Renata De Paris

Formação complementar

Idiomas

Áreas de atuação

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• PALUDO LICKS, GABRIEL ; COLLEONI COUTO, JULIA ; DE FÁTIMA MIEHE, PRISCILLA ; DE PARIS, RENATA ; DUBUGRAS RUIZ, DUNCAN ; MENEGUZZI, FELIPE . SmartIX: A database indexing agent based on reinforcement learning. APPLIED INTELLIGENCE (DORDRECHT. ONLINE) , v. 50, p. 2575-2588, 2020.

• De Paris, R. ; QUEVEDO, C. V. ; RUIZ, D. D. A. ; GARGANO, F. ; NORBERTO DE SOUZA, O. . A selective method for optimizing ensemble docking-based experiments on an InhA Fully-Flexible receptor model. BMC BIOINFORMATICS , v. 19, p. 235, 2018.

• DE PARIS, RENATA ; QUEVEDO, CHRISTIAN V. ; RUIZ, DUNCAN D. ; NORBERTO DE SOUZA, OSMAR ; BARROS, RODRIGO C. . Clustering Molecular Dynamics Trajectories for Optimizing Docking Experiments. Computational Intelligence and Neuroscience , v. 2015, p. 1-9, 2015.

• DE PARIS, RENATA ; QUEVEDO, CHRISTIAN V. ; RUIZ, DUNCAN D. A. ; NORBERTO DE SOUZA, OSMAR . An Effective Approach for Clustering InhA Molecular Dynamics Trajectory Using Substrate-Binding Cavity Features. Plos One , v. 10, p. e0133172, 2015.

• QUEVEDO, CHRISTIAN VAHL ; PARIS, RENATA DE ; RUIZ, DUNCAN D. ; SOUZA, OSMAR NORBERTO DE . A Strategic Solution to Optimize Molecular Docking Simulations Using Fully-Flexible Receptor Models. Expert Systems with Applications , v. 41, p. 7608-7620, 2014.

• DE PARIS, RENATA ; FRANTZ, FÁBIO A. ; NORBERTO DE SOUZA, OSMAR ; RUIZ, DUNCAN D. A. . wFReDoW: A Cloud-Based Web Environment to Handle Molecular Docking Simulations of a Fully Flexible Receptor Model. BioMed Research International , v. 2013, p. 1-12, 2013.

• RUIZ, DUNCAN D. A. ; DE PARIS, RENATA ; QUEVEDO, CHRISTIAN V. ; NORBERTO DE SOUZA, OSMAR . From Docking to Deep Learning: A 3D Neural Network for Accelerating Ligand Screening. In: In: 19th International Conference on Practical Applications of Computational Biology & Bioinformatics, 2025, Lille - França., 2025, Lille. Proceedings of 19th International Conference on Practical Applications of Computational Biology & Bioinformatics. Berlin: Springer, 2025. v. 1. p. 1-10.

• MORAES, G. K. ; DIAS, G. S. M. ; Fabris, V ; GESSONI, L. D. ; NASCIMENTO, L. R. ; OLIVEIRA, C. S. ; FARIAS, V. C. B. ; MARUCCI, F. C. O. ; VICENTE, M. H. R. ; TALASSO, G. ; MUNOZ, A. ; GOMES, S. ; CRUVINEL, M. L. A. S. ; SANTOS, L. T. ; De Paris, R. ; GIBAUT, W. S. P. . HR-Agents: Using Multiple LLM-based Agents to Improve Q&A about Brazilian Labor Legislation. In: Simpósio Brasileiro de Automação Inteligente, 2025, São José Del-Rei. Simpósio Brasileiro de Automação Inteligente, 2025.

• Fabris, V ; OLIVEIRA, J. R. ; SILVA, C. H. B. ; Cassenote, V. ; Silva, J.V.N.A. ; ARRAIS, R. R. ; DE PARIS, RENATA . Explainable Artificial Intelligence Using Forward-Forward Networks: A Study Involving Quantitative Analysis. In: In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 2024, Belem. Anais do XXI Encontro Nacional de Inteligência Artificial e Computacional. Porto Alegre: Sociedade Brasileira de Computação, 2024. v. 1. p. 577-588.

• Fabris, V ; Bastos, F.C. ; Faria, A.C.A.M. ; Silva, J.V.N.A. ; LUIZ, P. A. ; Silva, R. C. ; De Paris, R. ; SANTOS, C. F. G. . Efficient Brazilian Sign Language Recognition: A Study on Mobile Devices. In: CIARP 2023 - In Iberoamerican Congress on Pattern Recognition, 2023, Portugal - Coimbra. Lecture Notes in Computer Science. Switzerland: Springer Nature Switzerland, 2023. v. 14469. p. 406-419.

• De Paris, R. ; QUEVEDO, CHRISTIAN V. ; RUIZ, D. D. A. ; NORBERTO DE SOUZA, OSMAR . An Effective Method to Optimize Docking-Based Virtual Screening of Fully-Flexible Receptor Models. In: Simpósio Brasileiro de Banco de Dados, 2017, Uberlândia - MG. Workshop Databases meet Bioinformatics, 2017.

• BARROS, RODRIGO C. ; QUEVEDO, C. V. ; DE PARIS, R. ; BASGALUPP, M. P. . Clustering Molecular Dynamics Trajectories with a Univariate Estimation of Distribution Algorithm. In: IEEE Congress on Evolutionary Computation, 2015, Sendai, Japan. Proceedings of the 2015 IEEE Congress on Evolutionary Computation (CEC 2015), 2015.

• De Paris, R. ; RUIZ, D. A. D. ; NORBERTO DE SOUZA, O. . A Cloud-Based Workflow Approach for Optimizing Molecular Docking Simulations of Fully-Flexible Receptor Models and Multiple Ligands. In: Conference on Cloud Computing Technology and Science, 2015, Vancouver,Canada. IEEE 6th International Conference on Cloud Computing Technology and Science (CloudCom2015), 2015.

• DE PARIS, R. ; FRANTZ, F. A. ; NORBERTO DE SOUZA, O. ; RUIZ, D. D. A. . A Conceptual Many Tasks Computing Architecture to Execute Molecular Docking Simulations of a Fully-Flexible Receptor Model. In: 6th Brazilian Symposium on Bioinformatics, 2011, Brasília. Advances in Bioinformatics and Computacional Biology. Berlin: Springer-Verlag, 2011. v. 6832. p. 75-78.

• PARIS, RENATA DE ; Dall'Agno, K. C. M. . Colocação profissional, carreira e as tendências para o mercado de trabalho na TI. 2018. (Apresentação de Trabalho/Outra).

• De Paris, R. . Rumo a Era da Análise de Grandes Volumes de Dados. 2017. (Apresentação de Trabalho/Outra).

• De Paris, R. ; Dall'Agno, K. C. M. . Colocação profissional, carreira e mercado de trabalho na TI. 2017. (Apresentação de Trabalho/Outra).

• De Paris, R. ; RUIZ, D. D. A. ; NORBERTO DE SOUZA, O. . A Cloud-Based Workflow Approach for Optimizing Molecular Docking Simulations of Fully-Flexible Receptor Models and Multiple Ligands. 2015. (Apresentação de Trabalho/Conferência ou palestra).

• CUNHA, H. ; DE PARIS, RENATA ; QUEVEDO, CHRISTIAN VAHL ; RUIZ, D. D. A. ; NORBERTO DE SOUZA, O. . Recent Advances in Molecular Docking Experiments of Fully-Flexible Receptor Models. 2014. (Apresentação de Trabalho/Conferência ou palestra).

• De Paris, R. . An effective method to optimize docking-based virtual screening in a clustered fully-flexible receptor model deployed on cloud platforms 2017 (Tese de Doutorado).

• DE PARIS, R. . FReMI: A middleware to handle molecular docking simulations of fully-flexible receptor models 2012 (Dissertação de Mestrado).

• DE PARIS, R. . Desenvolvimento de workflow científico para bioinformática 2008 (TCC).

• De Paris, R. . Ciência de Dados - Nível Básico. 2018. (Curso de curta duração ministrado/Extensão).

Projetos de pesquisa

• 2018 - Atual

  SmartIX - Indexação dinâmica e inteligente para grandes conjuntos de dados, Projeto certificado pelo(a) coordenador(a) Duncan Dubugras Alcoba Ruiz em 29/06/2018., Descrição: De acordo com o Gartner Group, ""Big Data é o conjunto de recursos de alto volume, em alta velocidade e variedade, e com alta demanda que exige formas econômicas e inovadoras de processamento de informações, que permitam uma melhor percepção, tomada de decisão e automação de processos."" Essa quantidade enorme de dados produzidos continuamente por várias aplicações pode precisar ser consultada logo que elas estejam disponíveis, o que não é possível devido a limitações nas técnicas clássicas de indexação. Considere um típico conjunto de dados grandes, com uma enorme população e uma alta taxa de anexos. Ao empregar abordagens de análise e aprendizagem, bem como indexação dinâmica estrategicamente aplicada, acreditamos que exista um potencial substancial para melhorar a performance global. Nossa proposta é dupla: (a) indexação de grandes conjuntos de dados, e (b) aprendizado on-line do valor dos dados. Para este projeto, nos concentramos em grandes conjuntos de dados no formato CSV... , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (1) . , Integrantes: Renata De Paris - Integrante / Duncan Dubugras Alcoba Ruiz - Coordenador / Felipe Rech Meneguzzi - Integrante., Financiador(es): SAP Brasil Ltda. - Auxílio financeiro.

• 2018 - 2019

  Mobile Data Analytics v4, Descrição: Motorola Mobility Comercio de Produtos Eletrônicos LTDA, doravante denominada MOTOROLA, tem interesse em estabelecer atividades de cooperação através de processos de parceria. O Instituto de Pesquisas Eldorado, doravante denominado ELDORADO, é reconhecido pelo Comitê da Área da Tecnologia da Informação CATI para receber recursos e desenvolver projetos pela Lei de Informática, e está totalmente capacitado para atender à demanda de Pesquisa e Desenvolvimento (P&D) de parceiros em diversos segmentos. Além de projetos desenvolvidos por meio da Lei de Informática, o ELDORADO desenvolve projetos por meio da Lei do Bem, do Programa CI-Brasil, PADIS e Sistema Brasileiro de Tecnologia (Sibratec), programas que contribuem para o desenvolvimento tecnológico das empresas brasileiras. A Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS), por sua vez, tem compartilhado seus conhecimentos e experiências, com ênfase no desenvolvimento de pesquisa em Ciência da Computação. A MOTOROLA, em parceria com o ELDORADO, tem interesse no desenvolvimento de estudos e pesquisas na área de Big Data, especificamente em análise, pré-processamento e padronização de dados. O programa de pós-graduação em Ciência da Computação (PPGCC) da PUCRS tem o Grupo de Pesquisa em Inteligência de Negócio e Aprendizado de Máquina (GPIN) cujos alguns dos principais interesses em pesquisa alinham-se aos interesses da MOTOROLA. Com efeito, no período de Março/2015 a Fevereiro/2016 o ELDORADO e a PUCRS estabeleceram o projeto Mobile Data Analytics do qual este projeto é sucessor. O conteúdo previsto neste projeto é uma atividade complementar ao Projeto Analytics, firmado entre o ELDORADO e a MOTOROLA. Para tanto, pesquisadores do PPGCC-FACIN-PUCRS, em uma colaboração sinérgica com o ELDORADO, proporcionarão à MOTOROLA experiência em análise de grandes bancos de dados e em mobilidade de código em dispositivos móveis. Durante o curso do projeto, uma equipe de pesquisadores sêniores será responsável pela continuidade na formação de pessoal qualificado, a fim de atender as necessidades do projeto em relação à análise de dados, pré-processamento e descoberta de padrões em grandes quantidades de dados, e em mobilidade de código em dispositivos móveis. Os pesquisadores têm longa experiência em áreas como a aprendizado de máquina, mineração de dados, análise de dados, computação em nuvem e computação de alto desempenho, proporcionando um ambiente multidisciplinar ideal para a pesquisa e formação de pessoal de alta qualidade em analytics e business intelligence.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (3) / Doutorado: (5) . , Integrantes: Renata De Paris - Integrante / Duncan Dubugras Alcoba Ruiz - Integrante / Christian V. Quevedo - Integrante / Rodrigo Coelho Barros - Coordenador.

• 2017 - 2018

  Mobile Data Analytics v3, Projeto certificado pelo(a) coordenador(a) Duncan Dubugras Alcoba Ruiz em 25/05/2018., Descrição: Motorola Mobility Comercio de Produtos Eletrônicos LTDA, doravante denominada MOTOROLA, tem interesse em estabelecer atividades de cooperação através de processos de parceria. O Instituto de Pesquisas Eldorado, doravante denominado ELDORADO, é reconhecido pelo Comitê da Área da Tecnologia da Informação CATI para receber recursos e desenvolver projetos pela Lei de Informática, e está totalmente capacitado para atender à demanda de Pesquisa e Desenvolvimento (P&D) de parceiros em diversos segmentos. Além de projetos desenvolvidos por meio da Lei de Informática, o ELDORADO desenvolve projetos por meio da Lei do Bem, do Programa CI-Brasil, PADIS e Sistema Brasileiro de Tecnologia (Sibratec), programas que contribuem para o desenvolvimento tecnológico das empresas brasileiras. A Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS), por sua vez, tem compartilhado seus conhecimentos e experiências, com ênfase no desenvolvimento de pesquisa em Ciência da Computação. A MOTOROLA, em parceria com o ELDORADO, tem interesse no desenvolvimento de estudos e pesquisas na área de Big Data, especificamente em análise, pré-processamento e padronização de dados. O programa de pós-graduação em Ciência da Computação (PPGCC) da PUCRS tem o Grupo de Pesquisa em Inteligência de Negócio e Aprendizado de Máquina (GPIN) cujos alguns dos principais interesses em pesquisa alinham-se aos interesses da MOTOROLA. Com efeito, no período de Março/2015 a Fevereiro/2016 o ELDORADO e a PUCRS estabeleceram o projeto Mobile Data Analytics do qual este projeto é sucessor. O conteúdo previsto neste projeto é uma atividade complementar ao Projeto Analytics, firmado entre o ELDORADO e a MOTOROLA. Para tanto, pesquisadores do PPGCC-FACIN-PUCRS, em uma colaboração sinérgica com o ELDORADO, proporcionarão à MOTOROLA experiência em análise de grandes bancos de dados e em mobilidade de código em dispositivos móveis. Durante o curso do projeto, uma equipe de pesquisadores sêniores será responsável pela continuidade na formação de pessoal qualificado, a fim de atender as necessidades do projeto em relação à análise de dados, pré-processamento e descoberta de padrões em grandes quantidades de dados, e em mobilidade de código em dispositivos móveis. Os pesquisadores têm longa experiência em áreas como a aprendizado de máquina, mineração de dados, análise de dados, computação em nuvem e computação de alto desempenho, proporcionando um ambiente multidisciplinar ideal para a pesquisa e formação de pessoal de alta qualidade em analytics e business intelligence.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (4) / Doutorado: (4) . , Integrantes: Renata De Paris - Integrante / Duncan Dubugras Alcoba Ruiz - Coordenador / Christian V. Quevedo - Integrante / Felipe Rech Meneguzzi - Integrante / Rodrigo Coelho Barros - Integrante.

• 2017 - 2017

  Aplicando Técnicas de Inteligência Computacional para Otimizar a Docagem Molecular baseada em Triagem Virtual de Receptores Totalmente Flexíveis, Descrição: O objetivo principal deste projeto é o de reduzir o tempo total despendido nas simulações de docagem molecular de modelos de receptores totalmente flexíveis. Para isso, pretende-se aplicar técnicas de inteligência computacional capazes de reduzir o conjunto de conformações do modelo FFR para um tamanho gerenciável e para com um nível de qualidade adequado.. , Situação: Desativado; Natureza: Pesquisa. , Integrantes: Renata De Paris - Coordenador / Osmar Norberto de Souza - Integrante / Duncan Dubugras Alcoba Ruiz - Integrante.

• 2015 - 2017

  Otimizando a Docagem Molecular in silico de Receptores Totalmente Flexíveis usando Técnicas de Inteligência Computacional, Projeto certificado pelo(a) coordenador(a) Duncan Dubugras Alcoba Ruiz em 11/08/2015., Descrição: Descrição: Neste projeto busca-se fazer uso da expertise do proponente e de sua equipe, para a aplicação de técnicas de inteligência computacional que viabilizem o desenvolvimento de ferramentas, aplicadas nas etapas de pré e pós-processamento das simulações de docagem molecular de um modelo de receptor totalmente flexível contra uma larga escala de pequenas moléculas. Atualmente, o modelo de receptor flexível sendo usado possui 20 mil conformações. Porém, para obter um modelo mais fidedigno com as características das conformações do receptor, pretende-se explorar modelos com quantidade de 50 mil até 100 mil conformações. No entanto, manipular e executar simulações de docagem molecular com receptores explicitamente flexíveis, envolve o tratamento de dados em larga escala, podendo demandar as técnicas descritas abaixo. 1) Triagem de ligantes a partir de banco de dados de pequenas moléculas. O objetivo desta técnica é evitar o uso de todos os ligantes armazenados nos bancos de dados durante as simulações da docagem molecular. Neste sentido, busca-se utilizar a inteligência computacional para criar um método capaz de descartar ligantes que não possuem características propícias de encaixe na cavidade do substrato do receptor, durante a fase de pré-processamento das simulações da docagem molecular. 2) Mineração de dados para encontrar semelhanças e diferenças entre conformações que constituem o modelo de receptor flexível, o qual é o dataset em estudo. Com isso, pretende-se identificar grupos de snapshots com alto grau de similaridade por meio de algoritmos de agrupamento, tais como k-means e hierárquico. 3) Criação de um ambiente de computação em nuvem capaz de otimizar e gerenciar a execução das simulações da docagem molecular de receptores explicitamente flexíveis contra uma biblioteca de ligantes. Neste ambiente, será adaptado o padrão de dados para workflow científicos P-MIA (Padrão Múltiplas Instâncias Autoadaptáveis) a fim de identificar grupos de conformações promissoras durante os experimentos da docagem molecular a partir de um agrupamento gerado por técnicas de mineração de dados. Com isso, espera-se que snapshots pertencentes a um mesmo grupo, também possuam uma conformidade nos resultados obtidos por simulações da docagem molecular, e, consequentemente, apenas as conformações que gradativamente apresentarem bons resultados durante as simulações sejam processadas. 4) Ambiente de computação em nuvem para executar as simulações da docagem molecular. Uma das etapas mais custosas no planejamento de novos fármacos é sem dúvida a docagem molecular. Por esse motivo, pretende-se reduzir consideravelmente o tempo total despendido nas simulações de docagem molecular de receptores totalmente flexíveis contra diferentes ligantes utilizando uma infraestrutura de computares interligados virtualmente. .. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (2) . , Integrantes: Renata De Paris - Integrante / Osmar Norberto de Souza - Integrante / Duncan Dubugras Alcoba Ruiz - Coordenador / Holisson Cunha - Integrante / QUEVEDO, CHRISTIAN V. - Integrante / BARROS, RODRIGO C. - Integrante.

• 2014 - 2015

  Preservando a privacidade na descoberta de conhecimento em Lifestyle Medicine, Projeto certificado pelo(a) coordenador(a) Duncan Dubugras Alcoba Ruiz em 21/06/2017., Descrição: O objetivo geral deste projeto é aprofundar o estudo sobre a preservação da privacidade no contexto atual de disseminação intensiva no uso da Internet e das redes sociais, expandir a área de preservação da privacidade em mineração de dados no PPGCC-PUCRS ao estudar métodos, técnicas e ferramentas para preservação da privacidade, e contribuir na especificação de um método, baseado em heurísticas que forneça o nível de segurança necessário para preservar a privacidade dos dados e a identidade dos indivíduos no processo de mineração de dados com um mínimo de perda de qualidade nos padrões induzidos nesse processo. Os benefícios esperados estão na qualificação do ensino e das pesquisas sendo desenvolvidas no PPGCC. Em especial: - Na realização de seminários conjuntos para discussão e planejamento de ações para a consolidação da internacionalização do PPGCC. - No ensino de pós-graduação por pesquisadores da Univ. Trento para mestrandos e doutorandos, em Inglês, em temas atuais sobre mineração de dados sobre dados de LM e a preservação da privacidade de indivíduos. - Na co-orientação de doutorado de aluno do PPGCC e, consequentemente, na qualidade da pesquisa sendo desenvolvida. - Na realização de palestras abertas à comunidade sobre temas atuais nas áreas de privacidade e de LM. - Na sinergia que se cria quando pesquisadores estrangeiros visitam o PPGCC PUCRS e quando alunos e pesquisadores da PUCRS vão visitar instituições de ensino e pesquisa de primeira linha. Espera-se que, dentro do contexto do projeto, possa-se examinar questões relacionadas a: dupla diplomação, submissão de projetos à Comissão Europeia, missões de estudos pelo programa Ciência Sem Fronteiras, etc. .. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (3) . , Integrantes: Renata De Paris - Integrante / RUIZ, DUNCAN D. - Coordenador / Fabio Casati - Integrante / Vincenzo D'Andrea - Integrante / Daniel Dalalana Bertoglio - Integrante / Christian V. Quevedo - Integrante., Financiador(es): FUNDACAO DE AMPARO A PESQUISA DO ESTADO DO RIO GRANDE DO SUL - Auxílio financeiro.