Professor

Diego Mesquita

Diego Mesquita

Meus interesses de pesquisa revolvem em torno de Inferência Bayesiana, Deep Learning, e a combinação dos anteriores. A longo prazo, meus objetivos são: I) estender a aplicabilidade de inferência Bayesiana sob diferentes condições (e.g., dados distribuídos, larga escala, e observações incertas); e II) promover o pragmatismo em métodos de Deep Learning, iluminando conceitos pouco compreendidos e criando modelos mais simples. Antes de me juntar à EMAp, eu obtive meu doutorado na Aalto University (Finlândia).

ÁREAS DE INTERESSE: 

Alfredo Noel Iusem

Alfredo Noel Iusem

Possui Graduação em Matemática - Universidad de Buenos Aires (1971), Mestrado em Matemática - Stanford University (1979) e Doutorado em Matemática - Stanford University (1981). Atualmente é Professor Titular da Escola de Matemática Aplicada (EMAp) da FGV do Rio de Janeiro, onde ingressei em 2022. E pesquisador titular III do Instituto Nacional de Matemática Pura e Aplicada.  

ÁREAS DE INTERESSE: 

  • Otimização Contínua

Dário Oliveira

Dário Oliveira

Dário Oliveira graduou-se em Engenharia Elétrica pela Universidade do Estado do Rio de Janeiro (UERJ) em 2007, com especialização em Computação e Sistemas. Em 2009, ele concluiu o mestrado em engenharia elétrica com ênfase em Análise de Imagens e Visão Computacional pela Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio), desenvolvendo parte de seu mestrado no Instituto Superior Técnico, Lisboa, Portugal. Ele recebeu seu Ph.D. pela Puc-Rio em 2013, fazendo parte de seu doutorado na Universidade Leibniz de Hannover, Alemanha.

Rafael de Pinho

Rafael de Pinho

Possui graduação em Engenharia da Computação (2004), Mestrado em Engenharia da Computação: Redes de Computadores e Sistemas Distribuídos e Doutorado em Engenharia da Computação: Interação Humano-Computador pela Pontifícia Universidade Católica do Rio de Janeiro.

Especialista em Matemática: Criptografia pela Universidade Federal Fluminense e Especialista em Gerenciamento de Projetos de Software pela Pontifícia Universidade Católica do Rio de Janeiro.

Luiz Max Fagundes de Carvalho

Luiz Max Fagundes de Carvalho

Tem graduação em Microbiologia e Imunologia (2012) pela Universidade Federal do Rio de Janeiro (UFRJ) e doutorado (2018) em Biologia Evolutiva pela University of Edinburgh, no Reino Unido.

Tem interesse em estatística (bayesiana) aplicada às biociências, atuando nas seguintes áreas: cadeias de Markov Monte Carlo (MCMC) para espaços discretos; métodos de combinação de distribuições de probabilidade; modelagem estatística em Epidemiologia, Medicina, Genética e áreas afins.

 

ÁREAS DE INTERESSE: 

Flávio Codeço Coelho

Flávio Codeço Coelho

Possui graduação em Biologia pela Universidade Federal do Rio de Janeiro (1992), mestrado em Engenharia Biomédica pela Universidade Federal do Rio de Janeiro (1995) e doutorado em Quantitative Biology - The University Of Texas At Arlington (1999). Foi Professor adjunto da Universidade do Estado do Rio de Janeiro (2001-2003) e Pesquisador Visitante da Fundação Oswaldo Cruz (2003 a 2008).

Alexandre Rademaker

Alexandre Rademaker

Bacharel em Ciência da Computação pela UFRJ (2001). Mestre em Ciência da Computação pela UFF (2005) e Doutor pela PUC-Rio (2010). Em 2008, durante o doutorado, fez estágio de pesquisa na Microsooft Research e em 2009 no SRI International.

Alberto Paccanaro

Alberto Paccanaro

Sou Professor Titular da Escola de Matemática Aplicada (EMAp) da FGV do Rio de Janeiro, onde ingressei em 2020. Obtive meu doutorado em Ciência da Computação em 2002 pela Universidade de Toronto, com especialização em Aprendizado de Máquina sob orientação de Geoffrey Hinton . Entre 2002 e 2006, fiz pós-doutorado em Biologia Computacional, primeiro no laboratório de Mansoor Saqi na Queen Mary University of London, e depois no laboratório de Mark Gerstein na Yale University.

Walter Wagner Carvalho Sande

Walter Wagner Carvalho Sande

Possui doutorado em Administração de Empresas pelaFGV EBAPE, mestrado em Administração pela Universidade Federal do Rio de Janeiro (1996), graduação em Engenharia Mecânica pelo Instituto Militar de Engenharia (1987) e em Matemática pela Universidade do Rio de Janeiro (1991). Atualmente é professor da FGV EMAp. Tem experiência nas áreas de marketing e varejo e suas áreas de interesse incluem métodos quantitativos em ciência da administração (management science).

ÁREAS DE INTERESSE: 

Vincent Gérard Yannick Guigues

Vincent Gérard Yannick Guigues

Possui graduação e mestrado em Informática e Matemática Aplicada pela ENSIMAG (2000 e 2001), mestrado em Otimização e Estatística pela Universidade Joseph Fourier (2001) e doutorado em Matemática Aplicada pela Universidade Joseph Fourier (2005). Atualmente é professor na FGV. Antes de entrar na FGV (em 2012), foi pós-doutorando na UJF (2005) e no IMPA (2006-2009) e professor da PUC-Rio (2009-2012) e da UFRJ (2012). Sua pesquisa está focada no desenvolvimento de modelos e algoritmos para problemas de otimização sob incerteza.

A A A
High contrast