Offside
Lado B

Bruno Guedes é artista urbano.

Corporate

Um olhar sobre nós na voz dos nossos parceiros - Testemunho da LTPlabs, pela voz de Teresa Bianchi de Aguiar.

Fora de Série

"Nos últimos três anos tenho aprendido e colaborado com investigadores de classe mundial, que me ajudam a melhorar as minhas capacidades científicas. É isso que me motiva no dia a dia." Vítor Cerqueira (LIAAD)

Pensar Sério

"Há uns anos quando sonhámos com a construção de um laboratório de investigação na área da realidade virtual multissensorial muitos pensaram que éramos apenas sonhadores." Miguel Melo (CSIG)

Galeria do Insólito

Quando no SCOM vimos chegar uma consulta com o título “Adaptação de sensores para incorporação em sistemas de deteção de flatulência canina”, pensamos que só podia ser uma brincadeira.

Ecografia

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

Novos Doutorados

Venha conhecer os novos doutorados do INESC TEC...

Novos Colaboradores

Nos meses de julho e agosto entraram 26 novos colaboradores no 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
 
 

Projeto Maestra termina com classificação Excelente

O projeto europeu MAESTRA (Learning from Massive, Incompletely annotated, and Structured Data), que contou com a colaboração do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) do INESC TEC, recebeu a avaliação final de Excelente.

Aplicado na área das tecnologias da informação e comunicação, o Maestra teve como objetivo desenvolver ferramentas e métodos para tarefas de aprendizagem preditiva. Os métodos de modelação preditiva desenvolvidos no MAESTRA lidam com fluxos de dados complexos e estruturados, gerados por processos não estacionários e com elevado grau de incerteza. Foram desenvolvidos diversos algoritmos para problemas de classificação e regressão em problemas, onde se pretende prever estruturas complexas: vetores, sequências ou grafos. Estes métodos têm um potencial e uma utilidade em diferentes problemas e num conjunto variado de áreas (biologia molecular, redes de sensores, multimédia, e redes sociais).

A equipa do INESC TEC coordenou o WP2 – Methods for Structured Output Prediction from Data Streams e teve contribuições relevantes no WP3 – Methods for analysis of network data, e WP4 - Applications of the developed methods.  A equipa do LIAAD foi coordenada por João Gama e inclui os investigadores João Mendes Moreira, Carlos Ferreira, João Duarte, Rita Paula Ribeiro, Ricardo Sousa, Shazia Tabassum e Luís Matias.

O Maestra é um projeto colaborativo que envolve, além do INESC TEC, o Institut Jozef Stefan (Eslovénia), o SS Cyril and Methodius University (Macedónia), a Universita Degli Studi di Bari “Aldo Moro” (Itália) e o Ruder Boskovic Institute (Croácia).

 

Os investigadores mencionados na notícia têm vínculo à UP-FEP, à UP-FEUP e ao IPP-ISEP.