Eraldo Luís Rezende Fernandes

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• FERNANDES, ERALDO REZENDE ; DOS SANTOS, CÍCERO NOGUEIRA ; MILIDIÚ, RUY LUIZ . Latent Trees for Coreference Resolution. Computational Linguistics - Association For Computational Linguistics (Online) , v. 40, p. 1-56, 2014.

• Eraldo R. Fernandes ; Ruy L. Milidiú ; Raúl P. Rentería . RelHunter: a machine learning method forrelation extraction from text. Journal of the Brazilian Computer Society (Impresso) , v. 16, p. 191-199, 2010.

• L. A. Vilhagra ; FERNANDES, E. R. ; NOGUEIRA, B. M. . TextCSN: a Semi-Supervised Approach for Text Clustering Using Pairwise Constraints and Convolutional Siamese Network. In: ACM Symposium on Applied Computing, 2020, Brno. Proceedings of the 35th ACM Symposium on Applied Computing. New York: ACM, 2020.

• Irving M. Rodrigues ; Daniel Aloise ; Eraldo R. Fernandes ; Michel Dagenais . A Soft Alignment Model for Bug Deduplication. In: Working Conference on Mining Software Repositories, 2020, Seoul. Proceedings of the Working Conference on Mining Software Repositories, 2020.

• L. H. BONIFACIO ; P. A. A. VILELA ; G. R. LOBATO ; Eraldo R. Fernandes . A Study on the Impact of Intradomain Finetuning of Deep Language Models for Legal Named Entity Recognition in Portuguese. In: Brazilian Conference on Intelligent System, 2020, Rio Grande. Proceedings of the Brazilian Conference on Intelligent System, 2020.

• SAYAMA, HELIO FONSECA ; ARAUJO, ANDERSON VICOSO ; FERNANDES, ERALDO REZENDE . FaQuAD: Reading Comprehension Dataset in the Domain of Brazilian Higher Education. In: 2019 8th Brazilian Conference on Intelligent Systems (BRACIS), 2019, Salvador. 2019 8th Brazilian Conference on Intelligent Systems (BRACIS), 2019. p. 443-448.

• Irving M. Rodrigues ; Eraldo R. Fernandes ; Cícero N. dos Santos . Domain adaptation of POS taggers without handcrafted features. In: IEEE International Joint Conference on Neural Networks, 2017, Anchorage. Proceedings of the 2017 IEEE International Joint Conference on Neural Networks, 2017. v. 1.

• Irving M. Rodrigues ; Eraldo R. Fernandes . How Difficult is the Adaptation of POS Taggers?. In: Brazilian Conference on Intelligent Systems, 2017, Uberlândia. Proceedings of the Brazilian Conference on Intelligent Systems, 2017.

• Rodolpho Rosa da Silva ; Eraldo R. Fernandes ; Eduardo Motta ; Eduardo Akira ; Rodrigo Guarino ; ALVIM, L. G. M. . Offer Categorization for Price Comparison Websites: Word Embedding Approaches. In: XIII Brazilian Congress on Computational Intelligence, 2017, Niterói. XIII Brazilian Congress on Computational Intelligence, 2017.

• Eraldo R. Fernandes ; Ulf Brefeld ; BLANCO, R. ; ATSERIAS, J. . Using Wikipedia for Cross-Language Named Entity Recognition. In: Big Data Analytics in the Social and Ubiquitous Context, 2016, Nancy. Big Data Analytics in the Social and Ubiquitous Context. Cham: Springer, 2016.

• Eraldo R. Fernandes ; Ruy L. Milidiú . Entropy-Guided Feature Induction for Structure Learning. In: International Conference on Computational Processing of Portuguese - PhD Dissertation Contest, 2014, São Carlos, Brazil. International Conference on Computational Processing of Portuguese - PhD Dissertation Contest, 2014.

• Eraldo R. Fernandes ; Irving M. Rodrigues ; Ruy L. Milidiú . Portuguese Part-of-Speech Tagging with Large Margin Structure Learning. In: Brazilian Conference on Intelligent Systems, 2014, São Carlos, Brazil. Proceedings of the Brazilian Conference on Intelligent Systems, 2014.

• Eraldo R. Fernandes ; Cícero N. dos Santos ; Ruy L. Milidiú . Latent Structure Perceptron with Feature Induction for Unrestricted Coreference Resolution. In: Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning, 2012, Jeju. Proceedings of the Shared Task of the Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning: Modeling Multilingual Unrestricted Coreference in OntoNotes. Stroudsburg: Association for Computational Linguistics, 2012.

• FERNANDES, E. R. ; Cícero N. dos Santos ; Ruy L. Milidiú . Entropy-Guided Feature Generation for Structured Learning of Portuguese Dependency Parsing. In: Computational Processing of the Portuguese Language, 2012, Coimbra. Lecture Notes in Computer Science. Berlin Heidelberg: Springer, 2012. v. 7243. p. 146-156.

• Eraldo R. Fernandes ; Ulf Brefeld . Learning from Partially Annotated Sequences. In: European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, 2011, Athens, Greece. Machine Learning and Knowledge Discovery in Databases. Berlin: Springer-Verlag, 2011.

• Eraldo R. Fernandes ; Cícero N. dos Santos ; Ruy L. Milidiú . A Machine Learning Approach to Portuguese Clause Identification. In: International Conference on Computational Processing of the Portuguese Language, 2010, Porto Alegre. Lecture Notes in Artificial Intelligence, 2010. v. 6001. p. 55-64.

• Cícero N. dos Santos ; Ruy L. Milidiú ; CRESTANA, C. E. M. ; Eraldo R. Fernandes . ETL Ensembles for Chunking, NER and SRL. In: Eleventh International Conference on Computational Linguistics and Intelligent Text Processing, 2010, Iasi. Lecture Notes in Computer Science. Berlin: Springer, 2010. v. 6008. p. 100-112.

• Eraldo R. Fernandes ; CRESTANA, C. E. M. ; Ruy L. Milidiú . Hedge Detection Using the RelHunter Approach. In: Fourteenth Conference on Computational Natural Language Learning, 2010, Uppsala. Proceedings of the Fourteenth Conference on Computational Natural Language Learning, 2010. p. 64-69.

• Eraldo R. Fernandes ; Ruy L. Milidiú ; Cícero N. dos Santos . Portuguese Language Processing Service. In: 18th International World Wide Web Conference, 2009, Madrid. Proceedings of the Web in Ibero-America Alternate Track of the 18th International World Wide Web Conference, 2009.

• Eraldo R. Fernandes ; B. A. Pires ; Cícero N. dos Santos ; Ruy L. Milidiú . Clause Identification using Entropy Guided Transformation Learning. In: 7th Brazilian Symposium in Information and Human Language Technology, 2009, São Carlos. 7th Brazilian Symposium in Information and Human Language Technology, 2009.

• PALACIOS, R. H. C. ; ANDRADE, F. J. ; Eraldo R. Fernandes . Sistema Baseado na Metaheurística GRASP para Geração de Quadro de Horários. In: Seminário de Tecnologia da Informação Aplicada, 2008, Chapecó. Seminário de Tecnologia da Informação Aplicada, 2008.

• FREITAS, L. C. G. ; SILVA, F. V. R. ; FREITAS, M. A. A. ; Eraldo R. Fernandes ; FREITAS, L. C. . Programmable PFC Based Hybrid Multipulse Power Rectifier with Sinusoidal Input Line Current Imposed by Digital Controller. In: Applied Power Electronics Conference, 2007, Anahein. Applied Power Electronics Conference, 2007.

• BORGES, A. ; FREITAS, L. C. G. ; SILVA, F. V. R. ; FREITAS, M. A. A. ; Eraldo R. Fernandes ; VIEIRA JUNIOR, J. B. ; FREITAS, L. C. . A Lossless Commutated Boost Converter applied as a PFC Stage for Uninterruptible Power Supply System Without Battery Charger. In: Power Electronics Specialist Conference, 2007, Orlando. Power Electronics Specialist Conference, 2007.

• SILVA, F. V. R. ; FREITAS, L. C. G. ; FREITAS, M. A. A. ; Eraldo R. Fernandes ; VIEIRA JUNIOR, J. B. ; FREITAS, L. C. . Novel Class-D Amplifier for Automotive and Public Audition Audio Applications. In: 12th European Conference on Power Electronics and Applications, 2007, Aalborg. 12th European Conference on Power Electronics and Applications, 2007.

• FRANÇA, A. M. S. ; Eraldo R. Fernandes . Projeto Beija-Flor ? Cartoteca digital e gerenciamento Projeto Beija-Flor ? Cartoteca digital e gerenciamento de dados no corredor Emas?Taquari de Projeto Beija-Flor - Cartoteca digital e gerenciamento de dados no corredor Emas-Taquari de biodiversidade Cerrado-Pantanal -. In: 1o Simpósio de Geotecnologias no Pantanal, 2006, Campo Grande. Anais do 1o Simpósio de Geotecnologias do Pantanal, 2006.

• MENDONCA, R. G. ; SOUZA, K. T. ; PAULA, S. C. M. ; SILVA, F. V. R. ; Eraldo R. Fernandes ; FREITAS, M. A. A. . Análise dos Métodos de Cálculo de Resistências e Potenciais de Aterramentos Elétricos. In: XVI Congresso Brasileiro de Automática, 2006, Salvador. XVI Congresso Brasileiro de Automática, 2006.

• Eraldo R. Fernandes ; RIBEIRO, C. C. . A multistart constructive heuristic for sequencing by hybridization using adaptive memory. In: 2nd Brazilian Symposium on Graphs, Algorithms, and Combinatorics, 2005, Angra dos Reis. Electronic Notes in Discrete Mathematics. v. 19. p. 41-47.

• Eraldo R. Fernandes ; RIBEIRO, C. C. . Using an Adaptive Memory Strategy to Improve a Multistart Heuristic for Sequencing by Hybridization. In: 4th International Workshop on Efficient and Experimental Algorithms, 2005, Santorini Island. Lecture Notes in Computer Science, 2005. v. 3503. p. 4-15.

• M. G. Sousa ; K. Sakiyama ; L. S. Rodrigues ; P. H. Moraes ; FERNANDES, E. R. ; MATSUBARA, E. T. . BERT for Stock Market Sentiment Analysis. In: IEEE International Conference on Tools with Artificial Intelligence, 2019, Portland. Proceedings of the 31st IEEE International Conference on Tools with Artificial Intelligence, 2019.

• Eraldo R. Fernandes . Deep Learning for Natural Language Processing. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• Eraldo R. Fernandes . Deep Learning para Processamento de Linguagem Natural. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• FERNANDES, E. R. . Novas Tecnologias de Busca na Web. 2012. (Apresentação de Trabalho/Conferência ou palestra).

• Eraldo R. Fernandes ; Ruy L. Milidiú . Entropy-Guided Feature Generation for Large Margin Structured Learning. Rio de Janeiro: Departamento de Informática da PUC-Rio, 2011 (Monografias em Ciência da Computação).

Outras produções

Projetos de pesquisa

• 2019 - Atual

  Reconhecimento de Entidades em Procedimentos de Tráfico de Drogas, Descrição: O Sistema de Informação do Tráfico de Drogas do Estado de Mato Grosso do Sul visa aperfeiçoar o banco de dados de procedimentos referentes ao tráfico de drogas no Estado, incluindo dados como: a identidade dos traficantes, a quantidade e espécie de drogas apreendidas, a localidade de cada apreensão, autoridade responsável pela apreensão, origem e destino da droga, entre outras informações relevantes. O tratamento destas informações é realizado manualmente por servidores da instituição. O problema de reconhecimento de entidades nomeadas é uma tarefa tradicional na área de processamento de linguagem natural. Entretanto, procedimentos envolvendo tráfico de drogas tratam de entidades que não se encaixam na maioria dos corpora de entidades nomeadas disponíveis na literatura. A proposta deste projeto é transferir as entidades disponíveis no SisDrogas para o texto dos procedimentos utilizando heurísticas. E, posteriormente, desenvolver modelos de inteligência artificial para realizar a anotação automática das entidades de interesse. Considerando o volume de procedimentos deste tipo no Estado, a identificação e classificação automática de entidades em denúncias permitirá que estes dados sejam disponibilizados em tempo real, ou seja, assim que o procedimento é inserido no sistema. Além disso, os servidores do Ministério Público do Estado, que realizam a anotação manual das entidades no SisDrogas, poderão utilizar melhor seu tempo em outras atividades que exijam conhecimento especializado. O desenvolvimento deste projeto ainda tem o potencial de alavancar outros projetos de aplicação de inteligência artificial no Ministério Público do Estado.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (1) . , Integrantes: Eraldo Luís Rezende Fernandes - Coordenador / Bruno Magalhães Nogueira - Integrante / Edson Takashi Matsubara - Integrante / Ricardo Marcondes Marcacini - Integrante / Antonio André David Medeiros - Integrante / Edson Norberto Cáceres - Integrante / Luiz Henrique Neves Bonifacio - Integrante.

• 2016 - Atual

  Aprendizado Profundo para Extração de Relações em Português, Descrição: Uma grande parte da informação publicada na Internet está em formato textual, o qual não é adequado para o processamento computacional. O problema de extração de relações consiste em extrair automaticamente informações de um texto e convertê-las para um formato estruturado, que é apropriado para o processamento computacional. A maioria dos trabalhos de pesquisa sobre extração de relações tem foco na língua inglesa ou em domínio específico. Neste projeto, propomos o desenvolvimento de um sistema de extração de relações para o Português que possa ser rapidamente aplicado em domínios arbitrários da Internet. A metodologia adotada será baseada em duas áreas: processamento de linguagem natural (PLN) e aprendizado de máquina (AM). Estas duas áreas têm produzido soluções de alta qualidade para extração de relações em diferentes domínios e línguas. Um requisito da maioria dos algoritmos de AM é um grande conjunto de exemplos, cuja construção é custosa. Neste trabalho, serão exploradas técnicas de AM para minimizar este esforço, tais como aprendizado ativo e adaptação de domínio. Para validar a ferramenta de extração de relações, serão realizadas duas avaliações: uma quantitativa e outra qualitativa. A avaliação quantitativa será baseada em métricas clássicas da literatura, como precisão e cobertura. A avaliação qualitativa será realizada através de um sistema de mineração de dados que faz parte do desenvolvimento deste projeto e permitirá que usuários avaliem a utilidade das relações extraídas.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Mestrado profissional: (3) / Doutorado: (2) . , Integrantes: Eraldo Luís Rezende Fernandes - Coordenador / Edson Takashi Matsubara - Integrante / Kenzo Sakiyama - Integrante.

• 2014 - 2018

  Extração de Relações em Domínio Aberto para o Português, Descrição: Uma grande parte da informação publicada na Internet está em formato textual, o qual não é adequado para o processamento computacional. O problema de extração de relações consiste em extrair automaticamente informações de um texto e convertê-las para um formato estruturado, que é apropriado para o processamento computacional. A maioria dos trabalhos de pesquisa sobre extração de relações tem foco na língua inglesa e em domínio fechado, específico. Recentemente, surgiram algumas iniciativas para tratar este problema em domínio aberto, onde as relações de interesse não são definidas. Entretanto, estas propostas não contemplam a língua portuguesa. Neste projeto, propomos o desenvolvimento de um sistema de extração de relações em domínio aberto para o Português. A metodologia adotada será baseada em duas áreas: processamento de linguagem natural (PLN) e aprendizado de máquina (AM). Estas duas áreas têm produzido soluções de alta qualidade para extração de relações em diferentes domínios e línguas. Um requisito da maioria dos algoritmos de AM é um grande conjunto de exemplos, cuja construção é custosa. Neste trabalho, serão exploradas técnicas de AM para minimizar este esforço, tais como aprendizado semi-supervisionado, aprendizado ativo, aprendizado de transferência e supervisão à distância. Para validar a ferramenta de extração de relações, serão realizadas duas avaliações: uma quantitativa e outra qualitativa. A avaliação quantitativa será baseada em métricas clássicas da literatura, como precisão e cobertura. A avaliação qualitativa será realizada através de um sistema de mineração de dados que faz parte do desenvolvimento deste projeto e permitirá que usuários avaliem a utilidade das relações extraídas.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (6) . , Integrantes: Eraldo Luís Rezende Fernandes - Coordenador / Ruy Luiz Milidiú - Integrante / Ulf Brefeld - Integrante / Edson Takashi Matsubara - Integrante / Bruno Magalhas Nogueira - Integrante / Ricardo Marcacini - Integrante., Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro.

• 2012 - 2014

  Desenvolvimento de Ferramentas para a Construção Ágil de Extratores de Informação, Descrição: A Internet é o maior repositório de informação de toda a história e grande parte das informações disponíveis nesta imensa rede estão em formato textual. Textos escritos em linguagem natural (humana, ou seja, não artificiais, como aquelas usadas por sistemas computacionais) são adequadas para o consumo de um ser humano, obviamente. Entretanto, as informações contidas em um texto são difíceis de serem obtidas por um programa de computador. A área de processamento de linguagem natural se ocupa desta tarefa, ou seja, a criação de algoritmos que interpretam textos em linguagem natural, convertendo as informações ali contidas para um formato adequado ao processamento computacional. Isto é, um formato estruturado, como uma tabela ou um banco de dados, por exemplo. Atualmente, a área de aprendizado de máquina fornece as técnicas mais eficazes para o processamento de linguagem natural. Algoritmos baseados em aprendizado de máquina são capazes de derivar um modelo de linguagem natural a partir de exemplos fornecidos como entrada. Entretanto, a construção destes exemplos é geralmente custosa, exigindo várias horas de trabalho de especialistas para anotar as informações de interesse em uma grande quantidade de texto. Por outro lado, técnicas como aprendizado ativo e transferência de domínio podem ser aplicadas para minimizar o esforço dos anotadores, tornando mais ágil o desenvolvimento de extratores de informação baseados em aprendizado de máquina e processamento de linguagem natural. A aplicação adequada destas técnicas exige diversas ferramentas de apoio ao anotador. Neste trabalho, propomos o desenvolvimento de sistemas computacionais para assistir a anotação de textos e geração de exemplos para algoritmos de aprendizado de máquina. Estes sistemas serão baseados em técnicas de aprendizado ativo e transferência de domínio para agilizar o processo de anotação. Diferentes técnicas de aprendizado ativo e transferência de domínio serão avaliadas para determina. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) / Doutorado: (2) . , Integrantes: Eraldo Luís Rezende Fernandes - Coordenador / Ruy Luiz Milidiu - Integrante.

• 2010 - 2011

  Using Wikipedia for Cross-Language Named Entity Recognition, Descrição: Named entity recognition and classication (NERC) is fundamental for natural language processing (NLP) tasks such as information extraction, question answering, and topic detection. State-of-the-art NERC systems are based on supervised machine learning and hence need to be trained on (manually) annotated corpora. However, annotated corpora hardly exist for non-standard languages and labeling additional data manually is tedious and costly. In this article, we present a novel method to automatically generate (partially) annotated corpora for NERC by exploiting the link structure of Wikipedia. Firstly, Wikipedia entries in the source language are labeled with the NERC tag set. Secondly, Wikipedia language links are exploited to propagate the annotations in the target language. Finally, mentions of the labeled entities in the target language are annotated with the respective tags. The procedure results in a partially annotated corpus that is likely to contain unannotated entities. To learn from such partially annotated data, we devise two simple extensions of hidden Markov models (HMMs) and structural perceptrons. Empirically, we observe that using the automatically generated data leads to more accurate prediction models than o-the-shelf NERC methods. We demonstrate that the novel extensions of HMMs and perceptrons eectively exploit the partially annotated data and outperform baseline methods in all settings.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Eraldo Luís Rezende Fernandes - Coordenador / Ulf Brefeld - Integrante / Jordi Atserias - Integrante / Roi Blanco - Integrante., Número de produções C, T & A: 1

Projetos de desenvolvimento

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

• 2009 - 2009

  Extrator de Informação em C#, Projeto certificado pela empresa Microsoft Informática em 02/01/2013., Descrição: Desenvolvimento de um extrator de informação a partir de dados textuais utilizando o algoritmo Entropy Guided Transformation Learning e a linguagem de programação C#. Além do desenvolvimento dos algoritmos de extração, este projeto engloba o projeto da representação dos dados de entrada e saída destes extratores.. , Situação: Concluído; Natureza: Desenvolvimento. , Integrantes: Eraldo Luís Rezende Fernandes - Integrante / Ruy Luiz Milidiu - Coordenador / Carlos E. M. Crestana - Integrante.

Prêmios