Redes Neurais Artificiais (RNAs) têm sido amplamente utilizadas para modelar dados produzidos por diferentes sistemas. A escolha da RNA mais apropriada depende de diversos fatores como, por exemplo, a relação existente entre os atributos que definem os dados. Para dados independentes, como tabelas, Perceptrons de múltiplas camadas são amplamente utilizados. Quando há uma dependência espacial (e.g., imagens) e temporal (e.g., série temporais), redes convolucionais e recorrentes, respectivamente, tendem a fornecer melhores resultados. Entretanto, tais redes não são adequadas quando existe uma dependência entre os dados diretamente como, por exemplo, aminoácidos que se conectam para formar uma proteína. Nesse caso, dados são representados como grafos e, além dos atributos, é importante que o processo de aprendizado considere informações de conexão entre seus vértices. Para superar essa limitação, surgiram as GNNs (Graph Neural Networks) que são RNAs criadas para aprender diretamente de grafos. Neste curso, serão abordados os conceitos fundamentais e arquiteturas de GNNs, com exemplos práticos de modelagem de proteínas.
Possui graduação em Ciência da Computação pela Universidade Estadual do Sudoeste da Bahia (2006), mestrado em Ciência da Computação pela Universidade Federal de São Carlos (2008) e doutorado em Ciência da Computação pelo Instituto de Ciências Matemáticas e Computação da Universidade de São Paulo (2013). Em 2020, finalizou um pós-doutorado no Instituto de Ciências Matemáticas e Computação da Universidade de São Paulo na área de Ciência da Computação. Atualmente, é professor no Instituto de Computação da Universidade Federal da Bahia, atuando como orientador no programa de pós-graduação em Ciência da Computação (PGCOMP) e coordenando o grupo de pesquisa CInO (Computational Intelligence and Optimazation Resarch Lab) e o Laboratório de Inteligência Artificial. Suas linhas de pesquisa envolvem Inteligência Artificial, Aprendizado de Máquina, Ciência de Dados e Análise de Sinais (Séries Temporais). Além de desenvolver suas pesquisas visando contribuições teóricas na sua área de atuação, possui um forte interesse em pesquisas aplicadas à Medicina. Além de revisar artigos em importantes conferências na área de Inteligência artificial, atua como Editor Associado da revista Expert Systems With Applications (Elsevier).
Currículo lattes: http://lattes.cnpq.br/0427387583450747