escola Regional de Alto Desempenho do Rio de Janeiro. 2015.

OLIVEIRA, D. . Comitê de Programa do IX Brazilian e-Science Workshop (BreSci). 2015.

OLIVEIRA, D. . Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados (WTDBD) 2015. 2015.

OLIVEIRA, D. . Comitê de Programa do High Performance Cloud and Grid Computing Workshop. 2014.

OLIVEIRA, D. . Comitê de Programa do Workshop de Teses e Dissertações em Sistemas de Informação (WTDSI) 2014. 2014.

OLIVEIRA, D. . Comitê de Programa do Workshop de Computação em Cloud e Aplicações (SBRC 2014 - WCGA). 2014.

OLIVEIRA, D. . Comitê de Programa do VIII Brazilian e-Science Workshop (BreSci). 2014.

OLIVEIRA, D. . Comitê de Programa do Workshop de Teses e Dissertações em Banco de Dados 2014. 2014.

OLIVEIRA, D. . Comitê de Programa do XV Simpósio em Sistemas Computacionais (WSCAD-SSC). 2014.

OLIVEIRA, D. . Comitê de Programa do Concurso de Tese do XV Simpósio em Sistemas Computacionais (WSCAD-CTD). 2014.

OLIVEIRA, D. . Comitê de Programa do III IEEE LatinCloud. 2014.

PAULA JUNIOR, U. ; DRUMMOND, L. M. A. ; OLIVEIRA, D. ; FROTA, Y. ; BARBOSA, V. C. . Handling Flash-Crowd Events to Improve the Performance of Web Applications. 2014.

OLIVEIRA, D. . Comitê de Programa do VI Workshop de Teses e Dissertações em Sistemas de Informação. 2013.

OLIVEIRA, D. . Comitê de Programa do BreSci - VII Brazilian e-Science workshop. 2013.

OLIVEIRA, D. . Comitê de Programa do XIV Simpósio em Sistemas Computacionais (WSCAD-SSC). 2013.

OLIVEIRA, D. . Comitê de Programa do V Congresso de Computação do Sul de Mato Grosso. 2013.

OLIVEIRA, D. . Comitê de Programa do Workshop on Cost and Performance Optimization in Cloud Computing. 2013.

OLIVEIRA, D. . Comitê de Programa do High-Performance Grid and Cloud Computing Workshop. 2013.

OLIVEIRA, D. C. M. ; BAIAO, F. ; MATTOSO, M. . MF-Ontology: an Ontology for the Text Mining Domain. 2009.

OLIVEIRA, D. . Pesquisas em Banco de Dados no IC/UFF - Workshop do Curso de Tecnologia em Sistemas de Computação do CEDERJ. 2015. (Programa de rádio ou TV/Entrevista).

OLIVEIRA, D. ; MATTOSO, M. . Tutorial 'Computação em Nuvem para Ciência: o Papel Fundamental da Área de Bancos de Dados'. 2013. (Curso de curta duração ministrado/Outra).

OLIVEIRA, D. C. M. . Implementando Logs de Auditoria em Banco de Dados Oracle. 2009. (Artigo Online).

OLIVEIRA, D. C. M. . Introdução ao uso de imagens no MySQL. 2009. (Artigo Online).

OLIVEIRA, D. C. M. . Utilização da Diretiva PRAGMA AUTONOMOUS_TRANSACTION. 2009. (Artigo Online).

Seção coletada automaticamente pelo Escavador

Projetos de pesquisa

  • 2019 - Atual

    ASCEND: apoio a Análise de dadoS CiENtíficos em ambientes DISC - Produtividade em Pesquisa (PQ) 2018, Descrição: During the last decade, the scientific community has seen a considerable increase in the number of scientific experiments based on large-scale computational simulations. Such simulations are characterized by the chaining of programs that execute increasingly complex computational models (dataflows). These dataflows are often implemented through scripts or workflows that consume and produce large amounts of data. Due to this volume, processing commonly requires the use of parallelism and High Performance Computing (HPC) environments. The convergence between HPC and the tasks of processing and analyzing scientific data associated with these dataflows has been largely driven by the use of Data Intensive Scalable Computing (DISC) environments. The convergence between HPC and DISC is a recent topic of interest to the scientific community. While HPC environments focus on the high performance of the simulations, usually using supercomputers, the DISC environments are data oriented and are formed by clusters of commodity machines. Examples of DISC frameworks include Spark. The implementation and execution of dataflows in DISC environments poses a number of challenges that are related to large-scale resource management. Often in order for the simulation to reach the processing capacity required to complete in a timely manner, it is necessary to use a number of heterogeneous resources such as CPUs in a cluster and/or GPGPUs. The use of DISC environments requires new algorithms for data fragmentation and tasks, scheduling, management and analysis of produced data, security, and aggregation of results, as well as evaluation tests. The $ASCEND$ project aims at proposing an approach that can execute, manage, monitor, debug dataflows and analyze the data produced by them.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (5) / Doutorado: (5) . , Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Leonardo Murta - Integrante / Isabel Rosseti - Integrante / Marcos Lage - Integrante / Aline Paes - Integrante / Cristina Boeres - Integrante / Alexandre Plastino - Integrante / Ubiratam de Paula Junior - Integrante / Lúcia Maria de Assumpção Drummond - Integrante / Yuri Frota - Integrante / Kary Ocaña - Integrante / Marta Mattoso - Integrante / Bruno Lopes Vieira - Integrante / Marcos Bedo - Integrante / Carla Osthoff - Integrante / Victor Ströele de Andrade Menezes - Integrante.

  • 2019 - Atual

    Apoio Computacional ao Desenho de Novas Drogas para Tratamento de Zika Usando Computação em Larga-Escala Centrada em Dados - Edital Universal CNPq 2018 - R$ 40.000,00, Descrição: O vírus da Zika (ZIKV) faz parte de um grupo de doenças emergentes infecciosas que afetam em especial habitantes de países em desenvolvimento, incluindo o Brasil. O ZIKV é o responsável por graves anomalias congênitas em bebês, em especial a microcefalia. Dessa forma, para a população desses paı́ses, a descoberta de novas drogas que possam ser usadas como tratamento para o ZIKV é uma prioridade. Embora o Brasil tenha avançado significativamente na última década em vários campos da ciência, as pesquisas em áreas multidisciplinares como a bioinformática ainda se encontram em amadurecimento, e estas desempenham um papel fundamental para a descoberta de novas drogas para o tratamento do ZIKV. Diversas pesquisas de sucesso no ramo da bioinformática têm proposto protocolos in silico (baseado em simulações computacionais) que utilizam análises filogenéticas/filogenômicas e mais recentemente as análises farmacofilogenômicas. Esses protocolos normalmente envolvem um conjunto de programas que executam simulações cientı́ficas e que são encadeados formando um fluxo coerente de atividades, ao qual denominamos workflow. Entretanto, gerenciar um experimento nesse contexto não é ́uma tarefa trivial. Cada execução de um workflow para descoberta de novas drogas para o ZIKV pode consumir e produzir um grande volume de dados, o que comumente requer o uso de ambientes de Processamento de Alto Desempenho (PAD), como clusters e supercomputadores, aliado a técnicas de paralelismo. Apesar de tais ambientes serem bastante utilizados, nos últimos anos temos visto o crescimento dos Ambientes de Computação em Larga Escala Centrada em Dados (DISC), que se baseiam em clusters de computadores de hardware comum, e seus frameworks associados como o Apache Spark que fornece processamento eficiente em memória. Um dos maiores desafios na gerência de experimentos cientı́ficos nesses ambientes DISC reside na distribuição das execuções das atividades dos workflows nos recursos de forma eficiente. Além disso, devemos nos preocupar com a gerência de metadados e com a análise dos resultados obtidos, seja por meio de representação visual ou utilizando técnicas de aprendizado de máquina. O objetivo principal deste projeto de pesquisa está no desenvolvimento de novas técnicas de gerência de experimentos cientı́ficos baseados em simulação com o foco no apoio à descoberta de novas drogas para o tratamento de ZIKV. Essa gerência engloba a distribuição das simulações em ambientes DISC heterogêneos (que envolvem nuvens de computadores, GPUs e clusters de computadores) e análise dos resultados por meio de algoritmos de aprendizado de máquina e lógica. Todo o desenvolvimento será alicerçado em dados e processos reais fornecidos pela Fundação Oswaldo Cruz (FIOCRUZ) e pelo Laboratório Nacional de Bioinformática (LabInfo) do Laboratório Nacional de Computação Cientıífica.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (5) / Doutorado: (3) . , Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Leonardo Murta - Integrante / Isabel Rosseti - Integrante / Aline Paes - Integrante / Cristina Boeres - Integrante / Lúcia Maria de Assumpção Drummond - Integrante / Yuri Frota - Integrante / Kary Ocaña - Integrante / Marta Mattoso - Integrante / Bruno Lopes Vieira - Integrante / Marcos Bedo - Integrante / Marco Aurelio Pereira Horta - Integrante / Carla Osthoff - Integrante / Victor Ströele de Andrade Menezes - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.Número de orientações: 3

  • 2019 - Atual

    Análise Online de Dados Científicos em Ambientes de Computação Escalável e Intensiva em Dados, Descrição: Áreas estratégicas para o desenvolvimento do Brasil e do Estado do Rio de Janeiro, como as da área de petróleo, meteorologia e biologia, são altamente dependentes do uso de simulações computacionais.Apesar dessas simulações poderem ser implementadas em programas monolíticos, a grande maioria é caracterizada pelo encadeamento de programas que executam modelos computacionais cada vez mais complexos (i.e., dataflows). Esses dataflows são frequentemente modelados e executados tanto por meio de scripts quanto de abstrações como workflows científicos. Por se tratarem de simulações de larga es-cala, as mesmas comumente consomem e produzem um grande volume de dados. Devido à esse volume, o processamento requer o uso de paralelismo e ambientes de Computação de Alto Desempenho (HPC).A convergência entre HPC e as tarefas de processamento e análise de dados científicos associados a esses dataflows tem se dado basicamente pelo uso de Ambientes de Computação em Escalável e Intensiva emDados (do inglês DISC - Data Intensive Scalable Computing). A convergência entre HPC e DISC e´ um tópico bastante recente de interesse da comunidade científica. Enquanto ambientes HPC concentram-seno alto desempenho das simulações, geralmente utilizando supercomputadores, os ambientes DISC são orientados a dados e são formados por clusters de máquinas de hardware comum. Exemplos de frameworks DISC incluem o Apache Spark e o Apache Hadoop. A implementação e execução de dataflows em ambientes DISC traz uma série de desafios que estão relacionados com a gerência de recursos em larga escala. Muitas vezes para que a simulação atinja a capacidade de processamento necessária para terminar em tempo hábil, e´ necessário que se utilize uma série de recursos heterogêneos como CPUs em um cluster e/ou GPGPUs. O uso de ambientes DISC requer novos algoritmos de fragmentação de dados e tarefas das simulações, de escalonamento, de gerência e análise de dados produzidos, de segurança, de tolerância a falhas e de agregação de resultados, além de testes de avaliação. O presente projeto propõe uma abordagem capaz de executar, gerenciar, monitorar, depurar dataflows e analisar os dados produzidos pelos mesmos.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Leonardo Murta - Integrante / Esther Pacitti - Integrante / Isabel Rosseti - Integrante / Marcos Lage - Integrante / Aline Paes - Integrante / Yuri Frota - Integrante / Kary Ocaña - Integrante / Marta Mattoso - Integrante / Javam de Castro Machado - Integrante / José Maria da Silva Monteiro Filho - Integrante / Ji Liu - Integrante / Marcos Bedo - Integrante / Victor Ströele de Andrade Menezes - Integrante., Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Bolsa.

  • 2017 - 2019

    Associate Teams: SciDISC - Scientific data analysis using Data-Intensive Scalable Computing, Projeto certificado pelo(a) coordenador(a) Patrick Valduriez em 21/05/2017., Descrição: This project is an international collaborative project between Brazil and France, funded by the French side. --Inria (France) supports "Associate Teams" to strengthen scientific collaboration between Inria project teams and top-level research teams worldwide. -- Data-intensive science requires the integration of two fairly different paradigms: high-performance computing (HPC) and data-intensive scalable computing (DISC). Spurred by the growing need to analyze big scientific data, the convergence between HPC and DISC has been a recent topic of interest. 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. The expected results of the project are: new data analysis methods for SciDISC systems; the integration of these methods as software libraries in popular DISC systems, such as Apache Spark; and extensive validation on real scientific applications, by working with our scientific partners such as INRA and IRD in France and Petrobras and the National Research Institute (INCT) on e-medicine (MACC) in Brazil. https://www.inria.fr/en/associate-team/scidisc. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Alvaro Coutinho - Integrante / Esther Pacitti - Integrante / Reza Akbarinia - Integrante / Fabio Porto - Integrante / Patrick Valduriez - Coordenador / Kary Ocaña - Integrante / Eduardo Ogasawara - Integrante / Marta Mattoso - Integrante / José Camata - Integrante / Dennis Shasha - Integrante / Florent Masseglia - Integrante.

  • 2017 - Atual

    Heurísticas para Otimização Combinatória: Aplicações e Contribuições Algorítmicas, Descrição: Muitos problemas em computação, logística, planejamento e engenharia, entre outras áreas, podem ser formulados como problemas de otimização combinatória. Metaheurísticas são métodos gerais eficazes para resolver tais problemas. Este projeto dirige-se a desenvolvimentos algorítmicos em metaheurísticas e à aplicação de heurísticas na solução de problemas combinatórios. Também são tratadas questões referentes à avaliação e à comparação de algoritmos.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Fabio Protti - Integrante / José Viterbo - Integrante / Isabel Rosseti - Coordenador / Alexandre Plastino - Integrante / Simone de Lima Martins - Integrante / Celso da Cruz Carneiro Ribeiro - Integrante / Luidi Simonetti - Integrante.

  • 2016 - 2019

    GRADE-HPAD - GeRênciA de Dados ciEntíficos em ambientes Híbridos de Processamento de Alto Desempenho - Jovem Cientista do Nosso Estado FAPERJ 2016, Descrição: Experimentos científicos complexos são capazes de produzir volumes de dados na casa dos Petabytes. Esse volume de dados é produto normalmente de complexas simulações computacionais que fazem parte dos experimentos. Em muitos experimentos são adotados workflows como abstração para representar as etapas computacionais de uma simulação. Muitas dessas etapas dos workflows são datacêntricas, mas também são computacionalmente intensivas, assim necessitando de ambientes de processamento de alto desempenho (PAD) e técnicas de paralelismo para que produzam dados em tempo hábil. Existem diversos ambientes de PAD como os clusters, as grades, e, mais recentemente, as nuvens e as GPGPUs. Entretanto, nos últimos anos, ambientes compostos por recursos heterogêneos têm sido propostos, os chamados ambientes híbridos. Exemplos de tais ambientes são nuvens e clusters que são formados tanto por CPUs quanto por GPGPUs, além de nuvens federadas e multi-sítio. Além da execução do workflow nestes ambientes, devemos nos preocupar com a qualidade dos dados. Muitos dados possuem um nível de incerteza associado, normalmente porque os programas utilizados nas simulações não são determinísticos. A análise desses dados também é um ponto fundamental, porém dados científicos são normalmente multi-relacionados, o que demanda técnicas de aprendizado de máquina mais complexas que as tradicionais. As soluções existentes para gerência dos dados científicos já englobam a execução paralela e a coleta de dados de proveniência em ambientes tradicionais, porém, não oferecem apoio a ambientes híbridos. O uso de ambientes híbridos requer novos algoritmos de fragmentação, de escalonamento, e de gerência e análise de dados produzidos. Além disso, devido à heterogeneidade do ambiente, os dados de proveniência devem ser considerados e utilizados como base para as soluções propostas. Desta forma, este projeto visa desenvolver uma série de soluções para ambientes híbridos para gerência e análise de dados científicos. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador., Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.

  • 2016 - 2019

    Apoio a Simulações Computacionais em Ambientes Híbridos Guiada por Dados de Proveniência - Produtividade em Pesquisa (PQ) 2016, Descrição: Nos últimos anos, a comunidade acadêmica tem percebido um aumento na quantidade de simulações computacionais executadas em experimentos científicos. Grandes projetos científicos são desenvolvidos por grupos de pesquisadores em colaboração, produzindo dados e programas em grande quantidade, distribuídos e heterogêneos. Muitos cientistas adotam workflows científicos como abstrações para as etapas computacionais envolvidas no experimento e a troca de dados entre estes. Tais workflows são computacionalmente intensivos e produzem um grande volume de dados, necessitando de ambientes de alto desempenho e técnicas de paralelismo para que terminem em tempo hábil. Existem diversos ambientes de processamento de alto desempenho já consolidados e que podem ser usados para executar os workflows como os clusters e as grades computacionais, e, mais recentemente, o conceito de nuvens de computadores têm ganhado bastante importância no cenário científico. Assim, podemos considerar grandes sistemas computacionais integrados, como o SINAPAD por exemplo, como um ambiente computacional híbrido multi-site que oferece acesso a recursos heterogêneos (máquinas em um cluster ou grade, GPUs, etc.) distribuídos, de forma transparente. A execução de workflows neste tipo de ambiente computacional trás uma série de desafios que estão relacionados com a gerência de recursos em larga escala (tanto de número e tipos de processadores quanto de dados e tarefas das simulações computacionais). Muitas vezes para que a simulação atinja a capacidade de processamento necessária para terminar em tempo hábil, é necessário que se utilize uma série de recursos heterogêneos como CPUs em um cluster e GPUs. O uso desses ambientes híbridos requer novos algoritmos de fragmentação de dados e tarefas das simulações, de escalonamento, de gerência de dados produzidos, de tolerância a falhas e de agregação de resultados, além de testes de avaliação. Além disso, devido à larga escala e heterogeneidade do ambiente, a análise dos dados de proveniência dos experimentos científicos, deve ser considerada e utilizada como base para as soluções propostas. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (10) / Mestrado acadêmico: (3) / Doutorado: (2) . , Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Aline Paes - Integrante / Lúcia Maria de Assumpção Drummond - Integrante / Yuri Frota - Integrante / Vítor Silva - Integrante / Kary Ocaña - Integrante / Marta Mattoso - Integrante.

  • 2016 - Atual

    UFFeScience: Apoio Computacional a Experimentos de Larga Escala para Desenho de Novas Drogas para Tratamento de Doenças Tropicais Negligenciadas, Descrição: termo ?Doenças Tropicais Negligenciadas se refere a um grupo de doenças tropicais endêmicas que afetam em especial habitantes da Ásia, África e da América Latina. Algumas dessas DTN são responsáveis por altas taxas de mortalidade nessas regiões. Assim, para a população desses países, a descoberta de novas drogas que possam ser usadas como tratamento para as DTN é uma prioridade. Em especial no cenário brasileiro, e mais especificamente no estado do Rio de Janeiro, diversas DTN atingem parte da população, como por exemplo, a Dengue. Embora o Brasil tenha avançado significativamente na última década em vários campos da ciência, as pesquisas em áreas multidisciplinares como a bioinformática ainda estão em amadurecimento, e estas desempenham um papel fundamental para o desenvolvimento do país e do estado e para a descoberta de novas drogas para o tratamento das DTN. Diversas pesquisas de sucesso no ramo da bioinformática têm proposto protocolos in-silica (baseado em simulações computacionais) que utilizam análises filogenéticas/filogenônicas e mais recentemente as análises farmacofilogenônicas. Esses protocolos normalmente envolvem um conjunto de programas que executam simulações científicas e que são encadeados formando um fluxo coerente de atividades, ao qual denominamos workflow. Em um mesmo experimento de bioinformática para descoberta de novas drogas para DTN é comum que tenhamos mais de um workflow e que este mesmo workflow seja executado diversas vezes, variando-se dados de entrada e parametrização de configuração, a fim de confirmar ou refutar uma determinada hipótese. Entretanto, gerenciar um experimento nesse contexto não é uma tarefa trivial. Cada execução de um workflow pode consumir e produzir um grande volume de dados, o que comumente requer Processamento de Alto Desempenho (PAD) aliada a técnicas de paralelismo para produzir resultados em tempo hábil. A demanda por técnicas de gerência de experimentos em ambientes de PAD vem crescendo a cada ano, ao mesmo tempo em que surgem novos ambientes como as nuvens de computadores (que podem ser multi-site e federadas) e as unidades de processamento gráfico de propósito geral (GPGPUs). Um dos maiores desafios na gerência de experimentos científicos nesses ambientes reside na distribuição das execuções das atividades dos workflows nos recursos de forma eficiente. Essas execuções podem ser distribuídas em mais de um ambiente (cluster local, nuvem e GPGPU) e essa heterogeneidade insere uma complexidade adicional (e grande) no processo. Além disso, devemos nos preocupar com a gerência de metadados e com a análise dos resultados obtidos. Diversas pesquisas na área de mineração de dados e aprendizado de máquina têm sido propostas com foco na análise de grandes volumes de dados. Entretanto, os dados biológicos produzidos por esses experimentos não podem ser representados como tuplas chave-valor, como acontece tradicionalmente em algoritmos de mineração de dados (e.g. K-means). Dados biológicos são normalmente multi-relacionados, o que demanda técnicas de aprendizado de máquina mais complexas como a mineração de dados multi-relacional (MDMR). Uma vez que essas técnicas possam ser aplicadas/adaptadas no contexto de experimentos de bioinformática para descoberta de novas drogas podemos descobrir novos padrões de sequências, funções de genes e interações proteína-proteína que alavanquem investigações na terapia de DTN. O objetivo principal deste projeto de pesquisa está no desenvolvimento de novas técnicas de gerência de experimentos para DTN.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (6) / Doutorado: (2) . , Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Isabel Rosseti - Integrante / Aline Paes - Integrante / Yuri Frota - Integrante / Cristina Nader Vasconcelos - Integrante / Christiano de Oliveira Braga - Integrante / Bruno Lopes Vieira - Integrante., Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.

  • 2016 - Atual

    BioMiningHPC: Arquitetura baseada em Workflows, Mineração e Proveniência de Dados de Experimentos de Bioinformática para Ambientes HPC no Apoio ao Estudo de Doenças Negligenciadas e Doenças Genômicas Raras em Humanos - APQ1 FAPERJ, Projeto certificado pelo(a) coordenador(a) Kary Ann del Carmen Ocaña Gautherot em 06/06/2016., Descrição: Embora o Brasil tenha avançado significativamente nos últimos anos em vários campos das Ciências e tecnologias afins, pesquisas em áreas multidisciplinares como a bioinformática ainda são nascentes, mesmo sendo fundamentais para o desenvolvimento biotecnológico do país. As pesquisas biomédicas/biotecnológicas têm alavancado descobertas científicas devido à exploração da grande quantidade de dados coletada de pesquisas genômicas/proteômicas para a descoberta de padrões de sequências, funções de genes e interações proteína-proteína que alavanquem investigações de biomarcadores e/ou na terapia de doenças. Por outro lado, recentes progressos nas pesquisas na mineração de dados têm levado ao desenvolvimento de numerosos métodos eficientes/escaláveis para mineração, interessantes para os padrões/conhecimento em grandes bancos de dados e.g. métodos de classificação eficiente, análises de valores/resultados atípicos, frequência, métodos de análise de padrões estruturados, ferramentas de análise de dados temporal/espacial, e visualização. O desafio em questão é a melhor maneira de tornar experimentos de mineração de dados biológicos em larga escala em uma metodologia exitosa. Neste caso, o cientista precisa de um grau de abstração para poder atrelar as atividades domínio específicas da bioinformática a aquelas que melhor se adéquam ao algoritmo de mineração e acopla-los em uma arquitetura. Esses experimentos podem ser modelados como workflows e interconectados a Sistemas de Gerenciamento de Workflows Científicos, Sistemas de Gerenciamento de Banco de Dados e Sistemas Web. Desta maneira, workflows podem usufruir das vantagens de paralelismo e distribuição de ambientes de computação de alto desempenho como clusters de supercomputadores e recentemente nuvens. No entanto, a integração/uso desses ambientes apresentam outros muitos desafios relacionados principalmente à gerência de recursos em larga escala i.e. dados, tarefas, simulações computacionais, número de processadores. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Integrante / Antônio Tadeu Azevedo Gomes - Integrante / Aline Paes - Integrante / Kary Ocaña - Coordenador / Marta Mattoso - Integrante / Luiz Gadelha - Integrante / Ana Tereza Ribeiro de Vasconcelos - Integrante., Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.

  • 2015 - 2018

    PSwmsGpu - Parallel Scientific Workflow Management Systems on GPU - Edital FAPERJ-Sorbonne, Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 04/05/2015., Descrição: Large-scale simulations in computational science are complex to manage. Due to its exploratory nature, several iterations evaluate a large space of parameter combinations spanning many tasks in parallel. Scientific workflow management systems can execute those simulations as a chain of activities (computer programs) and the dataflow between those activities. Workflow systems provide activity and dataflow management, parallel execution and register provenance data. However, there are several open challenges in exploring different models of parallelism during the workflow execution. Among the challenges are: optimizations in parallel execution plan derivation, while taking advantage of different multi-core architectures. For example, general purpose (GP) GPU programming demands coupling highly parallel computing units with classic CPUs to obtain high performance. Heterogeneous systems lead to complex designs combining multiple paradigms and programming languages to manage each hardware architecture. We aim at lowering this complexity in parallel scientific workflow design by using dataflow and programming abstractions to represent the workflow specification. Underlying engines that are aware of the abstractions will have room to optimize the parallel execution plan. We are going to take advantage of two main programming abstractions to leverage workflow parallel execution. One abstraction comes from the Brazilian team, which is a dataflow algebra for the parallel execution of Map/Reduce operations, among others, in scientific workflows. The other abstraction, developed by the French team is SPOC, a library of parallel skeletons that can offer high performance while efficiently easing development, including GPGPU programming. Our goal is to combine the semantics of the dataflow algebraic operations with the power of composition constructs of SPOC skeletons to obtain dynamic generation of parallel execution plans.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Emmanuel Chailloux - Integrante / Marta Mattoso - Coordenador., Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.

  • 2014 - 2017

    MUSIC - Gerência de dados científicos em uma nuvem multi-site, Projeto certificado pelo(a) coordenador(a) Fabio Andre Machado Porto em 15/05/2014., 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: Daniel Cardoso Moraes de Oliveira - Integrante / Alvaro Coutinho - Integrante / Esther Pacitti - Integrante / Reza Akbarinia - Integrante / Fabio Porto - Coordenador / Patrick Valduriez - Integrante / Kary Ocaña - Integrante / Eduardo Ogasawara - Integrante., Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.

  • 2014 - 2014

    User-Steering Phylogenetic Workflows in the Cloud - Windows Azure for Research Proposal, Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015., Descrição: This research aims at helping monitoring large-scale parallel execution of bioinformatics phylogenetic analysis workflow in the cloud. These workflows may be deployed as services and its real-time provenance can be queried during the execution so that the scientist can take actions like staging out part of the results such as a phylogenetic tree for visualization. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Kary Ocaña - Integrante / Marta Mattoso - Coordenador.

  • 2013 - 2017

    DocX Processamento de consultas e gerência de versões de documentos XML (CNPq, Edital Universal), Projeto certificado pelo(a) coordenador(a) Vanessa Braganholo Murta em 14/05/2014., Descrição: O volume de dados XML disponível atualmente vem crescendo cada vez mais. Este fato faz com que a necessidade de mecanismos eficientes de gerência de dados XML seja cada vez maior. Nesse projeto, tratamos de dois problemas diretamente relacionados à gerência de dados XML: processamento de consultas e gerência de versões. Existem vários trabalhos na literatura que lidam com o problema de processar consultas sobre dados XML. Uma abordagem bastante utilizada reside no processamento de consultas em paralelo. Para isso, os dados precisam estar distribuídos em diversos nós de uma rede. Fazer uma fragmentação fixa a priori pode gerar muito desbalanceamento de carga no processamento das consultas. A fragmentação virtual flexibiliza a rigidez da fragmentação física que é fixa. Por ser dinâmica, a fragmentação virtual tem se mostrado um uma boa alternativa para ganho de desempenho no processamento de consultas. No entanto, a abordagem existente, proposta pela proponente e sua equipe, ainda sofre de problemas de balanceamento de carga. Além disso, nem sempre o ambiente disponível dispõe de diversos nós de processamento para executar as consultas. Visando atender também a esse tipo de ambiente, em trabalhos anteriores comparamos o desempenho de processadores de consulta XQuery com máquinas de inferência Prolog. Surpreendentemente, diversas consultas executadas nas máquinas de inferência Prolog obtiveram melhor desempenho do que as consultas equivalentes executadas em processador XQuery nativo. No entanto, este estudo inicial usou traduções ad‐hoc que precisam ser sistematizadas e mais bem estudadas. Que tipo de consulta se beneficia do uso de máquina de inferência em seu processamento? Como traduzir consultas XML para consultas Prolog automaticamente? Outra questão primordial que tem recebido pouca atenção na literatura é a gerência de versões de documentos XML. Para que o controle de versões seja efetivo, são necessárias três operações: diff2 (que calcula a diferença entre duas versões consecutivas), diff3 (que calcula a diferença entre duas versões alternativas derivadas da mesma versão base), e merge (que consolida em um único documento as mudanças realizadas em duas versões alternativas). As técnicas existentes exploram a sintaxe e conteúdo do documento para o cálculo do diff2 [Cobena et al. 2002; Wang et al. 2003; Santos and Hara 2007; Sundaram and Madria 2012]. Técnicas para diff3 e merge têm recebido pouca atenção. Essas são questões que este projeto de pesquisa pretende investigar. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (6) Doutorado: (4) . , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Coordenador / Leonardo Murta - Integrante / Aline Paes - Integrante / Marta Mattoso - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

  • 2013 - 2016

    SciCumulus2 - Infraestrutura Computacional para Execução de Experimentos Científicos em Nuvens de Computadores, Universal CNPq, Descrição: Nos últimos anos, a comunidade acadêmica tem percebido um aumento na quantidade de experimentos científicos baseados em simulações computacionais. Muitos destes experimentos são atualmente modelados como workflows científicos e demandam grande capacidade de processamento. Existem diversos ambientes de processamento de alto desempenho já consolidados e disponíveis como clusters e grades computacionais, porém as nuvens de computadores têm ganhado bastante importância devido à sua grande adoção no mundo corporativo. Para que workflows científicos possam se beneficiar de características de nuvens, como a elasticidade e a alta disponibilidade, foi desenvolvido o SciCumulus, uma máquina de execução de workflows, que paraleliza e coordena a execução dos mesmos em ambientes de nuvem. O SciCumulus foi produto da tese de doutorado do proponente e representou um passo muito importante nesse cenário. Com base no sucesso de sua utilização em diversos workflows reais, novas demandas surgiram por parte dos usuários. Além disso, desafios advindos da própria avaliação experimental do SciCumulus levaram à concepção desta nova etapa do SciCumulus, proposta neste projeto de pesquisa. Assim, este projeto tem como objetivo aprofundar a contribuição que sistemas como o SciCumulus podem oferecer em ambientes de nuvens computacionais e propor novas heurísticas de escalonamento, explorar a distribuição de dados do workflow científico e trabalhar na segurança desses dados. Tais desenvolvimentos deverão ser incorporados em uma nova versão dessa infraestrutura denominada SciCumulus2.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . , Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Leonardo Murta - Integrante / Aline Paes - Integrante / Kary Ocaña - Integrante / Eduardo Ogasawara - Integrante / Marta Mattoso - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

  • 2013 - 2015

    Ambiente de Cloud Computing para Computação de Alto Desempenho da Universidade Federal Fluminense, MCTI/ FINEP/ CT-INFRA 01/2013, Descrição: Grande parte da pesquisa e dos experimentos em larga escala existentes são computacionalmente intensivos e necessitam de muitos recursos computacionais. Em grande parte dos casos, esses recursos são utilizados para executar milhares (e até milhões) de tarefas em ambientes de processamento de alto desempenho (PAD). Nos últimos anos, o paradigma da ?computação em nuvem? (do termo em inglês Cloud Computing) surgiu como alternativa, visando oferecer recursos (inclusive de PAD) de forma elástica (o pesquisador pode aumentar ou diminuir a quantidade e a capacidade de recursos utilizados a qualquer momento) que podem ser instanciados, sob demanda, sem a necessidade dos pesquisadores adquirirem/configurarem uma infraestrutura própria, atingindo assim uma gama maior de usuários. Baseado nesta vantagem proporcionada pelas nuvens de computadores este projeto tem como objetivo principal prover este tipo de infraestrutura virtual baseada no conceito de nuvens para os pesquisadores da UFF. O presente projeto visa disponibilizar para os pesquisadores uma série de serviços que podem ser acessados remotamente e de forma transparente, possibilitando a utilização dos mesmos por vários grupos de pesquisa que atualmente necessitam de uma série de recursos de PAD e armazenamento para executar suas pesquisas. O Instituto de Computação da UFF já conta com um expressivo número de pesquisadores atuando na área de processamento paralelo e em suas aplicações, sendo esta uma das principais e mais ativas linhas de sua pós-graduação. Ressalta-se que novas parcerias de pesquisa possivelmente surgirão a partir da operacionalização deste ambiente de nuvem. Além disso, intensificará tanto a colaboração com outras unidades da UFF, tais como os Institutos de Química, e Física que desenvolvem aplicações que exigem uso intensivo de recursos computacionais.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Fabio Protti - Coordenador / Eugene Francis Vinod Rebello - Integrante / Esteban Clua - Integrante., Financiador(es): Financiadora de Estudos e Projetos - Auxílio financeiro.

  • 2013 - 2014

    Gerência de Experimentos Científicos Datacêntricos em Nuvens de Computadores, APQ1 FAPERJ, Descrição: Técnicas de distribuição de atividades e paralelismo de dados em ambientes distribuídos vêm sendo objeto de pesquisas recentes, obtendo resultados significativos no aumento de desempenho de aplicações que lidam com grandes volumes de dados. Estas aplicações incluem experimentos científicos baseados em simulação. Seu uso vem crescendo rapidamente nos últimos anos, o que fez com que diversos cientistas começassem a modelar seus experimentos como workflows científicos. Entretanto, a demanda por técnicas de gerência de dados distribuídos vem crescendo, ao mesmo tempo em que surgem novos cenários de processamento distribuído e paralelo como as nuvens de computadores. Um dos maiores desafios na gerência de experimentos científicos em nuvens de computadores reside na exploração das características da nuvem como elasticidade. Além disso, devemos nos preocupar com a gerência de metadados e a gerência das aplicações (programas) e na composição dessas aplicações. O objetivo principal deste projeto de pesquisa está na geração de novas técnicas de gerência da execução de experimentos científicos em nuvens de computadores. Dentre as novas técnicas de gerência de recursos distribuídos, daremos ênfase à eficiência em: (i) captura e consultas a bases de dados de proveniência distribuídas e (ii) gerência e execução de workflows científicos. Todo o desenvolvimento será guiado pelos aspectos da organização e gerência de dados científicos em experimentos científicos, utilizando como estudo de caso workflows da área de aprendizado de máquina relacional para o estudo de redes sociais. Este experimento necessita realizar uma análise exploratória e se apresenta como um experimento em larga escala que depende de técnicas especializadas no que tange à sua execução paralela e a gerência dos dados.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . , Integrantes: Daniel Cardoso Moraes de Oliveira - Coordenador / Vanessa Braganholo - Integrante / Leonardo Murta - Integrante / Aline Paes - Integrante., Financiador(es): Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do RJ - Auxílio financeiro.Número de orientações: 2

  • 2012 - 2015

    Gerência de experimentos guiada por proveniência, Edital Gdes Desafios R$ 227.292,00, Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015., Descrição: O contexto do projeto está explicitamente identificado do documento "Grandes Desafios" da SBC (2006), no desafio 2 onde é dito que : ?O objetivo deste desafio é criar, avaliar, modificar, compor, gerenciar e explorar modelos computacionais para todos esses domínios e aplicações.? Abordamos esse desafio no projeto GExp (proc. 551013/2007-9), dentro do edital Edital MCT/CNPq/CT-INFO no 07/2007 - PD&I-TI. A todas essas ações que evolvem os modelos computacionais dos domínios e aplicações do desafio estamos chamando de "ciclo de vida do experimento científico". Os resultados positivos, nos levaram a propor uma continuidade ao apoio à gerência dos experimentos científicos em larga escala. No projeto GExp desenvolvemos processos, técnicas, algoritmos e software de apoio às fases de composição, execução e análise. Porém, devido à complexidade do desafio 2, essas soluções, embora concretas e promissoras, ainda estão longe de resolver o desafio previsto para essa década. Neste novo projeto damos continuidade ao apoio já desenvolvido e reforçamos a ênfase à representação e gerência das informações relativas às três fases do ciclo de vida do experimento. A proveniência pode ser vista como um dos principais auxílios conceituais para criar, modificar, compor e gerenciar os modelos computacionais do Desafio 2 dos ?Grandes Desafios? da SBC. Essa gerência de proveniência envolve varios desafios, em particular a representação da proveniência nas diversas fases do ciclo de vida e seu correspondente relacionamento. Uma das dificuldades está na associação dos dados de proveniência do experimento conceitual com os dados de proveniência do experimento executado. Outro desafio está relacionado a representação da proveniência de recursos distribuídos envolvendo o uso de ambientes de alto desempenho como grandes clusteres e nuvens computacionais. , Situação: Desativado; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Integrante / Guilherme Horta Travassos - Integrante / Alexandre A B Lima - Integrante / Marta Mattoso - Coordenador.

  • 2012 - 2013

    Apoio computacional ao desenvolvimento científico em larga escala, Universal 14/2011 - R$ 144.000,00, Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015., Descrição: A motivação principal desse projeto está no apoio computacional ao desenvolvimento de científico em larga escala. Mais especificamente visamos a enfrentar os desafios na gerência dos recursos distribuídos inerentes ao desenvolvimento de ciência hoje em áreas como bioinformática e de engenharia do petróleo. Trabalhos existentes tendem a tratar os dados separadamente do encadeamento dos processos científicos, ou ainda sem dar atenção ao processamento paralelo. Ao longo da experimentação, os cientistas necessitam desempenhar diversas atividades, e algumas delas estão relacionadas ao encadeamento de programas usados durante as simulações que demandam alto poder computacional. Cada execução de programa pode produzir uma coleção de dados com determinada sintaxe e semântica. Esta coleção de dados pode ser usada como entrada para o próximo programa a ser executado no fluxo. Consideramos que os dados de proveniência podem ser a chave para o apoio ao ciclo de vida do experimento científico. Mattoso et al. (2010) definem o ciclo de um experimento científico como sendo formado por três fases: composição, execução e análise. A composição é a fase que trata da definição, edição e manipulação dos workflows. Estes workflows são submetidos à execução para, posteriormente, terem os resultados das suas diferentes execuções analisados a partir de seus dados de proveniência (Freire et al. 2008). O tratamento dado à proveniência de experimentos científicos é parcialmente obtido por Sistemas de Gerência de Workflows Científicos (SGWfC). A gerência da proveniência é feita atrelada a um workflow específico e sem considerar os recursos distribuídos durante a execução paralela do experimento. Assim, gerenciar os dados de proveniência ao longo do ciclo de vida, envolvendo aspectos de execução distribuída de vários workflows associados ao experimento ainda é um problema longe de ser resolvido. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Marta Mattoso - Coordenador.

  • 2010 - 2011

    CiclExp - Apoio ao Ciclo de vida de Experimentos científicos, Universal, R$ 122.000,00, Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015., Descrição: ara que experimentos científicos em larga escala possam ser gerenciados, é ne-cessário que um conjunto de funcionalidades esteja presente. Dentre estas, estão o apoio à concepção dos workflows científicos e sua posterior instanciação num SGWfC (Sistema de Gerência de Workflows Científicos), a reutilização de workflows previamente concebidos por outros cientistas, o controle sobre a evolução das diferentes versões dos workflows e a coleta de informações que permitam identificar a proveniência dos dados gerados pela execução dos workflows científicos. Em particular é muito importante que a exploração visual de dados resultantes de workflows esteja associada a dados de proveniência do workflow. É fundamental que essas funcionalidades estejam atreladas ao experimento científico que está sendo conduzido por uma equipe de cientistas. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Integrante / Claudia Werner - Integrante / Leonardo Murta - Integrante / Marta Mattoso - Coordenador.

  • 2007 - 2009

    GExp- Gerência de experimentos científicos em larga escala, Edital Gdes Desafios - R$ 366.549,76, Projeto certificado pelo(a) coordenador(a) Marta Lima de Queiros Mattoso em 23/01/2015., Descrição: Diversas áreas científicas, tais como bioinformática e engenharia de petróleo, necessitam de meios para a execução simulada de experimentos. Em sua grande maioria, esses experimentos consistem da concatenação de programas e dados, que são repetidamente executados para testar hipóteses por meio da variação de parâmetros, dados, filtros, etc.. Uma ferramenta que apenas auxilie a concatenação de programas e dados não é suficiente para tratar a complexidade imposta pelos problemas a serem analisados. Faz-se necessário um sistema que gerencie a composição e execução de processos e dados num fluxo, que pode ser chamado de workflow científico. Mesmo nos casos onde sistemas de gerência de workflow científico são empregados, o apoio ainda é incipiente em três principais etapas: concepção, execução e análise. Durante a etapa de concepção, as tomadas de decisão quanto à estruturação do próprio workflow ocorrem de forma ad-hoc. Além disso, alguns fragmentos de workflow se repetem em outros workflows, o que passa despercebido pelos cientistas, gerando retrabalho e baixa qualidade do workflow resultante. Durante a etapa de execução, podem ser observadas necessidades de aumento de desempenho, o que pode ser atenuado via distribuição e paralelismo de recursos computacionais. Contudo, a transformação de sistemas seqüenciais em sistemas paralelos não é trivial, em especial para sistemas legados. Além disso, em diversas situações se torna necessário o acompanhamento on-line dos resultados parciais da execução do workflow. Finalmente, durante a etapa de análise, a maior necessidade consiste na identificação da razão de existência de determinados resultados, levando em consideração tanto os dados e parâmetros de entrada do workflow, quanto a configuração interna do workflow que transformou esses dados. Desta forma, o objetivo deste projeto é elaborar e aplicar técnicas de Banco de Dados e Engenharia de Software no contexto de experimentos científicos para tratar os problemas discutido. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Daniel Cardoso Moraes de Oliveira - Integrante / Vanessa Braganholo - Integrante / Claudia Werner - Integrante / Guilherme Horta Travassos - Integrante / Leonardo Murta - Integrante / Eduardo Ogasawara - Integrante / Marta Mattoso - Coordenador.

Seção coletada automaticamente pelo Escavador

Prêmios

2019

Melhor Dissertação de Mestrado defendida em 2018 - Orientação do aluno Thaylon Guedes Santos - "Análise e Captura de Proveniência no Apache Spark", Programa de Pós-Graduação em Computação - Universidade Federal Fluminense.

2019

Melhor Tese de Doutorado defendida em 2018 - Orientação do aluno Vitor Silva Sousa - "Análise de Dados Científicos sobre Múltiplas Fontes de Dados ao longo da Execução de Simulações Comp.", Programa de Engenharia de Sistemas e Computação - COPPE/UFRJ.

2019

Finalist paper in TCCLS Best Paper Award pelo artigo "A Two-Phase Learning Approach for the Segmentation of Dermatological Wound" no IEEE CBMS International Symposium on Computer-Based Medical Systems, IEEE Technical Commitee on Computational Life Sciences.

2019

Jovem Cientista do Nosso Estado, FAPERJ, FAPERJ.

2019

Melhor Tese de Doutorado - Simpósio Brasileiro de Banco de Dados - Orientação de Vítor Silva Sousa com a tese intitulada "Runtime Dataflow Analysis in Scientific Applications", Comissão Especial de Banco de Dados.

2019

Melhor Demonstração do 34o Simpósio Brasileiro de Banco de Dados com o artigo "J-EDA: A diversified similarity workbench for content-based image retrieval", Comissão Especial de Banco de Dados - Sociedade Brasileira de Computação.

2019

Menção Honrosa pelo artigo "Análise Integrada de Grafos de Proveniência Heterogêneos por meio de uma Abordagem PolyStore" no Simpósio Brasileiro de Banco de Dados 2019, Comissão Especial de Banco de Dados.

2019

Menção Honrosa no VIII Prêmio de Excelência em Docência, Universidade Federal Fluminense.

2018

Professor Homenageado na Turma 2017.2 de Sistemas de Informação da UFF, Universidade Federal Fluminense.

2018

Patrono da Turma 2017.2 de Sistemas de Informação da UFF, Universidade Federal Fluminense.

2018

Melhor Demonstração do 33o Simpósio Brasileiro de Banco de Dados com o artigo "VP-Viewer: keeping Track of Your Query from a Vantage Point", Sociedade Brasileira de Computação.

2018

Menção Honrosa pelo artigo "Análise Online de Dados de Proveniência e de Domínio de Aplicações Spark com SAMbA", no Simpósio Brasileiro de Banco de Dados, Sociedade Brasileira de Computação.

2017

Professor Homenageado na Turma 2016.2 de Sistemas de Informação da UFF, Universidade Federal Fluminense.

2017

Menção Honrosa pelo artigo "Análise de Dados Científicos: uma Análise Comparativa de Dados de Simulações Computacionais" no XXXII Simpósio Brasileiro de Banco de Dados, Sociedade Brasileira de Computação.

2017

Prêmio de Melhor Avaliador do XXXII Simpósio Brasileiro de Banco de Dados, Sociedade Brasileira de Computação.

2016

Best Paper Award - 6th International Provenance and Annotation Workshop (IPAW) in conjunction with The 2016 Provenance Week, Springer.

2016

Melhor artigo do X Brazilian e-Science Workshop (BreSci) para o trabalho intitulado "Verificação da Reprodução de Workflows Científicos por meio de Algoritmos de Detecção de Plágio", Sociedade Brasileira de Computação.

2016

Paraninfo da turma 2015.2 do curso de Bacharelado em Ciência da Computação, Universidade Federal Fluminense.

2016

Jovem Cientista do Nosso Estado, FAPERJ.

2016

Paraninfo da turma 2016.1 do curso de Bacharelado em Ciência da Computação, Universidade Federal Fluminense.

2015

Professor Homenageado na Turma 2014/2 de Ciência da Computação da UFF, Universidade Federal Fluminense.

2015

2o melhor artigo do XIV Workshop em Desempenho de Sistemas Computacionais e de Comunicação, Sociedade Brasileira de Computação.

2015

Melhor artigo do Latin America High Performance Computing Conference (CARLA 2015), Sociedade Brasileira de Computação.

2015

Menção Honrosa pelo artigo "Uma Abordagem para Publicação de Dados de Proveniência de Workflows Científicos na Web Semântica" no XXX Simpósio Brasileiro de Banco de Dados, Sociedade Brasileira de Computação.

2014

Professor homenageado da turma 6AINFO 2013.2 do curso técnico em informática, Centro Federal de Educação Tecnológica Celso Suckow da Fonseca.

2013

Tese de Doutorado indicada a premiação pelo PESC/COPPE/UFRJ - Concurso de Teses da CAPES, PESC/COPPE.

2012

Best Paper Award - 2nd International Workshop on Cloud Computing and Scientific Applications (CCSA) In conjunction with The 12th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing, Dell Inc..

2012

Aprovação em 1o Lugar no Concurso público para o cargo de Tecnologista Pleno 2, Laboratório Nacional de Computação Científica - LNCC.

2012

Aprovação em 1o Lugar no Concurso público para o cargo de Professor Adjunto, Universidade Federal Fluminense (UFF).

2012

Menção honrosa na XXXIV Jornada Giulio Massarani de Iniciação Científica - Orientação do aluno Pedro Henrique Cruz Caminha, Universidade Federal do Rio de Janeiro.

2011

Aprovação em concurso para professor temporário - Edital 2011/003, Centro Federal de Educação Tecnológica Celso Suckow da Fonseca (CEFET/RJ).

2010

Aprovação em concurso para professor - Edital 2010/001, Centro Federal de Educação Tecnológica Celso Suckow da Fonseca (CEFET-RJ).

2009

Bolsa de Doutorado, CAPES.

2005

Bolsa de Mestrado, CAPES.

Histórico profissional

Seção coletada automaticamente pelo Escavador

Endereço profissional

  • Universidade Federal Fluminense, Centro Tecnológico, Instituto de Computação. , Rua Passo da Pátria 156 - Prédio do Instituto de Computação - Sala 508, São Domingos, 24210240 - Niterói, RJ - Brasil, Telefone: (21) 26295669, URL da Homepage:

Seção coletada automaticamente pelo Escavador

Experiência profissional

  • 2017 - Atual

    Institut National de Recherche en Informatique et en Automatique - Siège

    Vínculo: , Enquadramento Funcional:

  • 2014 - Atual

    Laboratório Nacional de Computação Científica

    Vínculo: Colaborador, Enquadramento Funcional: Colaborador

    Outras informações:
    Colaboração no contexto do projeto MUSIC - Gerência de dados científicos em uma nuvem multi-site

  • 2019 - Atual

    Universidade Federal Fluminense

    Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto IV, Carga horária: 40, Regime: Dedicação exclusiva.

  • 2017 - 2019

    Universidade Federal Fluminense

    Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto III, Carga horária: 40, Regime: Dedicação exclusiva.

  • 2015 - 2017

    Universidade Federal Fluminense

    Vínculo: , Enquadramento Funcional: Professor Adjunto II, Carga horária: 40, Regime: Dedicação exclusiva.

  • 2013 - 2015

    Universidade Federal Fluminense

    Vínculo: , Enquadramento Funcional: Professor Adjunto I, Carga horária: 40, Regime: Dedicação exclusiva.

    Atividades

    • 03/2017

      Ensino, Engenharia de Telecomunicações, Nível: Graduação,Disciplinas ministradas, Introdução a Projeto de Banco de Dados

    • 03/2017

      Ensino, Sistemas de Informação, Nível: Graduação,Disciplinas ministradas, Projeto de Banco de Dados para Sistemas de Informação

    • 02/2017

      Direção e administração, Centro Tecnológico, Instituto de Computação.,Cargo ou função, Vice-diretor.

    • 10/2016

      Conselhos, Comissões e Consultoria, Centro Tecnológico, Instituto de Computação.,Cargo ou função, Membro do Colegiado do Programa de Pós-graduação em Computação.

    • 10/2014

      Conselhos, Comissões e Consultoria, Centro Tecnológico, Instituto de Computação.,Cargo ou função, Membro titular do Colegiado do Curso de Bacharelado em Ciência da Computação.

    • 05/2014

      Outras atividades técnico-científicas , Centro Tecnológico, Centro Tecnológico.,Atividade realizada, Editor do Informe-IC (jornal interno do instituto de computação).

    • 07/2013

      Conselhos, Comissões e Consultoria, Centro Tecnológico, Instituto de Computação.,Cargo ou função, Membro titular do colegiado do curso de graduação em engenharia do petróleo.

    • 02/2013

      Pesquisa e desenvolvimento , Centro Tecnológico, Instituto de Computação.,Linhas de pesquisa

    • 02/2013

      Pesquisa e desenvolvimento , Centro Tecnológico, Instituto de Computação.,Linhas de pesquisa

    • 08/2016 - 12/2016

      Ensino, Computação, Nível: Pós-Graduação,Disciplinas ministradas, Bancos de Dados Distribuídos, Bancos de Dados Distribuídos - MINTER/IFMT, Estudo Orientado I, Estudo Orientado II

    • 08/2016 - 12/2016

      Ensino, Sistemas de Informação, Nível: Graduação,Disciplinas ministradas, Projeto de Banco de Dados para Sistemas de Informação, Tópicos Especiais em Banco de Dados III

    • 03/2016 - 08/2016

      Ensino, Comunicação, Nível: Pós-Graduação,Disciplinas ministradas, e-Science, Estudo Orientado I

    • 03/2016 - 07/2016

      Ensino, Sistemas de Informação, Nível: Graduação,Disciplinas ministradas, Projeto de Banco de Dados para Sistemas de Informação, Tópicos em Banco de Dados I

    • 08/2015 - 12/2015

      Ensino, Sistemas de Informação, Nível: Graduação,Disciplinas ministradas, Banco de Dados, Tópicos em Bancos de Dados III

    • 08/2015 - 12/2015

      Ensino, Computação, Nível: Pós-Graduação,Disciplinas ministradas, Bancos de Dados Distribuídos

    • 02/2015 - 07/2015

      Ensino, Sistemas de Informação, Nível: Graduação,Disciplinas ministradas, Banco de Dados, Engenharia de Software

    • 06/2014 - 12/2014

      Ensino, Ciência da Computação, Nível: Graduação,Disciplinas ministradas, Projeto de Banco de Dados

    • 06/2014 - 12/2014

      Ensino, Computação, Nível: Pós-Graduação,Disciplinas ministradas, Bancos de Dados Distribuídos

    • 02/2014 - 06/2014

      Ensino, Ciência da Computação, Nível: Graduação,Disciplinas ministradas, Projeto de Banco de Dados

    • 02/2014 - 06/2014

      Ensino, Sistemas de Informação, Nível: Graduação,Disciplinas ministradas, Desenvolvimento Web

    • 09/2013 - 01/2014

      Ensino, Sistemas de Informação, Nível: Graduação,Disciplinas ministradas, Banco de Dados, Tópicos em Banco de Dados III

    • 09/2013 - 01/2014

      Ensino, Ciência da Computação, Nível: Graduação,Disciplinas ministradas, Tópicos em Banco de Dados III

    • 08/2013 - 11/2013

      Ensino, CIÊNCIAS DA COMPUTAÇÃO, Nível: Pós-Graduação,Disciplinas ministradas, Bancos de Dados Distribuídos

    • 04/2013 - 08/2013

      Ensino, Sistemas de Informação, Nível: Graduação,Disciplinas ministradas, Banco de Dados, Desenvolvimento Web

    • 04/2013 - 08/2013

      Ensino, CIÊNCIAS DA COMPUTAÇÃO, Nível: Pós-Graduação,Disciplinas ministradas, Estudo Orientado I

  • 2012 - Atual

    Universidade Federal do Rio de Janeiro

    Vínculo: Colaborador, Enquadramento Funcional: Colaborador

  • 2008 - 2012

    Universidade Federal do Rio de Janeiro

    Vínculo: Bolsista, Enquadramento Funcional: Aluno de Doutorado

  • 2005 - 2008

    Universidade Federal do Rio de Janeiro

    Vínculo: Bolsista, Enquadramento Funcional: Aluno de Mestrado

  • 2000 - 2004

    Universidade Federal do Rio de Janeiro

    Vínculo: Bolsista, Enquadramento Funcional: Aluno de Graduação

  • 2016 - Atual

    Fundação Centro de Ciências e Educação Superior à Distância do Estado do RJ

    Vínculo: Bolsista, Enquadramento Funcional: Conteudista, Carga horária: 8

  • 2014 - 2016

    Fundação Centro de Ciências e Educação Superior à Distância do Estado do RJ

    Vínculo: Bolsista, Enquadramento Funcional: Coordenador de Tutoria, Carga horária: 12

  • 2011 - 2014

    Fundação Centro de Ciências e Educação Superior à Distância do Estado do RJ

    Vínculo: Bolsista, Enquadramento Funcional: Tutor de Banco de Dados, Carga horária: 4

    Atividades

    • 06/2016

      Ensino, Tecnologia em Sistemas de Computação, Nível: Graduação,Disciplinas ministradas, Programação de Aplicações Web

    • 12/2014 - 06/2016

      Ensino, Tecnologia em Sistemas de Computação, Nível: Graduação,Disciplinas ministradas, Coordenação de Tutoria

    • 02/2011 - 12/2014

      Ensino, Tecnologia em Sistemas de Computação, Nível: Graduação,Disciplinas ministradas, Banco de Dados

  • 2011 - 2013

    Centro Federal de Educação Tecnológica Celso Suckow da Fonseca

    Vínculo: Contratado, Enquadramento Funcional: Professor Temporário, Carga horária: 40

    Atividades

    • 10/2012 - 02/2013

      Ensino, Tecnologia em Sistemas para Internet, Nível: Graduação,Disciplinas ministradas, Estrutura de Dados e Algoritmos, Lógica Matemática, Tópicos de Estudo e Pesquisa

    • 02/2012 - 02/2013

      Ensino,,Disciplinas ministradas, Desenvolvimento de Sistemas Para Internet II, Fundamentos de Programação Web, Projeto e Desenvolvimento de Sistemas I

    • 02/2012 - 10/2012

      Ensino, Tecnologia em Sistemas para Internet, Nível: Graduação,Disciplinas ministradas, Lógica Matemática, Programação de Clientes Web, Técnicas de Estudo e Pesquisa

    • 08/2011 - 02/2012

      Ensino,,Disciplinas ministradas, Administração e Projeto de Redes, Sistemas Operacionais

    • 08/2011 - 02/2012

      Ensino, Tecnologia em Sistemas para Internet, Nível: Graduação,Disciplinas ministradas, Lógica Matemática, Programação de Clientes Web

  • 2011 - 2011

    Centro Universitário Plínio Leite

    Vínculo: Celetista formal, Enquadramento Funcional: Professor Assistente, Carga horária: 20

    Atividades

    • 02/2011 - 07/2011

      Ensino, Bacharelado em Ciência da Computação, Nível: Graduação,Disciplinas ministradas, Redes de Computadores, Sistemas Operacionais II, Tópicos Avançados em Banco de Dados

  • 2003 - 2004

    Centro de Pesquisa e Desenvolvimento Leopoldo Américo Miguêz de Mello

    Vínculo: Colaborador, Enquadramento Funcional: Bolsista de Pesquisa, Carga horária: 20, Regime: Dedicação exclusiva.

    Outras informações:
    Responsável por manutenção em aplicações de documentação e de apoio a atividade laboratorial do centro de pesquisa. Em especial a aplicação de alocação de recursos para ensaios em laboratório.