Offside
Corporate

Um olhar sobre nós na voz dos nossos parceiros - Testemunho da Sinepower Lda, pela voz de Marco Leonor.

Fora de Série

"É importante tentar outra vez, quando da primeira não se conseguiu." Vítor Santos Costa (CRACS/INESC TEC)

A Vós a Razão

"Como me disse o mesmo professor, "Há males que vêm por bem!" e não posso deixar de concordar. Se não tivesse tomado a decisão de mudança de vida (naquela altura) dificilmente teria tido esta oportunidade [de trabalhar no INESC TEC]...", Ricardo Almeida (UESP)

Asneira Livre

"A minha permanência aqui no INESC TEC também me permitiu ter algum contacto com outras nacionalidades e culturas, o que tem tornado a minha experiência bastante enriquecedora...", Erika Pequeno (USE)

Galeria do Insólito

E quando é o carro que enfia o barrete na compra do dono?

Ecografia

BIP tira Raio X a colaboradores do INESC TEC...

Novos Doutorados

Venha conhecer os novos doutorados do INESC TEC...

Cadê Você?

O INESC TEC lança todos os meses no mercado pessoas altamente qualificadas...

Jobs 4 the Boys & Girls

Referência a anúncios publicados pelo INESC TEC, oferecendo bolsas, contratos de trabalho e outras oportunidades do mesmo género...

Biptoon

Mais cenas de como bamos indo porreiros...

Subscrever o BIP
 

Investigador do LIAAD/INESC TEC apresenta KeyNote talk sobre o projeto KDUS

O investigador do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) do INESC TEC, João Gama, participou na qualidade de Invited Speaker, na 36th Annual Conference of the German Classification Society on Data Analysis, Machine Learning and Knowledge Discovery, que se realizou entre 1 e 3 de agosto em Hildesheim na Alemanha e focou os avanços na Análise de Dados, Machine Learning e Extração de Conhecimento.

O KeyNote talk teve como tema as aglomerações de fluxos de dados e revelou os resultados do KDUS (Knowledge Discovery from Ubiquitous Data Streams), um projeto de investigação de base nas áreas científicas da Análise de Dados e Extração de Conhecimentos. O projeto tem como objetivo desenvolver investigação sobre técnicas de Data Mining para extração de conhecimento útil a partir de fluxos distribuídos de dados, gerados em ambientes que evoluem ao longo do tempo. Neste sentido, foram identificados algoritmos distribuídos para dados evolutivos como sendo um importante desafio para a próxima geração de algoritmos de data mining.

A investigação desenvolvida no âmbito deste projeto, nomeadamente na área de metodologias de avaliação, aglomeração distribuída e aprendizagem adaptativa, trouxe grandes avanços para a área.

Além do convite para apresentar o KeyNote talk, os resultados do KDUS foram publicados em importantes revistas científicas, como a Machine Learning.