Aline Marins Paes Carvalho

Aline Paes é professora associada do Instituto de Computação da Universidade Federal Fluminense (UFF). É mestre e doutora em Engenharia de Sistemas e Computação, com ênfase em Inteligência Artificial, pela COPPE-Sistemas, UFRJ, tendo feito estágio de doutoramento (sanduíche) por um ano no Imperial College London, UK. Atualmente, é Jovem Cientista do Nosso Estado pela FAPERJ e bolsista de produtividade nível 2 do CNPq. Aline Paes atua na área de Ciência da Computação, com ênfase em Inteligência Artificial, com interesses e contribuições nos seguintes temas: aprendizado de máquina relacional, integrado a técnicas neurais, estatísticas e lógicas, aprendizado de representações para língua natural, atualização e adaptação de modelos, revisão de teorias e aprendizado por transferência, IA explicável, indução de programas, e IA para bem-estar social. Tem publicado artigos regularmente em um dos principais periódicos da área de Aprendizado de Máquina (Machine Learning Journal), dentre outros, e em conferências nacionais e internacionais da área de Inteligência Artificial. Faz parte do comitê editorial do Machine Learning Journal e da Revista Iberoamericana de Inteligência Artificial. Participa regularmente do comitê de programa de alguns dos principais congressos internacionais da área de Inteligência Artificial, por exemplo, AAAI, dentre outros, além de ser revisora ad-hoc de diversos periódicos internacionais. Já coordenou/coordena projetos de pesquisa aprovados por órgãos de fomento, incluindo dois Projetos Universais CNPq, um Projeto "APQ1 FAPERJ" e um Projeto "Jovem Cientista do Nosso Estado FAPERJ", todos na área de Inteligência Artificial.

Quer entrar em contato? Fale com a Assessoria de Imprensa da UFF

Publicações

Revista: Concurreny and Computation (Online)
Título Anoordem crescente doi Idioma
An incremental reinforcement learning scheduling strategy for data-intensive scientific workflows in the cloud 2021 10.1002/cpe.6193 Inglês
Revista: SOCIAL NETWORK ANALYSIS AND MINING
Título Anoordem crescente doi Idioma
A survey on the use of data and opinion mining in social media to political electoral outcomes prediction 2021 10.1007/s13278-021-00813-4 Inglês
Revista: SENSORS
Título Anoordem crescente doi Idioma
Predicting Popularity of Video Streaming Services with Representation Learning: a survey and a real-world case study 2021 10.3390/s21217328 Inglês
Revista: Journal of Information and Data Management - JIDM
Título Anoordem crescente doi Idioma
Online Deep Learning Hyperparameter Tuning based on Provenance Analysis 2021 10.5753/jidm.2021.1924 Português
Multimodal Provenance-based Analysis of Collaboration in Business Processes 2021 10.5753/jidm.2021.1923 Inglês
Revista: PEERJ COMPUTER SCIENCE
Título Anoordem crescente doi Idioma
Provenance-and machine learning-based recommendation of parameter values in scientific workflows 2021 10.7717/peerj-cs.606 Inglês
Revista: KNOWLEDGE ENGINEERING REVIEW (ONLINE)
Título Anoordem crescente doi Idioma
Learning multiple concepts in description logic through three perspectives 2021 10.1017/S0269888921000059 Inglês
Revista: MACHINE LEARNING (DORDRECHT. ONLINE)
Título Anoordem crescente doi Idioma
Transfer learning by mapping and revising boosted relational dependency networks 2020 10.1007/s10994-020-05871-x Inglês
Revista: INTERNATIONAL JOURNAL OF CARDIOVASCULAR SCIENCES (ONLINE)
Título Anoordem crescente doi Idioma
Infodemia, Fake News and Medicine: Science and The Quest for Truth 2020 10.36660/ijcs.20200073 Inglês
Revista: Future Generation Computer Systems
Título Anoordem crescente doi Idioma
Using machine learning techniques to analyze the performance of concurrent kernel execution on GPUs 2020 10.1016/j.future.2020.07.038 Inglês
Revista: INFORMATION PROCESSING & MANAGEMENT
Título Anoordem crescente doi Idioma
Querying XML documents using Prolog engines: When is this a good idea? 2019 10.1016/j.ipm.2019.05.011 Inglês
Revista: Machine Learning
Título Anoordem crescente doi Idioma
Online probabilistic theory revision from examples with ProPPR 2019 10.1007/s10994-019-05798-y Inglês
On the use of stochastic local search techniques to revise first-order logic theories from examples 2017 10.1007/s10994-016-5595-3 Inglês
Using the Bottom Clause and Mode Declarations in FOL Theory Revision from Examples 2009 10.1007/s10994-009-5116-8 Inglês
Revista: Entertainment Computing
Título Anoordem crescente doi Idioma
Detecting long-range cause-effect relationships in game provenance graphs with graph-based representation learning 2019 10.1016/j.entcom.2019.100318 Inglês
Revista: INFORMATION SCIENCES
Título Anoordem crescente doi Idioma
Revising the Structure of Bayesian Network Classifiers in the Presence of Missing Data 2018 10.1016/j.ins.2018.02.011 Português
Revista: JOURNAL OF LOGIC AND COMPUTATION
Título Anoordem crescente doi Idioma
On the formal characterization of the FORTE_MBC theory revision operators 2017 10.1093/logcom/exx015 Inglês
Revista: COMPUTATIONAL INTELLIGENCE
Título Anoordem crescente doi Idioma
Simulated Perceptions for Emergent Storytelling 2017 10.1111/coin.12088 Inglês
Revista: Communications in Computer and Information Science (Print)
Título Anoordem crescente Idioma
Running Multi-relational Data Mining Processes in the Cloud: a Practical Approach for Social Networks 2015 Inglês
Revista: Revista de Informática Aplicada
Título Anoordem crescente Idioma
Experiencing Affective Agents in Simulation Games 2014 Inglês