Bruno da Silva Macedo

Formação complementar

Idiomas

Organização de eventos

Participação em eventos

Orientou

Produções bibliográficas

• HRIDOY, MD. ABDULLAH AL MAMUN ; PASTORINO, PAOLO ; BORDIN, CHIARA ; BODINI, MATTEO ; DHAR, NAYAN ; SCHNEIDER, PETRA ; GOLIATT, LEONARDO ; DITTHAKIT, PAKORN ; DA SILVA MACÊDO, BRUNO ; MAULUD, KHAIRUL NIZAM ABDUL . Operational Agricultural Water Management in River-Based Aquaculture: A Machine-Learning Approach to Predict Dissolved Oxygen in the Halda River, Bangladesh. AQUACULTURAL ENGINEERING , v. 113, p. 102693, 2026.

• CAMPOS, DEIVID ; DA SILVA MACÊDO, BRUNO ; OGALI, OSCAR IKECHUKWU ; BODINI, MATTEO ; MARTYUSHEV, DMITRIY A. ; AL-FAHAIDY, FAROUK ABDUH KAMIL ; SAPORETTI, CAMILA MARTINS ; GOLIATT, LEONARDO . Heterogeneous stacking strategy for modeling flowing bottom-hole pressure of oil wells. Unconventional Resources , v. 10, p. 100331, 2026.

• CAMPOS, DEIVID ; ERVILHA, RICARDO ; DA SILVA MACÊDO, BRUNO ; BODINI, MATTEO ; SAPORETTI, CAMILA M. ; GOLIATT, LEONARDO . Automated machine learning for bio-oil yield prediction from lignocellulosic biomass pyrolysis. FUEL , v. 405, p. 136480, 2026.

• NETO, GERALDO F. ; MACÊDO, BRUNO DA S. ; BORATTO, TALES H. A. ; GONTIJO, TIAGO SILVEIRA ; BODINI, MATTEO ; SAPORETTI, CAMILA ; GOLIATT, LEONARDO . Stratified Metamodeling to Predict Concrete Compressive Strength Using an Optimized Dual-Layered Architectural Framework. Mathematical And Computational Applications , v. 30, p. 16, 2025.

• MACÊDO, BRUNO DA SILVA ; WAYO, DENNIS DELALI KWESI ; CAMPOS, DEIVID ; DE SANTIS, RODRIGO BARBOSA ; MARTINHO, ALFEU DIAS ; YASEEN, ZAHER MUNDHER ; SAPORETTI, CAMILA MARTINS ; GOLIATT, LEONARDO . Data-driven total organic carbon prediction using feature selection methods incorporated in an automated machine learning framework. Scientific Reports , v. 15, p. 1-19, 2025.

• ALMEIDA, CÁSSIO DANELON DE ; FILGUEIRAS, THALES TOZATTO ; LAGARES, MOISÉS LUIZ ; MACÊDO, BRUNO DA SILVA ; SAPORETTI, CAMILA MARTINS ; BODINI, MATTEO ; GOLIATT, LEONARDO . A CNN-Based Method for Quantitative Assessment of Steel Microstructures in Welded Zones. Fibers , v. 13, p. 66, 2025.

• FRANCISCO, TULIO J. ; DA SILVA MACÊDO, BRUNO ; YASEEN, ZAHER MUNDHER ; NIKITIN, NIKOLAY O. ; BODINI, MATTEO ; GORGOGLIONE, ANGELA ; SAPORETTI, CAMILA M. ; GOLIATT, L. . Evolutionary polynomial modeling for interpretable drought prediction and resilient resource management. Ecological Informatics , v. 90, p. 103217, 2025.

• MACÊDO, BRUNO DA S. ; LIMA, LARISSA ; FONSECA, DOUGLAS LIMA ; BORATTO, TALES H. A. ; SAPORETTI, CAMILA M. ; FETOSHI, OSMAN ; HAJRIZI, EDMOND ; BYTYÇI, PAJTIM ; AIRES, UILSON R. V. ; YONABA, ROLAND ; CAPRILES, PRISCILA ; GOLIATT, LEONARDO . Evolutionary-Assisted Data-Driven Approach for Dissolved Oxygen Modeling: A Case Study in Kosovo. Earth , v. 6, p. 81, 2025.

• CAMPOS, DEIVID ; DA SILVA MACÊDO, BRUNO ; AL-KHAFAJI, ZAINAB ; BOZKURT, MELIKE AKTA' ; KAYRAL, 'HSAN ERDEM ; GONTIJO, TIAGO SILVEIRA ; BODINI, MATTEO ; SAPORETTI, CAMILA M. ; GOLIATT, LEONARDO . Assessment of AutoML frameworks for predicting compressive and flexural strength of recycled aggregate concrete. Materials Today Sustainability , v. 31, p. 101200, 2025.

• ERVILHA, RICARDO ; CAMPOS, DEIVID ; DA SILVA MACÊDO, BRUNO ; BERTUOL, DANIEL A. ; TANABE, EDUARDO H. ; YASEEN, ZAHER MUNDHER ; BODINI, MATTEO ; SAPORETTI, CAMILA M. ; GOLIATT, LEONARDO . Bayesian optimization-guided machine learning models for bio-oil yield prediction from lignocellulosic biomass pyrolysis. BIOMASS & BIOENERGY , v. 203, p. 108280, 2025.

• OLIVEIRA, ROMULO MURUCCI ; CAMPOS, DEIVID ; BICALHO, KATIA VANESSA ; MACÊDO, BRUNO DA S. ; BODINI, MATTEO ; SAPORETTI, CAMILA MARTINS ; GOLIATT, LEONARDO . AutoML-Based Prediction of Unconfined Compressive Strength of Stabilized Soils: A Multi-Dataset Evaluation on Worldwide Experimental Data. Forecasting , v. 7, p. 80, 2025.

• DA SILVA MACEDO, BRUNO ; SAPORETTI, CAMILA MARTINS . Uso de técnicas de aprendizado de máquina para predição do tempo de graduação dos discentes de Engenharia da Computação na região Sudeste do Brasil. REVISTA BRASILEIRA DE COMPUTAÇÃO APLICADA , v. 16, p. 26-37, 2024.

• MACEDO, B. S. ; SAPORETTI, C. M. . Energy Demand Prediction Using Computational Intelligence Techniques. LATIN-AMERICAN JOURNAL OF COMPUTING , v. 11, p. 80-88, 2024.

• DOOST, ZIAUL HAQ ; GOLLIAT, LEONARDO ; ALDLEMY, MOHAMMED SULEMAN ; ALI, MUMTAZ ; MACÊDO, BRUNO DA S. . Enhancing Predictive Accuracy of Compressive Strength in Recycled Concrete Using Advanced Machine Learning Techniques with K-means Clustering. AUIQ Technical Engineering Science , v. 1, p. 116-128, 2024.

• MACEDO, B. S. ; SAPORETTI, C. M. . Analysis of the Impact of the Pandemic on Social Inequalities in Enem 2019 and 2020 using Machine Learning. SEMINA. CIÊNCIAS EXATAS E TECNOLÓGICAS (ONLINE) , v. 44, p. 1-12, 2023.

• MACEDO, B. S. ; BORATTO, TALES H. A. ; SAPORETTI, CAMILA. M. ; GOLIATT, L. . A Review of Deformations Prediction for Oil and Gas Pipelines Using Machine and Deep Learning. In: Gebrail Bekdaş; Sinan Melih Nigdeli. (Org.). Studies in Systems, Decision and Control. 1ed.Switzerland: Springer Nature Switzerland, 2024, v. 547, p. 289-317.

• SANTOS, R. A. ; MACEDO, B. S. ; CASAIS, B. C. S. C. E. ; MIRANDA, G. G. S. ; FERREIRA, D. D. ; BARBOSA, B. H. G. . Multi-Gene Genetic Programming para Modelagem MIMO Não linear das Vibrações de uma Aeronave F16 no Solo. In: XVII Simpósio Brasileiro de Automação Inteligente, 2025, São João Del-Rei. SBAI2025, 2025. v. 1. p. 1-8.

• MACEDO, B. S. ; PEDROSA, R. C. V. ; SANTOS, R. A. ; SAPORETTI, C. M. ; BARBOSA, B. H. G. ; FERREIRA, D. D. ; GOLIATT, L. ; RODRIGUES, L. M. . Classificação da Qualidade do Ar Utilizando Técnicas de Aprendizado de Máquina. In: XVII Congresso Brasileiro de Inteligência Computacional, 2025, Belo Horizonte. CBIC2025. Curitiba: SBIA, 2025. v. 1. p. 1-7.

• MACÊDO, BRUNO ; RODRIGUES, LÍVIA ; MIRANDA, GIOVANNA ; BORGES, FERNANDO ; SAPORETTI, CAMILA ; GROENNER, BRUNO ; FERREIRA, DANTON . Classificação de Recorrência do Câncer de Tireoide utilizando Curvas Principais. In: Congresso Brasileiro de Inteligência Computacional, 2025, Belo Horizonte. Anais do XVII Congresso Brasileiro de Inteligência Computacional. Curitiba: SBIA, 2025. v. 1. p. 1-8.

• RODRIGUES, LÍVIA ; APOLINÁRIO, PRISCILA ; MACÊDO, BRUNO ; LIMA, JÚLIO CÉSAR ; FERREIRA, ANA CLÁUDIA ; LIMA, MARIA HELENA ; FERREIRA, DANTON . Sistema Inteligente para Classificação de Isquemia e Infecção em Úlcera do Pé Diabético. In: Congresso Brasileiro de Inteligência Computacional, 2025, Belo Horizonte. Anais do XVII Congresso Brasileiro de Inteligência Computacional. Curitiba: SBIA, 2025. v. 1. p. 1-8.

• MACEDO, B. S. ; CABRAL, J. C. ; CARVALHO, E. C. R. ; SAPORETTI, C. M. ; GOLIATT, L. . APLICAÇÃO DE INTELIGÊNCIA COMPUTACIONAL NO MERCADO FINANCEIRO. In: XXVIII Encontro Nacional de Modelagem Computacional, 2025, Montes Claros. ENMC2025, 2025. v. 1. p. 1-9.

• SANTOS, R. A. ; DUARTE, P. J. ; MACEDO, B. S. ; BORGES, L. A. C. ; HEIN, P. R. G. . Modelagem preditiva de preços de madeira e celulose via aprendizado de máquinas. In: 7º Mensuflor: Encontro Brasileiro de Mensuração Florestal, 2025, Lavras. MENSUFLOR 2025, 2025. v. 1. p. 1-8.

• MACEDO, B. S. ; SANTOS, R. A. ; RODRIGUES, L. M. ; CARVALHO, E. C. R. ; FERREIRA, D. D. ; BARBOSA, B. H. G. . Otimização do Algoritmo de Curvas Principais K-segmentos com Grey Wolf Optimizer. In: XXXIV Congresso da Pós Graduação da UFLA, 2025, Lavras. Anais do XXXIII Congresso da Pós-graduação UFLA, 2025. v. 1. p. 1-14.

• PEDROSA, R. C. V. ; CAMPOS, G. L. ; MACEDO, B. S. ; LUCENA, R. G. ; CRISTINO, C. T. . Alteração do uso da terra e neutralidade de carbono: previsões estatísticas das emissões de CO2 em Pernambuco. In: XIV Simpósio Brasileiro de Tecnologia da Informação, 2025, Aracaju. SBTI, 2025. v. 1. p. 1-13.

• CASAIS, B. ; MACEDO, B. S. ; SILVA, S. P. ; BARBOSA, B. H. G. ; SAPORETTI, C. M. ; GOLIATT, L. . Application of Machine Learning Techniques in the Pulp and Paper Industry. In: XLVI Ibero-Latin American Congress on Computational Methods in Engineering, 2025, Vitória. CILAMCE2025, 2025. v. 1. p. 1-7.

• MIRANDA, G. G. S. ; LACERDA, W. S. ; MACEDO, B. S. ; MIRANDA, C. T. S. . EEG Signal Classification Using Machine Learning for Wheelchair Control. In: XLVI Ibero-Latin American Congress on Computational Methods in Engineering, 2025, Vitória. CILAMCE2025, 2025. v. 1. p. 1-7.

• MACEDO, B. S. ; PEDROSA, R. C. V. ; BARBOSA, B. H. G. ; SAPORETTI, C. M. ; GOLIATT, L. ; CARVALHO, E. C. R. ; CASAIS, B. C. S. C. E. ; MIRANDA, G. G. S. . Application of Computational Intelligence in the Financial Market. In: XLVI Ibero-Latin American Congress on Computational Methods in Engineering, 2025, Vitória. CILAMCE2025, 2025. v. 1. p. 1-7.

• MACEDO, B. S. ; SAPORETTI, C. M. . Classificação de Litologia utilizando Técnicas de Aprendizado de Máquina e Colônia Artificial de Abelhas. In: XVII Encontro Acadêmico de Modelagem Computacional, 2024, Petropólis. Anais do XVII Encontro Acadêmico de Modelagem Computacional, 2024.

• MACEDO, B. S. ; SANTOS, R. A. ; BARBOSA, B. H. G. . Uma Revisão da Literatura sobre o uso de Técnicas de Inteligência Artificial na Identificação e Reconhecimento de Padrões. In: Congresso da Pós Graduação da UFLA, 2024, Lavras. Anais do XXXIII Congresso da Pós-graduação UFLA, 2024. v. 1. p. 1-14.

• MACEDO, B. S. ; MACEDO, P. S. ; BARBOSA, B. H. G. ; VALADARES, C. M. ; DIAS, P. M. ; SAPORETTI, C. M. ; GOLIATT, L. . Socioeconomic analysis of students who took Enem between 2019 and 2022 using machine learning. In: XLV Ibero-Latin American Congress on Computational Methods in Engineering, 2024, Maceió. CILAMCE2024, 2024. v. 1. p. 1-7.

• MACEDO, B. S. ; SAPORETTI, C. M. . Previsão da Demanda de Energia Elétrica Utilizando Técnicas de Inteligência Computacional. In: XXVI Encontro Nacional de Modelagem Computacional e XIV Encontro de Ciência e Tecnologia dos Materiais, 2023, Nova Friburgo. Anais do Encontro Nacional de Modelagem Computacional e Encontro de Ciência e Tecnologia dos Materiais, 2023.

• PEDROSA, R. C. V. ; MACEDO, B. S. ; CRISTINO, C. T. . USO DE TÉCNICAS DE INTELIGÊNCIA COMPUTACIONAL PARA CLASSIFICAÇÃO DA QUALIDADE DO AR. In: 77ª Reunião Anual da Sociedade Brasileira para o Progresso da Ciência, 2025, Recife. 77ª Reunião Anual da SBPC, 2025. v. 1. p. 1-4.

• MACEDO, B. S. ; LIMA, C. M. V. . ANÁLISE SOCIOECONÔMICA DOS ALUNOS QUE FIZERAM O ENEM ENTRE OS ANOS 2019 E 2022 UTILIZANDO APRENDIZAGEM DE MÁQUINA. In: 25º SEMINÁRIO DE PESQUISA E EXTENSÃO, 2023, Divinópolis. CADERNO DE RESUMOS DE PESQUISA, 2023.

• PEDROSA, R. C. V. ; MACÊDO, BRUNO DA S. ; CRISTINO, C. T. . USO DE TÉCNICAS DE INTELIGÊNCIA COMPUTACIONAL PARA CLASSIFICAÇÃO DA QUALIDADE DO AR. 2025. (Apresentação de Trabalho/Congresso).

• MACEDO, B. S. ; SAPORETTI, C. M. . Classificação de Litologia utilizando Técnicas de Aprendizado de Máquina e Colônia Artificial de Abelhas. 2024. (Apresentação de Trabalho/Congresso).

• MACEDO, B. S. . Uma Revisão da Literatura sobre o uso de Técnicas de Inteligência Artificial na Identificação e Reconhecimento de Padrões. 2024. (Apresentação de Trabalho/Congresso).

• MACEDO, B. S. . Socioeconomic Analysis of students who took the Enem between 2019 and 2022 using Machine Learning. 2024. (Apresentação de Trabalho/Congresso).

• MACEDO, B. S. ; LIMA, C. M. V. . Análise Socioeconômica dos alunos que realizaram o Enem entre os anos 2019 e 2022 utilizando Aprendizagem de Máquina. 2023. (Apresentação de Trabalho/Seminário).

• MACEDO, B. S. ; SAPORETTI, C. M. . Previsão da Demanda de Energia Elétrica Utilizando Técnicas de Inteligência Computacional. 2023. (Apresentação de Trabalho/Congresso).

Outras produções

Projetos de pesquisa

• 2023 - 2023

  Análise socioeconômica dos alunos que fizeram o Enem entre os anos 2019 e 2022 utilizando aprendizagem de máquina, Descrição: O Exame Nacional do Ensino Médio (Enem) é o exame que permite aos estudantes, através do resultado obtido, ingressarem em instituições de ensino superior. A análise socioeconômica é o meio que avalia a relação econômica com uma parcela da sociedade. Através desta análise, que feita por meio dos questionários socioeconômicos realizados no Enem, é possível analisar os fatores que impactam no desempenho dos estudantes, e assim, traçar estratégias para que soluções sejam buscadas para o desenvolvimento da educação e ingresso dos estudantes no ensino superior. Neste contexto, o objetivo deste trabalho é realizar uma análise socioeconômica entre os Enem 2019, 2020, 2021 e 2022, visando identificar as possíveis desigualdades sociais e os fatores que podem influenciar no desempenho dos estudantes no Enem. Com a análise socioeconômica é possível definir um público-alvo no qual necessita que medidas públicas sejam tomadas para evitar desigualdades sociais, buscando promover mais oportunidades e igualdade no acesso à educação e ao ensino superior. Devido ao tamanho das bases de dados do Enem 2019, 2020, 2021 e 2022, para realizar as análises serão adotados as etapas do Knowledge Discovery in Databases (KDD), que consistem em: seleção, pré-processamento, transformação, mineração de dados e interpretação dos dados através do conhecimento descoberto. Além disso, para o desenvolvimento das etapas do KDD contará com o auxílio da linguagem de programação Python e as bibliotecas Pandas, Matplotlib, Scikit-learn e o Jupyter Notebook como ambiente de desenvolvimento do código. Espera-se com o estudo que será feito sobre o Enem, análise socioeconômica, KDD e as ferramentas que serão utilizadas neste trabalho, seja possível identificar as desigualdades sociais refletidas nos dados do Enem 2019, 2020, 2021 e 2022 e realizar uma análise comparativa das desigualdades sociais entre os anos. Por conseguinte, também identificar as caraterísticas dos estudantes que obtiveram um determinado desempenho no exame.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Bruno da Silva Macêdo - Integrante / Cristina Maria Valadares de Lima - Coordenador.

• 2020 - 2021

  Desenvolvimento de uma Aplicação para Extração, Categorização e Indexação Automática de Questões do Enade, Descrição: O Exame Nacional de Desempenho dos Estudantes (ENADE) é realizado trienalmente com o objetivo de avaliar os cursos de todas as Instituições de Ensino Superior (IES). Uma das medidas que os cursos geralmente realizam para preparar aos estudantes consiste em aplicar simulados de questões extraídas de edições anteriores. No entanto, há uma certa dificuldade em extrair as questões de um determinado assunto em provas anteriores, uma vez que primeiramente tem que identificar a questão do determinado assunto e em grande maioria essa busca é feita de forma manual, analisando-se questão por questão. Tendo isso em vista, este projeto tem por objetivo desenvolver uma aplicação de extração e classificação de questões do ENADE e posteriormente uma plataforma de armazenamento dessas questões de forma categorizada. Para o desenvolvimento do projeto é necessário inicialmente identificar o sistema de transcrição das provas que serão utilizadas, em seguida, extrair os dados de cada uma das provas, posteriormente classificar as questões em categorias previamente definidas e por fim o desenvolvimento da aplicação que apresentará em uma interface gráfica as questões categorizadas. Finalmente, espera-se que este projeto consiga facilitar a vida de professores que pretendem trabalhar com questões extraídas de edições anteriores do ENADE, tornando este processo simplificado.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Bruno da Silva Macêdo - Integrante / Edwaldo Soares Rodrigues - Coordenador.

Prêmios