Eixo II — Modelos de IA
Estruturação e curadoria de dados industriais para Inteligência Artificial.
Coordenador: Prof. Júlio Estrella (ICMC/USP) - Junte-se a nós na inovação.
Pesquisador Principal
Prof. Julio Estrella
Instituto de Ciências Matemáticas e de Computação – USP (ICMC/USP)
Coordenador do Eixo II — Modelos de IA, responsável pela criação de modelos de Inteligência Artificial avançados e automatizados para aplicações industriais, com foco em aprendizagem supervisionada, semi-supervisionada e por reforço.
Pesquisadores Associados
Dr. Davidson Moreira
SENAI CIMATEC
Profa. Solange Rezende
Universidade de São Paulo (USP)
Dr. Franco Vieira
HP Brasil
Dr. Guilherme Bragança
Intel Brasil
Sobre este Eixo Temático
O Eixo II do CPA-IA concentra-se na criação de modelos de Inteligência Artificial avançados e eficazes voltados para resolver problemas específicos em contextos industriais diversos. Seu objetivo é automatizar o processo de construção de modelos de IA, permitindo a adaptação rápida a diferentes tipos de dados e problemas.
A metodologia envolve a construção automática de modelos, desde a incorporação e transformação de dados até o ajuste fino de hiperparâmetros, utilizando técnicas de aprendizagem supervisionada, não supervisionada e semi-supervisionada. Essa abordagem visa reduzir o tempo de desenvolvimento e aumentar a eficiência na aplicação de IA a novos cenários industriais.
O Eixo também explora o uso de aprendizagem por reforço em ambientes multiagentes e de robótica, aplicando conceitos de teoria dos jogos e otimização para a tomada de decisões em sistemas complexos e dinâmicos.
Além disso, são estudadas técnicas de redução de dimensionalidade e engenharia de atributos multimodais, permitindo que modelos integrem dados de diferentes fontes, como imagens, textos e sinais numéricos. A transferência de aprendizado também é central nesse eixo, promovendo a generalização e a rápida adaptação de modelos a novos domínios industriais.
Linhas de Pesquisa
Resultados Esperados
Modelos de Alta Precisão
Desenvolvimento de modelos de IA capazes de generalizar e interpretar dados complexos de maneira precisa.
Melhoria de Desempenho
Otimização contínua de modelos por meio de técnicas de transferência e aprendizado federado.
Ferramentas de Treinamento
Criação de pipelines automatizados para experimentação e ajuste de modelos de IA industriais.