Ana Carolina Espirito Santo Lima

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Orientou

Produções bibliográficas

• LIMA, ANA CAROLINA E. S. ; DE CASTRO, LEANDRO NUNES . TECLA: A temperament and psychological type prediction framework from Twitter data. PLoS One , v. 14, p. e0212844, 2019.

• LIMA, ANA CAROLINA E.S. ; DE CASTRO, LEANDRO NUNES ; CORCHADO, JUAN M. . A polarity analysis framework for Twitter messages. Applied Mathematics and Computation , v. 270, p. 756-767, 2015.

• LIMA, ANA CAROLINA E.S. ; DE CASTRO, LEANDRO NUNES . A multi-label, semi-supervised classification approach applied to personality prediction in social media. Neural Networks , v. 58, p. 122-130, 2014.

• LIMA, ANA C. E. S. ; DE CASTRO, LEANDRO N. . A Context-Based Word Sense Disambiguation Method for TV Shows. Advances in Information Technology and Applied Computing , v. 1, p. 159-163, 2012.

• DE CASTRO, LEANDRO N. ; LIMA, ANA CAROLINA E. S. ; CLARO, CRISTINA FÁTIMA . Predicting Temperament using Keirsey?s Model for Portuguese Twitter Data. In: 10th International Conference on Agents and Artificial Intelligence, 2018, Funchal. Proceedings of the 10th International Conference on Agents and Artificial Intelligence, 2018. p. 250.

• COELHO, U. M. ; LIMA, A. C. E. S ; OMAR, N. . Analisador de expressões positivas e negativas aplicado em comentários de livros e filmes. In: XLIII Conferencia Latino Americana de Informática, 2017, Córdoba. 46 Jornadas Argentinas de Informática e Investigación Operativa (JAIIO)-43 Conferencia Latinoamericana de Informática (CLEI), 2017.

• LIMA, A. C. E. S ; de Castro, L. N . Predicting Temperament from Twitter Data. In: 2016 5th IIAI International Congress on Advanced Applied Informatics, 2016, Kumamoto. Proceedings 5th International Congress on Advanced Applied Informatics, 2016.

• LIMA, ANA C. E. S ; de Castro, L. N . Multi-Label Semi-Supervised Classification Applied to Personality Prediction in Tweets. In: 1st BRICS Countries Congress (BRICS-CCI) and 11th Brazilian Congress (CBIC) on Computational Intelligence, 2013, Porto de Galinhas. 1st BRICS Countries Congress (BRICS-CCI) and 11th Brazilian Congress (CBIC) on Computational Intelligence, 2013.

• LIMA, ANA C. E. S. ; DE CASTRO, LEANDRO N. . Automatic sentiment analysis of Twitter messages. In: 2012 Fourth International Conference on Computational Aspects of Social Networks (CASoN), 2012, Sao Carlos. 2012 Fourth International Conference on Computational Aspects of Social Networks (CASoN). p. 52-54.

• LIMA, ANA C. E. S ; de Castro, L. N . A Context-Based Word Sense Disambiguation Method for TV Shows. In: International Conference of Information Science and Somputer Applications, 2012, Bali. International Conference of Information Science and Somputer Applications, 2012.

• LIMA, A. C. E. S ; de Castro, L. N . Uso de Emoticons para Análise de Sentimento de Tweets. In: Congresso Brasileiro de Automárica, 2012, Campina Grande. Anais do XIX Congresso Brasileiro de Automática, CBA 2012, 2012. p. 2555-2561.

• ESPIRITO SANTO, A. C. ; Morais, S. W.G ; ALBUQUERQUE, C. D. C . SADHans: Sistema de Apoio a Decisão no Diagnóstico da Hanseníase utilizando Redes Neurais Artificiais. In: XII Congresso Brasileiro de Informática em Saúde, 2010, Porto de Galinhas. SADHans: Sistema de Apoio a Decisão no Diagnóstico da Hanseníase utilizando Redes Neurais Artificiais, 2010.

• LIMA, A. C. E. S ; de Castro, L. N . Uso de Emoticons para Análise de Sentimento de Tweets. 2012. (Apresentação de Trabalho/Congresso).

• LIMA, A. C. E. S ; de Castro, L. N . Automatic Sentiment Analysis of Twitter Messages. 2012. (Apresentação de Trabalho/Conferência ou palestra).

• ESPIRITO SANTO, A. C. . Softwares Sensores Baseado em Redes Neutais Artificiais para Monitoramento de Atividades de Emulsificação. 2010. (Apresentação de Trabalho/Congresso).

• ESPIRITO SANTO, A. C. . Softwares sensores baseado em redes neurais artificiais para estimação de atividade de emulsificação para emulsões água em óleo de canola, em processo de produção de biossurfactante por Candida lipolytica. 2009. (Apresentação de Trabalho/Congresso).

Outras produções

Projetos de pesquisa

• 2017 - Atual

  Centro de Excelência em Aprendizagem de Máquina, Projeto certificado pelo(a) coordenador(a) Leandro Nunes de Castro Silva em 08/12/2017., Descrição: Descrição: A Intel trabalha em parceria com o Laboratório de Computação Natural e Aprendizagem de Máquina (LCoN) da Universidade Presbiteriana Mackenzie para desenvolver mais um Centro de Excelência (CoE) em Aprendizagem de Máquinas no Brasil. O projeto tem o objetivo de colaborar com a indústria e comunidade científica na solução de problemas complexos através do uso de Inteligência Artificial. A Intel oferece, por meio desta iniciativa, workshops, ministrados pela universidade, a toda comunidade científica e de desenvolvedores de software com a finalidade de ressaltar todo o potencial da inteligência artificial no aprendizado de máquinas. O centro também colabora com clientes da Intel na realização de Provas de Conceito (PoC), projetos piloto e soluções para diferentes verticais da indústria. A Intel fornece ferramentas completas para trazer performance às aplicações de Big Data, como Intel Python Distribution, Intel Math Kernel Library e Intel Data Analytics Acceleration Library, que são fundamentais para extrair todo paralelismo dos processadores Xeon e Xeon Phi. O Centro tem contato com engenheiros de software da Intel de diversos países e conta com suporte técnico personalizado. Os centros de excelência em machine learning fazem parte de uma iniciativa global da companhia, chamada Intel AI Academy, que visa prover capacitação em Inteligência Artificial para estudantes de Cursos de Computação (Ciência, Engenharia e correlatos) e desenvolvimento de aplicações de inteligência artificial. As tecnologias de Big Data que fazem uso de algoritmos de Inteligência artificial geralmente demandam grande poder computacional e máquinas de alto desempenho. Os centros de excelência também contam com ferramentas como o Intel Deep Learning SDK, que facilita o processo de desenvolvimento de aplicações, aumentam a produtividade e aceleram o time-to-market em aplicações de redes neurais profundas (ou Deep Learning). Referência à arquitetura da Intel em Inteligência Artificial. https://software.intel.com/pt-br/ai.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (2) . , Integrantes: Ana Carolina Espirito Santo Lima - Integrante / Leandro Nunes de Castro - Coordenador / André Luiz Vizine - Integrante / Rodrigo Pasti - Integrante / Rafael Martins dos Santos - Integrante / Calebe de Paula Bianchini - Integrante / Joel Joaquim de Souza Junior - Integrante / Isabela Ruiz Roque - Integrante.

• 2009 - 2011

  Modelagem, Monitoramento e Otimização Inteligentes de Processo de Produção de Biossurfactantes, Descrição: Softwares sensores baseado em redes neurais artificiais para estimação da atividade de emulsificação para emulsões água em óleo de canola, em processo de scale-up de produção de biossurfactante.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Ana Carolina Espirito Santo Lima - Integrante / Clarissa Daisy da Costa Albuquerque - Coordenador.

• 2007 - 2009

  Software Sensores Baseados em Redes Neurais Artificiais Aplicados a Biotecnologia, Descrição: Softwares sensores baseado em redes neurais artificiais para estimação de atividade de emulsificação para emulsões água em óleo de canola, em processo de produção de biossurfactante por Candida lipolytica. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Ana Carolina Espirito Santo Lima - Integrante / Clarissa Daisy da Costa Albuquerque - Coordenador.

Prêmios