Juan Colonna
Universidade Federal do AmazonasIComp
Pesquisador colaborador
Informações resumidas do Currículo Lattes
Currículo Lattes atualizado em 09/04/2021
Nome em citações bibliográficas: COLONNA, J. G.;COLONNA, JUAN GABRIEL;COLONNA, JUAN;COLONNA, JUAN G.
Formação acadêmica
Doutorado em Informática na Universidade Federal do Amazonas em 2017Mestrado em Informática na Universidade Federal do Amazonas em 2012
Graduado em Ingeniería en Telecomunicaciones na Universidad Nacional de Río Cuarto em 2009
Projetos de pesquisa em andamento
| 2020 a Atual | Samsung UFAM Projeto de Educação e Pesquisa O objetivo do principal do SUPER é capacitar os alunos de graduação dos cursos envolvidos no projeto, em áreas tecnológicas e foi formatado compreendendo todo o período de permanência do aluno na universidade, desde o currículo básico até a qualificação avançada específica, visando quatro perspectivas: 1)Do aluno: para poder assimilar uma formação avançada em tecnologia é preciso que ele tenha conhecimentos sólidos nas disciplinas básicas e técnicas dos períodos iniciais, além de conhecimento em inglês técnico e habilidades socioemocionais. 2)Do professor: precisam ser altamente capacitados e engajados no projeto, visando prover formação de qualidade e orientação técnica nos projetos. 3)Da infraestrutura: pensada para atender as demandas da capacitação com implantação e modernização de laboratórios para apoio à formação e desenvolvimento de projetos. 4)Da sociedade: receberá um número maior de profissionais capacitados colaborando com o desenvolvimento econômico do estado e com a diminuição do déficit de mão de obra. Integrantes: Juan Gabriel Colonna (coordenador), SANTOS, EULANDA MIRANDA DOS, Eduardo James Pereira Souto, Rafael Giusti, Tanara Lauschner. |
| 2019 a Atual | SAPIENTIA: Plataforma inteligente para testes exploratórios autônomos e revisão de defeitos de software embarcados A rápida evolução dos dispositivos móveis tem criado uma demanda cada vez maior de testes de qualidade em ciclos de desenvolvimento cada vez mais curtos. Atualmente, esses testes são realizados por um grupo de testadores humanos. Infelizmente, como qualquer recurso, os recursos humanos são limitados e configuram-se em uma parcela muito relevante no custo final do produto. Portanto, para lidar com o aumento da demanda de testes, é necessário tornar o seu processo mais eficiente. Para isso, a automação de testes com uso de algoritmos avançados de inteligência artificial representa uma solução promissora para diminuir o tempo e o custo da execução de testes. Integrantes: José Reginaldo Hughes Carvalho (coordenador), Juan Gabriel Colonna, Raimundo da Silva Barreto, Lucas Carvalho Cordeiro. |
| 2016 a Atual | Estructuras complejas de datos y teoría del aprendizaje estadístico La complejidad de los datos asociado a problemas ya clásicos tanto de la biología, de las ingenierías, de la sociología, etc, como así también a nuevos problemas interdisciplinares como lo son los de la percepción, del razonamiento, de inteligencia artificial, de la genética humana y de poblaciones, de epidemiología, tratamiento de imágenes, etc, ha planteado importantes desafíos teóricos y prácticos tanto a las ciencias de la computación como a la teoría y metodología estadística. Ejemplos de respuestas complejas a dichos desafíos son el aprendizaje de máquinas (machine learning) y el aprendizaje estadístico (statistical learning). El campo del ?aprendizaje estadístico? (statistical learning) puede ser visto como el conjunto de teorías y técnicas cuyos objetivos consisten en descubrir (no supervisado) regularidades en los datos que ayuden a explicar el fenómeno generando también dispositivos de predicción (supervisado). El presente proyecto se plantea aportar sobre dos aspectos. El primero de ellos relacionado con las técnicas de clasificación y regularización en el contexto del tratamiento de imágenes como en el de selección de variables en modelos de estructuras de actividad cuantitativa (QSAR). El segundo sobre modelos gráficos y estimación. Integrantes: Juan Gabriel Colonna (coordenador), Marcelo Ruiz, Mery Picco, Julia Maldonado, Mariela Sued. |
Projetos de desenvolvimento em andamento
Últimas publicações
Artigos em periódicos
Deep hashing for multi-label image retrieval: a survey2020. ARTIFICIAL INTELLIGENCE REVIEW.
A Smartphone Lightweight Method for Human Activity Recognition Based on Information Theory
2020. SENSORS.
Bioacoustic signal denoising: a review
2020. ARTIFICIAL INTELLIGENCE REVIEW (DORDRECHT. ONLINE).
Estimating ecoacoustic activity in the Amazon rainforest through Information Theory quantifiers
2020. PLoS One.
Feature Evaluation for Unsupervised Bioacoustic Signal Segmentation of Anuran Calls
2018. EXPERT SYSTEMS WITH APPLICATIONS.
A comparison of hierarchical multi-output recognition approaches for anuran classification
2018. MACHINE LEARNING.
Unsupervised selection of the singular spectrum components based on information theory for bioacoustic signal filtering
2018. DIGITAL SIGNAL PROCESSING.
An Incremental Technique for Real-Time Bioacoustic Signal Segmentation
2015. Expert Systems with Applications.
Trabalhos completos em congressos
Autenticação contínua de alunos utilizando biometria comportamental em ambiente Juiz On-line2020. Simpósio Brasileiro de Informática na Educação.
Previsão de ocupação de anuros usando sensoriamento de variáveis ambientais e modelos Autocodificadores
2019. XXXIX Congresso da Sociedade Brasileira de Computação.
SVC-A2C - Actor Critic Algorithm to Improve Smart Vacuum Cleaner
2019. IX Simpósio Brasileiro de Engenharia de Sistemas Computacionais.
Framework para coleta e inferência de estados emocionais de alunos baseado em reconhecimento de expressões faciais
2017. XXVIII Simpósio Brasileiro de Informática na Educação SBIE (Brazilian Symposium on Computers in Education).
Mutual Singular Spectrum Analysis For Bioacoustics Classification
2017. IEEE 27th International Workshop on Machine Learning for Signal Processing (MLSP).
Sensor Acústico para Detecção de Desmatamento Ilegal na Floresta Amazônica
2017. IX Simpósio Brasileiro de Computação Ubíqua e Pervasiva (SBCUP).
Automatic Classification of Anuran Sounds Using Convolutional Neural Networks
2016. the Ninth International C* Conference.
A Framework for Chainsaw Detection Using One-Class Kernel and Wireless Acoustic Sensor Networks into the Amazon Rainforest
2016. 2016 17th IEEE International Conference on Mobile Data Management (MDM).
Resumos expandidos em congressos
Resumos em congressos
Veja todas as publicações no Currículo Lattes
