1. Aprendizado Estatístico de Máquina
2. Métodos Estatísticos

2016 – 2017
Pós-Doutorado.
Universidade de São Paulo, USP, Brasil.
Bolsista do(a): Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Brasil.
Grande área: Ciências Exatas e da Terra
2011 – 2016
Doutorado em Estatística (Conceito CAPES 4).
Universidade Federal de São Carlos, UFSCAR, Brasil.
Título: Modelo Alfa Normal Assimétrico Multivariado para Redes de Classificação , Ano de obtenção: 2016.
Orientador: Francisco Louzada Neto.
Palavras-chave: bimodal; assimetria; multivariada; mineração de dados; Classificação.
Grande Área: Ciências Exatas e da Terra / Área: Probabilidade e Estatística / Subárea: Probabilidade e Estatística Aplicadas / Especialidade: Estatística Computacional.
Grande Área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Aprendizado de Máquina.
2009 – 2011
Mestrado em Estatística (Conceito CAPES 4).
Universidade Federal de São Carlos, UFSCAR, Brasil.
Título: Redes Probabilísticas de K-dependência para problemas de classificação binária , Ano de Obtenção: 2011.
Orientador: Francisco Louzada.
Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil.
Palavras-chave: Redes Bayesianas; Aprendizado de Máquina.
2005 – 2008
Graduação em Bacharelado em Estatística.
Universidade Federal de São Carlos, UFSCAR, Brasil.
Título: Redes Bayesianas: uma introdução à inteligência artificial probabilística.
Orientador: Francisco Louzada.
2003 – 2004
Curso técnico/profissionalizante.
Centro Estadual de Educação Tecnológica Paula Souza, CEETEPS, Brasil.
2001 – 2002
Curso técnico/profissionalizante.
SENAI “Antonio Adolpho Lobbe”, SENAI, Brasil.
2001 – 2003
Ensino Médio (2º grau).
Escola Estadual Jesuíno de Arruda, AEJA, Brasil.

Graduado em Estatística (2009), Mestre em Estatística (2011), títulos obtidos pela Universidade Federal de São Carlos (UFSCar). Doutor em Estatística (2016) através dos Programas de Pós-Graduação em Estatística (PPGEst-UFSCar) e Pós-Graduação em Ciência da Computação (PPG-CC-UFSCar). Desde agosto de 2021 é Professor Adjunto da Universidade Federal do Paraná (UFPR), campus Curitiba/PR, Departamento de Estatística (DEst) do Setor de Ciências Exatas. Foi Professor Adjunto da Universidade Federal da Bahia (2017-2021), campus Salvador/BA, Departamento de Estatística (DEst) do Instituto de Matemática e Estatística (IME) e Professor da Faculdade de Tecnologia SENAI-SP (2009-2015), campus São Carlos/SP. Docente da Especialização em Data Science Big Data (DSBD-UFPR), MBA em Finanças Corporativas (UTFPR) e Ciência de Dados e Big Data (ECD-UFBA). Pesquisador do Programa de Pós-Graduação em Métodos Números em Engenharia (PPGMNE) da UFPR pela linha de pesquisa Métodos Estatísticos. Pesquisador do Programa de Pós-Graduação em Matemática (PGMAT) com área de Concentração em Estatística do IME-UFBA. Tutor do Programa de Educação Tutorial (PET). Atua principalmente nas seguintes áreas: Aprendizado Estatístico de Máquina, Inferência Estatística e Métodos Computacionais. Tem orientado e publicado em periódicos nacionais e internacionais da área. Tem experiência no desenvolvimento de projetos multidisciplinares de pesquisa, extensão e de desenvolvimento tecnológico. Bolsista MEC/FNDE (2022-2028). (Texto informado pelo autor)

• 2022 – Atual
  CAPES/UFPR –  Aprendizado Estatístico de Máquina: fundamentos e aplicações
  Situação: Em andamento; Natureza: Pesquisa.
  Alunos envolvidos: Graduação: (5) / Especialização: (2) / Mestrado acadêmico: (3) .

  Integrantes: Anderson Luiz Ara Souza – Coordenador.
  2021 – 2023
  CNPq / MELINDA GATES – Mind the gap – identificando perfis de pobreza familiar e projetando cenários para superação do hiato de pobreza infantil nos anos pós pandemia
  Descrição: O objetivo desta proposta é duplo. Numa primeira abordagem, pretende-se, através de técnicas de agrupamento multinível (Estivill-Castro e Lee 2002; Steenbergen e Jones 2002), identificar os diferentes perfis de pobreza das famílias com crianças menores de cinco anos inscritas no Cadastro Único. A justificativa para este primeiro esforço reside na noção de que a quantidade de dinheiro e tempo necessários para uma família superar os desafios financeiros, sociais e de saúde presentes nos primeiros cinco anos de vida de uma criança variam muito, dependendo da gravidade da pobreza que enfrentavam ao entrar no Cadastro Único. Pretendemos identificar esses perfis de pobreza a partir de dados de três níveis diferentes, considerando não apenas a família (IED), mas setor censitário (IBP) e município (IDH). A segunda abordagem desta proposta é projetar diferentes cenários para avaliar qual é a quantia para preencher a lacuna da pobreza infantil 1 para famílias com os diferentes perfis identificados na etapa anterior. A ideia é prever, por meio de algoritmos de aprendizado de máquina bayesianos, qual o impacto dos cenários melhor, moderado e pior na variação média da renda, no custo de vida e nas taxas de mortalidade. Nesse sentido, as metodologias bayesianas são uma ferramenta importante, pois nos permitem basear-se em pressupostos anteriores sobre cenários pré-pandêmicos para traçar nossas estimativas..
  Situação: Concluído; Natureza: Pesquisa.

  Integrantes: Anderson Luiz Ara Souza – Integrante / Rosemeire Leovigildo Fiaccone – Integrante / Dandara Ramos – Coordenador / Davide Rasella – Integrante / Nivea Bispo – Integrante / Robespierre Pita – Integrante.
  Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico – Auxílio financeiro.
  2021 – 2022
  MICROSOFT / NATIONAL GEOGRAPHIC – CoPI – Microbial diversity and ecosystem function from a changing world
  Descrição: This project will combine thousands of publicly available metagenomic sequences and environmental data, distributed globally, with machine learning, to predict the role of climate and land-use intensity in controlling soils’; microbial genomic functions relates to the nitrogen cycle and antibiotic resistance mechanisms. We will uncover environmental and climate factors that influence microbial diversity and functions connected with soil quality maintenance, thus providing scientific information that will directly impact soil management. The predictive models built during this action will advance our understanding of microbial communities’ ecological services. Microsoft AI for Earth. Azure Grants..
  Situação: Concluído; Natureza: Pesquisa.

  Integrantes: Anderson Luiz Ara Souza – Integrante / Pedro Milet Meirelles – Coordenador / Manuel Delgado Baquerizo – Integrante / Rodrigo Rocha Gomes e Souza – Integrante.
  Financiador(es): Microsoft Corporation – Outra.
  2021 – Atual
  ICODA Grant – CoPI –  Evaluation of the effects of social inequalities on the COVID-19 pandemic in a middle- and low-income country
  Descrição: Brazil, one of the most unequal countries in the world, has been severely affected by the COVID-19 pandemic and have deepened pre-existing inequalities. Nevertheless, the extent in which COVID-19 has affected more heavily different population subgroups have been so far unexplored. We are interested in analyzing how COVID-19 affected different social subgroups and deepen existing health inequalities. Project supported from the Bill & Melinda Gates Foundation, the Minderoo Foundation, and Microsoft’s AI for Health program..
  Situação: Em andamento; Natureza: Pesquisa.
  Alunos envolvidos: Graduação: (2) / Especialização: (2) / Mestrado acadêmico: (3) / Doutorado: (1) .

  Integrantes: Anderson Luiz Ara Souza – Coordenador / Lilia Carolina Carneiro da Costa – Integrante / Rosemeire Leovigildo Fiaccone – Integrante / Marcos E. Barreto – Integrante / Maria Yury Ichihara – Integrante / Julia Pescarini – Integrante.
  2021 – Atual
  WELLCOME TRUST –  Computational analyses of speech and language: Screening for psychosis risk and predicting psychosis in BRAZIL: A Wellcome Flagships Project Proposal
  Situação: Em andamento; Natureza: Pesquisa.
  Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (2) .

  Integrantes: Anderson Luiz Ara Souza – Integrante / LOCH, ALEXANDRE ANDRADE – Coordenador / ARGOLO, FELIPE – Integrante / GONDIM, JOÃO MEDRADO – Integrante / CECCHI, GUILLERMO A – Integrante / CORCORAN, CHERYL MARY – Integrante / MOTA, NATÁLIA BEZERRA – Integrante.
  2020 – 2021
  PROCEAO/UFBA –  Análise estatística na associação do rendimento acadêmico, evasão e critérios socioeconômicos dos alunos de graduação da UFBA
  Descrição: A adoção de políticas afirmativas pelas universidades públicas no Brasil foi resultado de um longo processo de militância de grupos minoritários dentro e fora das universidades. Neste sentido, os levantamentos estatísticos porem auxiliar a UFBA no sentido de, além de conhecer a distribuição de seus alunos de graduação em diferentes aspectos, auxiliem a quantificar a eficácia de algumas políticas de ações afirmativas, tais como a concessão de serviços, bolsas e auxílios da Assistência Estudantil, com relação ao rendimento acadêmico e evasão na graduação. Este projeto visa realizar um levantamento de dados que expressem tais aspectos e, através de análises estatísticas e recursos computacionais, mensurar a associação destes aspectos com a taxa de evasão e rendimento escolar..
  Situação: Concluído; Natureza: Pesquisa.
  Alunos envolvidos: Graduação: (2) / Doutorado: (3) .

  Integrantes: Anderson Luiz Ara Souza – Coordenador / Lilia Carolina Carneiro da Costa – Integrante / Alisson Medrade Moutinho – Integrante / Matheus Alves – Integrante.
  Financiador(es): PROGRAMA DE APOIO AO CEAO – PROCEAO – Auxílio financeiro.
  2018 – 2020
  CNPq/UFBA –  Máquina de Vetores de Suporte: uma introdução aplicada
  Descrição: Máquina de Vetores de Suporte é uma técnica incipiente de aprendizado de máquina e fundamenta-se na Teoria do Aprendizado Estatístico (Vapnik, 1998). Ainda, pouco explorada pela comunidade estatística nacional, tem sido aplicada de forma bem-sucedida na construção de modelos de aprendizado de máquina em diversos contextos. Este projeto tem por objetivo a investigação desta técnica para os contextos temporais e de combinação de modelos, bem como em aplicações..
  Situação: Concluído; Natureza: Pesquisa.
  Alunos envolvidos: Graduação: (1) / Especialização: (1) / Mestrado acadêmico: (2) .

  Integrantes: Anderson Luiz Ara Souza – Coordenador / Mateus Maia – Integrante / Caio Batalha Dias Oliveira – Integrante / Jonatha Pimentel – Integrante / Ivalbert Santos Pereira – Integrante / Samuel Macêdo – Integrante.
  Financiador(es): Universidade Federal da Bahia – Bolsa.
  2018 – 2020
  SERRAPILHEIRA –  Impacts of climate change on microbiome, carbon fixation and water quality in aquifers
  Descrição: In the future, climate change will impact groundwater quality and availability. Despite the importance of groundwater in carbon sequestration, studies on groundwater microbial communities and their contribution to the carbon budget are scarce. Information embedded in bacterial genomes can be used to understand their role in the carbon cycle, and their potential to mitigate climate change by absorbing carbon and restoring water quality in aquifers and reservoirs. In this work, we aim to study the microbial communities of Brazilian aquifers, their role in carbon sequestration and the potential effects of climate change on microbial diversity and carbon intake. We will assess the microbial diversity of aquifers through metagenomics and build an ecological niche model for aquifer?s bacterial communities. Using publicly available metagenomic datasets, combined with environmental parameters, we will build and validate models through measurative experiments. We will then empirically test the effects of climate changes on the aquifers microbial communities? structure and their ability to fix carbon through manipulative experiments. Finally, we will provide scientific information that will directly impact groundwater resources management. Our models will be applied to other aquifers, and greater understanding of microbial communities ecological services may be applied for bioremediation and restoration of water quality in aquifers..
  Situação: Concluído; Natureza: Pesquisa.
  Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) / Doutorado: (3) .

  Integrantes: Anderson Luiz Ara Souza – Integrante / Pedro Milet Meirelles – Coordenador / João Carlos Gama de Matos – Integrante / Mércia da Silva Santos – Integrante / Kaike Reis – Integrante / Arthur Rios Azevedo – Integrante.
  Financiador(es): Instituto Serrapilheira – Auxílio financeiro.
  2017 – 2020
  [CNPq/UFBA] Redes Bayesianas: métodos e algoritmos para classificação
  Descrição: Redes Bayesianas, também conhecidas como redes causais, redes de crenças ou redes probabilísticas de dependência, surgiram na década de 1980 e foram aplicadas em uma ampla variedade de atividades do mundo real. Este projeto visa propor novos métodos de estimação de estrutura e predições utilizando-se de métodos paramétricos e não-paramétricas..
  Situação: Concluído; Natureza: Pesquisa.
  Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) .

  Integrantes: Anderson Luiz Ara Souza – Coordenador / Francisco Louzada – Integrante / Lilia Carolina Carneiro da Costa – Integrante / Davi Vieira Barbosa – Integrante / Camila Sgarioni Ozelame – Integrante / Mathes Alves – Integrante / Samuel Mendes Veríssimo – Integrante.
  Financiador(es): Universidade Federal da Bahia – Bolsa.
  2011 – 2016
  CNPq/UFSCar –  Modelo Multivariado para Redes de Classificação

  Projeto certificado pelo(a) coordenador(a) Francisco Louzada Neto em 27/05/2021.
  Descrição: Proposição de uma nova classe de distribuições multivariadas de probabilidade com base na extensão da alfa normal assimétrica univariada, introduzida por Elal-Olivero (2010). A proposta multivariada é muito flexível, capaz de assumir até duas modas e generaliza a distribuição original em suas componentes marginais. Além disso, esta nova distribuição pode ser utilizada em contextos de mineração de dados para classificação..
  Situação: Concluído; Natureza: Pesquisa.
  Alunos envolvidos: Doutorado: (1) .

  Integrantes: Anderson Luiz Ara Souza – Integrante / Francisco Louzada – Coordenador.
  2009 – 2011
  CNPq/UFSCar –  Métodos Estatísticos aplicados a Redes Probabilisticas
  Descrição: Desenvolver métodos estatísticos como intervalos de confiança e estatísticas de dependência para a Teoria de Redes Bayesianas..
  Situação: Concluído; Natureza: Pesquisa.
  Alunos envolvidos: Mestrado acadêmico: (1) .

  Integrantes: Anderson Luiz Ara Souza – Integrante / Francisco Louzada Neto – Coordenador.
  2006 – 2010
  CNPq/UFSCar – Procedimentos estatísticos para auto-avaliação institucional

  Projeto certificado pela empresa Universidade Federal de São Carlos em 27/05/2021.
  Descrição: Segundo o MEC, “a avaliação institucional é um processo de contínuo aperfeiçoamento do desempenho acadêmico e de prestação de contas à sociedade, constituindo-se em ferramenta para o planejamento da gestão e do desenvolvimento da educação superior e constitui um elemento importante no processo de desenvolvimento da instituição. Neste sentido, técnicas estatísticas são essenciais neste processo, direcionando a tomada de decisões baseadas em resultados precisos e confiáveis, facilitando a gestão institucional. Especial foco para pesquisa e aplicação dos métodos de validação de questionários, análise fatorial e componentes principais..
  Situação: Concluído; Natureza: Pesquisa.
  Alunos envolvidos: Graduação: (2) .

  Integrantes: Anderson Luiz Ara Souza – Integrante / Caroline Godoy – Integrante / Francisco Louzada – Coordenador.