Ribeirão Preto, 30 de Janeiro de 2015
Mural: Twitter: RSS:

Destaques:


Informações para Matrículas – PROFMAT (polo Ribeirão Preto)

A entrega dos documentos para a matrícula no PROFMAT- USP-RP deverá ser efetuada na secretaria do Departamento de Computação e Matemática.

Endereço:
Departamento de Computação e Matemática (próximo à cantina do Valter).
Av. Bandeirantes, 3900 - CEP 14040-901 - Bairro Monte Alegre - Ribeirão Preto - SP –Brasil.

Período: de 15 a 16 e de 21 a 23 de janeiro de 2015
Horário: 9:00 às 11:30 e das 14:00 às 17:00.

Informações Importantes

Documentos necessários para a matrícula

Os alunos brasileiros selecionados deverão apresentar, no ato da matrícula:

Candidatos professores das redes públicas da Educação Básica que atuem na docência de Matemática deverão apresentar também

Os alunos estrangeiros deverão apresentar, no ato da matrícula, além dos documentos citados acima:

Os documentos originais deverão ser apresentados no ato da matrícula para conferência ou deverão ser entregues cópias autenticadas.

Problemas de mudança de fase irreversíveis com convecção


Palestrante: Profa. Dra. Gabriela Planas (IMECC- Unicamp)
Data: 26-11-2014
Horário: 16h30
Local: Sala 502 do Bloco 1
Título: "Problemas de mudança de fase irreversíveis com convecção"
Resumo: arquivo anexo.

Obs.: Haverá um singelo coffee-break depois da palestra.

Dissertação aluna Érica Akemi Tanaka

Uma Adaptação do Método Binary Relevance Utilizando Arvores de Decisão para Problemas de Classificação Multirrótulo Aplicado à Gêenomica Funcional de Erica Akemi Tanaka

Many classification problems described in the literature on Machine Learning and Data Mining relate to the classification in which each example belongs to a single class. However, many classification problems, especially in the field of Bioinformatics, are associated with more than one class; these problems are known as multi-label classification problems. The basic principle of multi-label classification is similar to the traditional classification (single label), and distinguished by the number of classes to be predicted, in this case, in which there are two or more labels. In Bioinformatics many problems are composed of a large number of labels that can be associated with each example. However, traditional classification algorithms are unable to cope with a set of multi-label examples, since these algorithms are designed to predict a single label. A simpler solution is to use the method known as Binary Relevance. However, studies have shown that this approach is not a good solution to the problem of multi-label classification because each class is treated individually, ignoring possible relations between them. Thus, the objective of this research was to propose a new adaptation of Binary Relevance method that took into account relations between labels trying to minimize its disadvantage, and also consider the ability of interpretability of the model generated, not just its performance. The experimental results show that this new method is capable of generating trees that relate labels and also has a performance comparable to other methods, obtaining good results using F-measure.

Dissertação

Download Tool

Seminário: "Mágicas Matemáticas e divulgação científica em Matemática"



Palestrante: Prof. Dr. Pedro Malagutti - (UFSCAR)
Data: 29-10-2014
Horário: 16h15
Local: Sala 502 do Bloco 1
Título: "Mágicas Matemáticas e divulgação científica em Matemática"

Resumo: Resumo: arquivo anexo.

Obs.: Haverá um singelo coffee-break depois da palestra.

Universidade de São Paulo
Av. Bandeirantes, 3900 - Monte Alegre - Ribeirão Preto - SP - CEP: 14040-901
Fone: (16) 3602 0429 - Fax: (16) 3602 0407