Resultados da pesquisa para:
Filtrar os seus resultados
0 Resultados
PANACea
Sobre o Projeto
Perfis para Anomalias Consumo
Acrónimo
PANACea
Responsável
José Nuno Moura Marques Fidalgo
Estado
Encerrado
Início
January 8, 2016
Fim
January 30, 2019
Data efectiva de fim
January 30, 2019
Orçamento Global
--
Financiamento
--
Website
--
Equipa
Líderes de Equipa
José Nuno Fidalgo
Investigador Sénior
Professr Associado desde 2011 na Faculda de de Engenhgaria da Universidade do Porto (FEUP).
Doutorado em 1995 em Engenharia Eletrotécnica e Computadores na FEUP.
Licenciado em 1984 em Engenharia Eletrotécnica e Computadores na FEUP.
Investigador do INESC TEC desde 1985.
João Gama
Investigador Coordenador
João Gama é Professor Catedrático da Faculdade de Economia da Universidade do Porto. É investigador e vice-diretor do LIAAD, INESC TEC. Concluiu o doutoramento na Universidade do Porto, em 2000. É Fellow do IEEE e EurIA Fellow. Trabalhou em vários projetos nacionais e europeus sobre sistemas de aprendizagem incremental e adaptativo, descoberta de conhecimento em tempo real, e aprendizagem de dados massivos e estruturados. Foi PC chair no ECML2005, DS2009, ADMA2009, IDA '2011 e ECMLPKDD'2015 e ECMLPKDD 2025. Foi track chair ACM SAC de 2007 a 2018. Organizou uma série de Workshops sobre Descoberta de Conhecimento de fluxos de dados no ECMLPKDD, ICML, e no ACM SIGKDD. É autor de vários livros em Data Mining e autoria de uma monografia sobre Descoberta de Conhecimento a partir de fluxos de Dados. É autor de mais de 250 papéis peer-reviewed em áreas relacionadas com a aprendizagem automática, aprendizagem de dados em tempo real e fluxos de dados. É membro do conselho editorial de revistas internacionais ML, DMKD, TKDE, IDA, NGC e KAIS. Supervisionou mais de 15 estudantes de doutoramento e 50 alunos de mestrado.
Centros Associados
Laboratório de Inteligência Artificial e Apoio à Decisão
O nosso Laboratório de Inteligência Artificial e Apoio à Decisão LIAAD investiga nas áreas de Inteligência Artificial, Aprendizagem Computacional (Machine Learning), Ciência e Dados e Modelação. Estas áreas são transversais para todos os setores da sociedade e da economia. As enormes quantidades de dados recolhidos e a ubiquidade da digitalização e da sensorização oferecem cada vez mais oportunidades e desafios à automação do apoio à decisão. A combinação de Machine Learning e de modelos complexos está a revolucionar economia, saúde, justiça, indústria, ciência, administração pública e educação, o que nos encoraja a investir em diferentes abordagens e perspetivas tecnológicas e científicas. A nossa estratégia geral é explorar o fluxo e a diversificação de dados e investir em linhas de investigação que levarão ao desenvolvimento de fundamentos e de modelos de Inteligência Artificial aplicada com responsabilidade e centrada no Humano.
Sistemas de Energia
O principal ator do INESC TEC no domínio da energia é o Centro de Sistemas de Energia (CPES), que integra o Cluster Sistemas de Energia. No CPES somos reconhecidos internacionalmente pela nossa experiência na integração de energia renovável em sistemas de energia, geração distribuída, armazenamento, redes inteligentes e áreas tradicionalmente associadas ao planeamento e operação de sistemas de energia. O elevado nível de especialização desenvolvido permitiu que os nossos especialistas no CPES assumissem funções-chave em importantes projetos europeus no âmbito dos sucessivos programas-quadro, que conduziram a notáveis avanços científicos e técnicos com considerável impacto na indústria. Isso levou a contratos de desenvolvimento e consultoria com empresas fabricantes de equipamentos e com empresas de geração, transmissão e distribuição de energia, reguladores, agências governamentais e investidores na Europa, América do Sul, Estados Unidos da América e África. No CPES, abordamos as seguintes áreas principais de investigação: Tomada de Decisão, Otimização e Inteligência Computacional, Previsão, Análise Estática e Dinâmica de Redes de Energia, Confiabilidade, Eletrónica de Potência.
