DCC - UFMG
+55 31 3409 5860
ciia-saude@dcc.ufmg.br

Gabriel de Oliveira Ramos


Gabriel de Oliveira Ramos

UNISINOS
Programa de Pós-Graduação em Computação Aplicada

Pesquisador colaborador





Informações resumidas do Currículo Lattes


Currículo Lattes atualizado em 22/04/2021

Nome em citações bibliográficas: RAMOS, Gabriel de O.;RAMOS, G. de O.;RAMOS, Gabriel;RAMOS, G.;RAMOS, GABRIEL DE OLIVEIRA;OLIVEIRA RAMOS, Gabriel;OLIVEIRA RAMOS, Gabriel de;Oliveira Ramos, Gabriel;de O. Ramos, Gabriel;Ramos, Gabriel de O;DE OLIVEIRA RAMOS, GABRIEL;RAMOS, GABRIEL O.


Formação acadêmica

Doutorado em Computação na Universidade Federal do Rio Grande do Sul em 2018
Mestrado em Computação na Universidade Federal do Rio Grande do Sul em 2013
Graduado em Ciência da Computação na Universidade Luterana do Brasil em 2010


Projetos de pesquisa em andamento

2021 a AtualMinhaHistóriaDigital: Combinando Internet das Coisas, Computação em Neblina e Computação em Nuvem para o Gerenciamento Eficiente de Pessoas e Sinais Vitais no âmbito da COVID-19
O projeto MinhaHistóriaDigital visa o desenvolvimento de um modelo computacional que compreende arquitetura ealgoritmos que permitam a rastreabilidade e captura de sinais vitais de pessoas em tempo real no escopo de umadeterminada cidade. O projeto atua no combate à COVID-19, uma vez que possibilita que se obtenha a posiçãogeográfica e os sinais vitais pontuais de uma determinada pessoa, bem como o histórico de ambos os dados ao longodo tempo. Assim, pode-se verificar o grau de dispersão do vírus através de mapeamento de lugares que a pessoavisitou, analisar a eficácia de ações de quarentena, bem como observar e predizer evoluções críticas quanto aos sinaisvitais dos indivíduos. Para viabilizar tais objetivos, o projeto contempla a combinação de Internet das Coisas (IoT),Computação em Neblina (Fog Computing) e Computação em Nuvem (Cloud Computing) para a análise earmazenamento eficaz e escalável de informações. Considerando o exposto, o projeto visa três objetivos principais. Oprimeiro deles é a organização de uma arquitetura que contemple diferentes níveis de instrumentação IoT, variandodesde o uso de pulseiras e wearables, a instalação de leitores que atuam como portais em lugares estratégicos dacidade, até o sensoriamento de ambientes hospitalares. O segundo objetivo é relativo à organização de servidores eserviços em Neblina e em Nuvem, de modo que o número deles seja dinâmico de acordo com as necessidadescomputacionais e número de usuários em um determinado momento. Tal ação vai ao encontro da economia energética,bem como proporciona uma qualidade de serviço (QoS) inteligente para os usuários, uma vez que o tempo de respostae usabilidade sempre serão aceitáveis. Por fim, o terceiro objetivo inclui a definição de serviços e algoritmos sensíveis àlatência de rede, os quais executarão em nós na Neblina, e aqueles que realizarão computações mais pesados queexecutarão na nuvem. Predição de eventos, grau de dispersão do vírus em bairros da cidade, computações envolvendoo caminhamento de pessoas, correlação de causa-efeito de sinais vitais e detecção de padrões estão entre os serviçosvislumbrados pelo modelo MinhaHistóriaDigital.
Integrantes: RIGHI, RODRIGO DA ROSA (coordenador), Gabriel de Oliveira Ramos, Cristiano André da Costa, Sandro José Rigo, Alex Roehrs, Debora Oliveira da Silva, Diego Pissaia Ramires, Juliana Nichterwitz Scherer, Leandro Schmitz, Marco Antônio Fisch, Rafael Gustavo Gaspar da Silva, Rodolfo Stoffel Antunes, Sandra Marlene Heck, Valter Ferreira da Silva, Bruna Donida, Anderson Rosa dos Reis.
2020 a AtualModelo Inteligente de Blockchain para Informações de Saúde e Interação com Pacientes no âmbito da COVID-19
Esse projeto visa desenvolver um modelo inteligente de informação e comunicação, baseado em uma arquitetura distribuída em Blockchain com dados clínicos padronizados, para interligar diversos provedores de serviços de saúde e os pacientes de pandemias. Como padronização dos dados, o projeto adota o OpenEHR, padrão internacional aberto e recomendado pelo Sistema Único de Saúde (SUS), para representar os dados clínicos do paciente provendo a interoperabilidade semântica entre os diferentes envolvidos. O modelo proposto, denominado MinhaSaúdeDigital, permite também a interação remota e assistência aos pacientes de pandemias, em particular aqueles infectados por COVID-19, através do uso de dispositivos móveis. Essa interação permite a comunicação direta com o paciente, o acompanhamento da evolução da pandemia e a atualização do registro eletrônico de saúde (RES) que é armazenado em OpenEHR no Blockchain criado. Os dados coletados são submetidos a técnicas de análise de dados, baseadas em deep learning, para predição de prognóstico e geração de indicadores para tomada de decisão. São parceiros do projeto importantes provedores de saúde envolvidos no combate a COVID-19 no Rio Grande do Sul, a saber: Grupo Hospitalar Conceição (GHC), Hospital de Clínicas de Porto Alegre (HCPA), Hospital Ernesto Dornelles (HED), Hospital Moinhos de Vento (HMV), Hospital Universitário de Santa Maria (HUSM), Irmandade Santa Casa de Misericórdia de Porto Alegre (ISCMPA) e Unimed Central de Serviços RS. O projeto conta também com a parceria do Instituto Colaborativo de Blockchain (ICOLAB), instituto sem fins lucrativos focado no Blockchain. Como resultado, será produzido um sistema interoperável de informação e comunicação que armazena dados no padrão OpenEHR, através de uma Blockchain privada, em que cada parceiro constituirá um nó da rede. Além disso, através do MinhaSaúdeDigital, será possível manter contato com os pacientes afetados por pandemias, para assistência e acompanhamento, gerando prognóstico e indicadores de saúde para apoiar o combate à COVID-19.
Integrantes: Cristiano André da Costa (coordenador), Gabriel de Oliveira Ramos, Sandro José Rigo, RIGHI, RODRIGO DA ROSA, Alex Roehrs, Alexandre Vargas Schwarzbold, Ana Paula Alegretti, Ana Paula Wernz da Cunha Muller, Andre Lucio de Cassias, Antônio Nocchi Kalil, Beatriz Silvana da Silveira Porto, Cloer Vescia Alves, Debora Oliveira da Silva, Diego Pissaia Ramires, Geraldo José Goulart de Aguiar, Gustavo Nogara Dotto, José Roberto Goldim, Juliana Nichterwitz Scherer, Leandro Schmitz, Luis Fernando de Aguiar Goulart, Marcio Cristiano Walter, Marco Antônio Fisch, Mário Oscar Steffen, Rafael Gustavo Gaspar da Silva, Roberta de Almeida da Silva, Rodolfo Stoffel Antunes, Rochele Cassandra Rossi, Rodrigo Debus Soares, Rodrigo Heck, Sandra Marlene Heck, Tiago Abreu, Valter Ferreira da Silva, Vitor Ferreira.
2019 a AtualContribuindo para a melhoria da mobilidade urbana através de aprendizado por reforço multiagente
Mobilidade urbana eficiente é um dos grandes desafios da sociedade moderna. A frequência e intensidade de congestionamentos afeta diretamente a qualidade de vida das pessoas. Do ponto de vista econômico, estudos apontam que, em função de congestionamentos, países desenvolvidos sofrem prejuízos próximos a 1% de seu PIB e preveem ainda que tais prejuízos podem crescer mais de 50% até 2030. De modo a mitigar tais problemas, deve-se buscar alternativas para fazer um uso mais eficiente da infraestrutura viária existente. É neste contexto que surge o conceito de sistemas inteligentes de transporte (ITS, da sigla em inglês), que se baseia na integração de diversas áreas de conhecimento, como telecomunicações, inteligência artificial e engenharia de tráfego, para melhorar a eficiência dos sistemas de transporte. Este projeto aborda o problema de escolha de rotas, através do qual é possível estudar como motoristas escolhem rotas para se deslocar diariamente entre suas origens e destinos de modo a minimizar seus custos de viagem (tempo, geralmente). O desafio aqui está no fato que, uma vez que os custos de viagem são afetados pela forma como os motoristas escolhem suas rotas e se adaptam uns aos outros, temos que tal objetivo se torna um alvo em movimento. Logo, através deste problema pode-se desenvolver técnicas para melhorar a distribuição dos veículos na rede viária, reduzindo assim os congestionamentos. A pesquisa descrita neste projeto busca investigar o uso de técnicas de aprendizado por reforço multiagente. Tais técnicas são particularmente úteis em cenários como o de trânsito, onde os agentes (motoristas) possuem conhecimento bastante limitado sobre o que acontece à sua volta. Em geral, as técnicas atualmente existentes não possuem garantias de convergência para uma solução ótima. O proponente acumula experiência justamente neste ponto, tendo avançado o estado da arte com diversas análises teóricas do problema. Porém, vale ressaltar que tais métodos possuem convergência relativamente lenta. Portanto, através deste projeto, espera-se dar continuidade ao trabalho desenvolvido pelo proponente, entregando métodos mais eficientes sem sacrificar as análises teóricas.
Integrantes: Gabriel de Oliveira Ramos (coordenador), Bazzan, Ana L. C., Bruno Castro da Silva, Ann Nowé, Rafael Kunst, Cínthia Virtuoso Becher.
2019 a AtualContribuindo para a concepção de cidades inteligentes através de inteligência artificial
A sociedade moderna passa por mudanças socioeconômicas em um ritmo cada vez mais acelerado. Nas últimas décadas, a demanda por serviços (tanto quantitativamente quanto qualitativamente) cresceu de forma mais consistente que a capacidade infraestrutural das cidades em absorvê-la. Alguns destes serviços incluem: mobilidade, energia, educação, saúde, segurança, entretenimento, gestão, entre outros. Este crescente fenômeno de disparidade entre oferta e demanda tem gerado perdas bilionárias na economia de grandes cidades. Neste contexto, surge o conceito de cidades inteligentes (smart cities), que busca aliar novas tecnologias (como inteligência artificial, redes de sensores, internet das coisas, etc.) à infraestrutura das cidades para melhorar a qualidade de vida de seus cidadãos. Este projeto busca investigar o uso e concepção de técnicas de inteligência artificial de modo a contribuir para o desenvolvimento de cidades inteligentes em geral, com foco em sistemas inteligentes de transporte e redes elétricas inteligentes.
Integrantes: Gabriel de Oliveira Ramos (coordenador), Bazzan, Ana L. C., Bruno Castro da Silva, Ann Nowé, Rodrigo da Rosa Righi, Jorge Luis Victoria Barbosa, Rafael Kunst, Sandro José Rigo.
2018 a AtualIntelligent Factory: Otimização do Custo Operacional de Fábricas para Microeletrônica via Internet das Coisas (IoT)
Manter uma sala para fabricação de semicondutores em operação tem um custo muito elevado. Somente o custo de operação do sistema de ar condicionado de uma sala limpa classe ISO 6 (classe 1000) chega a ser 50 vezes mais elevado do que o custo de operação de um sistema de ar condicionado para escritórios, por exemplo. Nesse contexto, o projeto tem foco em como será a conexão dos equipamentos e sensores de Internet das Coisas à internet de forma confiável e o uso de técnicas preditivas para eliminar paradas não programadas e reduzir os custos de operação e de manutenção. A ideia é desenvolver um sistema para monitorar remotamente variáveis críticas em equipamentos de produção e facilidades eletromecânicas de salas limpas para microeletrônica aplicando internet das coisas (Industrial Internet of Things ? IioT). Ainda, busca-se detectar variações ou mudanças de comportamento que possam indicar problemas de operação ou manutenção permitindo atuar preventivamente na correção dos mesmos evitando paradas e reduzindo os custos. Ainda, o projeto também contempla questões como consumo energético e tratamento da vibração de equipamentos. Por fim, o projeto também almeja formar mão de obra especializada em manutenção de equipamento e infraestrutura de salas limpas para microeletrônica e IoT.
Integrantes: Rodrigo da Rosa Righi (coordenador), Gabriel de Oliveira Ramos, Cristiano André da Costa, Celso Peter, José Vicente Canto dos Santos, Gustavo Pessin, Cesar David Paredes Crovato, Paulo Ricardo da Silva Pereira, Rodrigo Ivan Goytia Mejia, Sandro Binsfeld Ferreira, Henrique Kuhn, Gabriel do Nascimento Silveira, Cinicius Jesus, Miromar José de Lima, Eduardo Trindade, Fernanda Schafer.

Projetos de desenvolvimento em andamento

Veja todos os projetos no Currículo Lattes

Últimas publicações

Artigos em periódicos

ElHealth: Using Internet of Things and data prediction for elastic management of human resources in smart hospitals
2020. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE.
Toll-based reinforcement learning for efficient equilibria in route choice
2020. KNOWLEDGE ENGINEERING REVIEW.
A survey on decision-making based on system reliability in the context of Industry 4.0
2020. JOURNAL OF MANUFACTURING SYSTEMS.
Analysing the impact of travel information for minimising the regret of route choice
2018. TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES.

Trabalhos completos em congressos

Fuzzy Time Series for Predicting Phenological Stages of Apple Trees
2021. ACM Symposium on Applied Computing.
Nodal Analysis for Coronary Artery Ischemia Diagnosis
2020. Anais Principais do Simpósio Brasileiro de Computação Aplicada à Saúde.
Análise comparativa da influência dos espaços de cores na segmentação multi-classe de Whole Slide Imaging do câncer de mama utilizando deep learning
2020. Anais Principais do Simpósio Brasileiro de Computação Aplicada à Saúde.
On the Role of Reward Functions for Reinforcement Learning in the Traffic Assignment Problem
2020. 2020 International Joint Conference on Neural Networks (IJCNN).
Toll-Based Learning for Minimising Congestion under Heterogeneous Preferences
2020. International Conference on Autonomous Agents and Multiagent Systems.
A Budged-Balanced Tolling Scheme for Efficient Equilibria under Heterogeneous Preferences
2019. Adaptive Learning Agents Workshop.
Experience Sharing Between Cooperative Reinforcement Learning Agents
2019. 2019 IEEE 31st International Conference on Tools with Artificial Intelligence (ICTAI).
Self-Adaptive Appearance-Based Eye-Tracking with Online Transfer Learning
2019. 2019 8th Brazilian Conference on Intelligent Systems (BRACIS).
Regret Minimisation and System-Efficiency in Route Choice
2019. XXXII Concurso de Teses e Dissertações da SBC.
Learning System-Efficient Equilibria in Route Choice Using Tolls
2018. Adaptive Learning Agents Workshop.
Avaliação do desempenho do aprendizado por reforço em simulação microscópica de tráfego
2017. XI Workshop-Escola de Sistemas de Agentes, seus Ambientes e apliCações (WESAAC 2017).
Developing a Python Reinforcement Learning Library for Traffic Simulation
2017. Adaptive Learning Agents Workshop.
Learning to Minimise Regret in Route Choice
2017. International Conference on Autonomous Agents and Multiagent Systems.
On Estimating Action Regret and Learning From It in Route Choice
2016. Ninth International Workshop on Agents in Traffic and Transportation (ATT2016).
Efficient local search in traffic assignment
2016. 2016 IEEE Congress on Evolutionary Computation (CEC).
Towards the User Equilibrium in Traffic Assignment Using GRASP with Path Relinking
2015. the 2015.

Resumos expandidos em congressos

Binary Segmentation of Seismic Facies Using Encoder-Decoder Neural Networks
2020. LatinX in AI Workshop @ NeurIPS 2020.
Minimising Regret in Route Choice (Doctoral Consortium)
2017. International Conference on Autonomous Agents and Multiagent Systems.

Resumos em congressos

Controle de semáforos baseado em aprendizado por reforço com função de recompensa adaptativa
2020. XXVII Mostra UNISINOS de Iniciação Científica e Tecnológica.
Resolução do problema de alocação de salas de aula
2013. IV Mostra de Pesquisa em Sala de Aula.
Automatização de um Centro de Distribuição através de um Sistema Multiagente
2010. II Mostra Sociocultural e Científica da Ulbra Gravataí.

Veja todas as publicações no Currículo Lattes

Orientações em andamento

Mestrado

Gabriela Kuhn. indefinido. Início: 2021. Universidade do Vale do Rio dos Sinos (Orientador principal)
Arturo Souza. indefinido. Início: 2021. Universidade do Vale do Rio dos Sinos (Orientador principal)
Igor Felipe de Camargo. indefinido. Início: 2021. Universidade do Vale do Rio dos Sinos (Orientador principal)
Samuel Armbrust Freitas. Functional Coronary Artery Assessmen. Início: 2020. Universidade do Vale do Rio dos Sinos (Orientador principal)
Vitor Augusto Fraga. Identificação de features para controle semafórico. Início: 2020. Universidade do Vale do Rio dos Sinos (Orientador principal)
Lincoln Vinicius Schreiber. Deep reinforcement learning for traffic light control. Início: 2020. Universidade do Vale do Rio dos Sinos (Orientador principal)
Carlos Eduardo de Moura Apoitia. Crop yield prediction with deep learning. Início: 2020. Universidade do Vale do Rio dos Sinos (Orientador principal)

Doutorado

Felipe André Zeiser. Um Modelo Híbrido e Multimodal Baseado em Deep Learning para Detecção e Prognóstico do SARS-CoV-2. Início: 2020. Universidade do Vale do Rio dos Sinos (Co orientador)
Tiago Roberto Kautzmann. indefinido. Início: 2020. Universidade do Vale do Rio dos Sinos (Co orientador)
Juarez Machado da Silva. Multi-objective dynamic shortest paths. Início: 2019. Universidade do Vale do Rio dos Sinos (Co orientador)
Marcos Leandro Hoffmann Souza. Um modelo combinado de IoT e deep learning para diagnóstico e prognóstico de manutenção e gestão de processos. Início: 2019. Universidade do Vale do Rio dos Sinos (Co orientador)

Veja todas as orientações no Currículo Lattes