Jadson Crislan Santos Costa

Formação complementar

Idiomas

Áreas de atuação

Produções bibliográficas

• PIMENTEL, BRUNO ALMEIDA ; SILVA, RAFAEL DE AMORIM ; COSTA, JADSON CRISLAN SANTOS . Fuzzy C-Means Clustering Algorithms with Weighted Membership and Distance. INTERNATIONAL JOURNAL OF UNCERTAINTY FUZZINESS AND KNOWLEDGE-BASED SYSTEMS , v. 30, p. 567-594, 2022.

• PIMENTEL, BRUNO ALMEIDA ; COSTA, JADSON CRISLAN SANTOS . A hybrid algorithm for fuzzy clustering based on global and local membership degree. In: 2022 International Joint Conference on Neural Networks (IJCNN), 2022, Padua. 2022 International Joint Conference on Neural Networks (IJCNN), 2022. p. 1-8.

• SILVA, R. A. ; PIMENTEL, B. A. ; COSTA, J. C. S. ; LISBOA, L. A. . Projetos Educacionais 3.0 em Salas de Aula: Um Relato de Experiência. ERBASE 2011 , 2020.

Outras produções

Projetos de pesquisa

• 2020 - 2021

  Uso de Meta-aprendizado para Seleção de Hiperparâmetros e Algoritmos: Um Estudo de Automatização para Ciência de Dados, Projeto certificado pelo(a) coordenador(a) Bruno Almeida Pimentel em 28/02/2021., Descrição: Aprendizado de Máquina (AM) é uma área avançada de Ciência da Computação, que tem aplicação na aquisição de conhecimento em sistemas de Inteligência Artificial e contribui para a compreensão da cognição humana. AM, portanto, desempenha um importante papel no ramo da Inteligência Artificial cujo principal objetivo é estudar e propor métodos capazes de aprender com dados [1][2][3]. Em muitos problemas, AM pode ser aplicado onde o processo de extração de informações de dados é complexo [4], auxiliando em processos que demandariam muito tempo se fossem realizados de forma não automática. Devido a sua importância, AM vem sendo aplicada cada vez mais em Ciência de Dados, uma área interdisciplinar voltada para o estudo, extração de conhecimento, detecção de padrões e/ou obtenção de insights para possíveis tomadas de decisão. Em AM, diversos algoritmos podem ser empregados para solucionar problemas de aprendizado. No contexto de aprendizagem supervisionada os seguintes algoritmos podem ser empregados: Decision Tree, Random Forest, Support Vector Machine, Neural Network, entre outros. Já no contexto de aprendizagem não-supervisionada, os seguintes algoritmos comumente são utilizados: K-Means, Kernel K-Means, Gustafson-Kessel, Fuzzy C-Means, Possibilistic C-Means. Além disso, em muitos problemas, os valores de hiperparâmetros utilizados em tais algoritmos (como o número de árvores, o número de grupos ou a taxa de aprendizagem) podem contribuir diretamente para um bom desempenho durante a execução da tarefa de extração de conhecimento dos dados. Otimizar a configuração de tais hiperparâmetros pode melhorar de forma significativa a qualidade da resposta, porém realizar essa tarefa manualmente é custoso e muitas vezes impraticável [5]. Dessa forma, procedimentos automatizados para a seleção de algoritmos e sua configuração são úteis para otimizar o processo de descoberta em um conjunto de dados, além de melhorar o desempenho ao utilizar o algoritmo na prática. Assim, muitas vezes técnicas de seleção e otimização, provenientes do AM, são utilizadas para a modelagem e seleção de um conjunto de hiperparâmetros confiáveis, incorporando diversas formas de aprendizado e objetivando tanto a melhora das soluções encontradas como a redução do custo computacional. Entretanto, embora AM use técnicas na automatização do processo de seleção, esta estratégia pode ser custosa, já que cada configuração possível é avaliada durante a busca realizada na execução do algoritmo de AM. Essa desvantagem pode ainda mais ser agravada dependendo da complexidade computacional que o algoritmo utilize. Uma alternativa para resolver esse problema é a utilização de Meta-aprendizado [6], que vem sendo estudada recentemente como uma solução para seleção de hiperparâmetros e algoritmos de AM. A sua principal vantagem está no fato dessa abordagem recomendar hiperparâmetros/algoritmos que anteriormente já foram testados em problemas similares e validados positivamente. Assim, modelos podem ser sugeridos para novos problemas sem a necessidade de um determinado algoritmo de AM ser executado novamente para cada conjunto de hiperparâmetros ou algoritmos candidatos. Desta forma, essa abordagem pode ser mais econômica no que se refere ao custo computacional. Também é comum a utilização de Meta-aprendizado como ferramenta para auxiliar na seleção de algoritmos de AM. Apesar dessas vantagens do Meta-aprendizado, a pesquisa nessa área ainda é incipiente. Portanto, o principal objetivo deste projeto é contribuir para a formação científica de recursos humanos através do estudo da abordagem de Meta-aprendizado como forma de automatizar o processo de obtenção de informação aplicado a Ciência de Dados.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) . , Integrantes: Jadson Crislan Santos Costa - Integrante / Bruno Almeida Pimentel - Coordenador.

• 2019 - 2020

  Uma Sistema de Predição de Estrutura Secundária de Proteína Baseada na Vizinhança da Diagonal, Descrição: O modelo Hidrofóbico-Polar (HP) tem sido usado para predizer a estrutura secundária da proteína em vários trabalhos acadêmico, baseado na busca de um casamento entre o desenho de uma estrutura preestabelecida na forma de matriz L, U ou T buscando minimizar a energia livre gerada pela combinação dessas estruturas.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Doutorado: (1) . , Integrantes: Jadson Crislan Santos Costa - Integrante / Roberta Vilhena Vieira Lopes - Coordenador.

Projetos de desenvolvimento

• 2021 - 2022

  Plataforma Inteligente de Relacionamento, Projeto certificado pela empresa DMC Equipamentos em 28/10/2022., Descrição: Projeto de P&D incentivado pela Lei de Informática para desenvolvimento de uma plataforma de relacionamento entre a empresa, os profissionais e distribuidores da área médica. O objetivo da plataforma é disseminar o conhecimento dos produtos disponíveis, lançamentos e atualizações da empresa, com as informações técnicas pertinentes e recomendações de conteúdo e produtos de acordo com o perfil e interesses de cada profissional ou distribuidor.. , Situação: Concluído; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (5) / Doutorado: (5) . , Integrantes: Jadson Crislan Santos Costa - Integrante / Thiago Damasceno Cordeiro - Coordenador., Financiador(es): Fundação Universitária de Desenvolvimento de Extensão e Pesquisa - Cooperação.