Palestrantes

Conferências

Francisco Louzada

ICMC-USP
Francisco Louzada
Francisco Louzada é Professor Titular da Universidade de São Paulo, junto ao Instituto de Ciências Matemáticas e Computação, Diretor do Centro de Matemática e Estatística Aplicadas à Indústria (CeMEAI), Diretor de Transferência Tecnológica do CEPID-CeMEAI, Coordenador do Laboratório de Estudos do Risco (CER-USP), Editor do periódico Sankhya A e da Série de livros SpringerBriefs in Statistics - BSA (Springer), Membro do Conselho Consultivo dos periódicos Journal of Applied Statistics e Revista Brasileira de Biometria, e Editor Associado dos periódicos Brazilian Journal of Probability and Statistics, Communication in Statistics, Quality Tech. & Quantitative Management (QTQM), Journal of Statistical and Econometric Methods e Revista Brasileira de Estatística. Louzada foi Presidente da Associação Brasileira de Estatística (ABE) em dois mandatos, Editor da Série de Livros Fisher Project of Statistical Books (Blucher), e membro do comitê de escolha do Prêmio Mahalanobis 2021 e 2023 (Mahalanobis Award Committee) do ISI (International Statistical Institute), do qual é membro eleito. Francisco Louzada é PhD em Estatística pela Universidade de Oxford (1998), Mestre em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (1991), Bacharel em Estatistica pela Universidade Federal de São Carlos (1988). Atua principalmente nas seguintes áreas da Ciência de Dados e Estatística: Análise de Sobrevivência e Confiabilidade, Aprendizado de Máquina, Inferência, Modelos de Risco.

Vinícius D. Mayrink

UFMG
Vinícius Mayrink
Vinícius é Professor Associado do Departamento de Estatística da UFMG. Obteve o título de Doutor em Estatística pela Duke University (EUA, 2011). Formou-se Bacharel em Estatística pela UFMG (2004) e recebeu o título de Mestre em Estatística pela UFRJ (2006) e pela Duke University (2009). Atualmente é Coordenador do Programa de Pós-Graduação em Estatística da UFMG, Editor Associado do Brazilian Journal of Probability and Statistics e Editor Associado de Reproducibilidade do Journal of the American Statistical Association. Suas áreas de interesse são: Inferência Bayesiana, Análise Multivariada, Estatística Espacial, Análise de Sobrevivência e Modelagem Estatística em Bioinformática.

Gisela Tunes

IME-USP
Gisela Tunes
Possui bacharelado em Estatística pela Universidade de Brasília (UnB), mestrado e doutorado em Estatística pela Universidade de São Paulo (USP), com estágio de doutorado na Universidade da Carolina do Norte, e pós-doutorado na Medical College of Wisconsin (EUA). Atualmente é professora associada na Universidade de São Paulo (USP) e sua principal área de pesquisa é Análise de Sobrevivência.

Francisco Medeiros

UFRN
Francisco Medeiros
Possui graduação em Matemática pela Universidade Federal do Rio Grande do Norte (2007), mestrado em Matemática Aplicada e Estatística pela Universidade Federal do Rio Grande do Norte (2010) e doutorado em Estatística pela Universidade de São Paulo (2016). Atualmente é professor adjunto IV na Universidade Federal do Rio Grande do Norte e membro permanente do Programa de Pós-Graduação em Matemática Aplicada e Estatística (PPgMAE) da UFRN. Tem experiência na área de estatística com ênfase em inferência estatística, modelos de regressão, métodos assintóticos e análise de sobrevivência.

Janet van Niekerk

KAUST
Janet van Niekerk
Janet van Niekerk (PhD in Mathematical Statistics) is currently a Research Scientist at KAUST in the Bayesian Computational Statistics group. She is a developer of R-INLA, and has presented short courses on INLA worldwide, including at the Centers for Disease Control (CDC) in the USA. She is an associate editor for Bayesian Analysis and has published in leading Q1 journals such as Biostatistics, Royal Society Open Science, Journal of Machine Learning Research, amongst others.

Fábio Nogueira Demarqui

UFMG
Fábio Demarqui
Possui graduação em Estatística pela Universidade Estadual Paulista Júlio de Mesquita Filho (2003), mestrado em Estatística pela Universidade Federal de Minas Gerais (2006), e doutorado em Estatística pela Universidade Federal de Minas Gerais (2010). Tem experiência na área de Probabilidade e Estatística, com ênfase em Análise de Sobrevivência e Confiabilidade, Inferência Bayesiana, e Estatística Computacional. É Professor Associado II do Departamento de Estatística da Universidade Federal de Minas Gerais.

Miniconferência: Jovens Doutores

Márcio Rodrigues

UFG
Márcio Rodrigues
Possui graduação em Matemática pela Pontifícia Universidade Católica de Goiás - PUC-GO (2001), mestrado em Matemática pela Universidade de Brasília (2004) e doutorado em Estatística pela Universidade Federal de Minas Gerais (2023). Atualmente é professor associado I na Universidade Federal de Goiás. Tem interesse na área de estatística com ênfase em análise de sobrevivência, inferência estatística e modelos de regressão.

Éder Silva de Brito

IFG-Goiás
Éder Silva de Brito
Possui graduação em Matemática pela Universidade Federal de Goiás (2011), mestrado em Matemática pela Universidade de Brasília (2014) e doutorado em Estatística pela Universidade Federal de São Carlos e Universidade de São Paulo (2023). Atualmente é professor do Instituto Federal de Educação, Ciência e Tecnologia de Goiás - Campus Anápolis. Tem experiência nas áreas de Matemática, Probabilidade e Estatística, com ênfase em Probabilidade e Estatística, atuando principalmente nos seguintes temas: análise de sobrevivência e confiabilidade.

Eduardo Ramos

ICMC-USP
Eduardo Ramos
Possui pós-doutorado em Estatística, na área de Inferência Bayesiana pelo Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo. É Doutor em Matemática Pura também pela Universidade de São Paulo (USP), Mestre em Matemática Aplicada e Computacional pela Faculdade de Ciência e Tecnologia da Universidade Estadual Paulista (FCT UNESP) e graduado em Bacharelado em Matemática na Universidade Estadual de Maringá (UEM). Possui experiência na área de Matemática, com ênfase em Geometria e Análise, atuando principalmente nos seguintes temas: Matemática Verificativa, Controle Ótimo e Inferência Bayesiana. Atualmente está fazendo pós-doutorado em Estatística na Universidade Federal do Amazonas (UFAM).

Sessão Temática: Mulheres na Ciência

Leila Denise Alves Ferreira Amorim

UFBA
Leila Amorim
Possui Bacharelado em Estatística pela Universidade Federal da Bahia (1996), Licenciatura em Ciências Biológicas pela Universidade Católica do Salvador (1993), Mestrado em Saúde Coletiva pela Universidade Federal da Bahia (2000), Doutorado (2006) e Pós-Doutorado (2012) em Bioestatística pela "The University of North Carolina (UNC) at Chapel Hill". Atualmente é Professora Titular do Departamento de Estatística, e docente do Programa de Pós-Graduação em Saúde Coletiva do ISC, e dos Programas de Pós-Graduação em Matemática (concentração em Estatística), e em Estatística e Ciência de Dados (vice-coordenadora) do Instituto de Matemática e Estatística da Universidade Federal da Bahia. Coordena ainda o Laboratório de Inferência Causal e Aplicações (LInCa) e o Grupo de Pesquisa em Métodos Estatísticos Aplicados e Computacionais da UFBA. É pesquisadora associada do CIDACS (Centro de Integração de Dados e Conhecimento para a Saúde), vinculado à Fiocruz-Bahia, e é bolsista de produtividade em pesquisa do CNPq. Tem vasta experiência na área de Estatística Aplicada, com ênfase em Bioestatística, atuando principalmente nos seguintes temas: modelagem multinível, análise de sobrevivência, análise de dados categorizados, modelagem com variáveis latentes, métodos quantitativos em Epidemiologia, inferência causal e análise de dados longitudinais.

Daiane de Sousa Santos

ICMC-USP
Daiane de Sousa Santos
Graduada em Licenciatura e Bacharelado em Matemática pela Universidade de São Paulo (2010). Mestre em Ciência da Computação e Matemática Computacional pela Universidade de São Paulo ( 2013). Doutora em Estatística pelo Programa Interinstitucional de Pós- Graduação em Estatística UFSCar - USP (2019). Pós- doutorado em Estatística pela Universidade de São Paulo (2024). Atualmente é Professora Doutora MS-3 junto ao Departamento de Matemática Aplicada e Estatística da Universidade de São Paulo.

Gabriela Rodrigues

ESALQ/USP
Gabriela Rodrigues
Professora Doutora no Departamento de Ciências Exatas da Escola Superior de Agricultura "Luiz de Queiroz" - Universidade de São Paulo (ESALQ - USP). Doutora e Mestra em Ciências, área: Estatística e Experimentação Agronômica, pela Escola Superior de Agricultura "Luiz de Queiroz" - Universidade de São Paulo (ESALQ-USP). Licenciada em Matemática pela Universidade Metodista de Piracicaba e tecnóloga em Gestão de Recursos Humanos pela Universidade Metodista de Piracicaba. Teve sua tese de doutorado premiada em 1°lugar na 68ª Anual da Região Brasileira da Sociedade Internacional de Biometria (RBras) em 2024. Atualmente realiza uma Especialização em Data Science e Analytics (Pecege/ESALQ-USP). Tem experiência na área de Estatística e Ciência de dados, atuando principalmente nos seguintes temas: novas distribuições de probabilidade, modelos de regressão, dados censurados e algoritmos de aprendizado de máquina.

Tutoriais

Janet van Niekerk

KAUST
Janet van Niekerk
Janet van Niekerk (PhD in Mathematical Statistics) is currently a Research Scientist at KAUST in the Bayesian Computational Statistics group. She is a developer of R-INLA, and has presented short courses on INLA worldwide, including at the Centers for Disease Control (CDC) in the USA. She is an associate editor for Bayesian Analysis and has published in leading Q1 journals such as Biostatistics, Royal Society Open Science, Journal of Machine Learning Research, amongst others.

Denis Rustand

KAUST
Denis Rustand
Denis Rustand, Ph.D. (Public Health Biostatistics) developed the joint modeling framework for longitudinal and survival data in the context of cancer clinical trials. He is the main developer and maintainer of the INLAjoint R package, an user-friendly interface to fit joint longitudinal-survival models with INLA. His research areas include Bayesian computational statistics, survival analysis and applications of statistics to medical research. He has published papers in Biostatistics, Statistics in Medicine, Biometrical Journal and Computational Statistics & Data Analysis, amongst others.

Anderson Ara

UFPR
Anderson Ara
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 Permanente do Programa de Pós-Graduação em Informática (PPGInf-UFPR) pela linha Inteligência Computacional. Pesquisador colaborador do Programa de Pós-Graduação em Métodos Numéricos (PPGMNE-UFPR). Pesquisador colaborador do Programa de Pós-Graduação em Matemática (PGMAT-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 FNDE 2022-2028. Home page: leg.ufpr.br/~ara

Marcelo R. P. Ferreira

UFPB
Marcelo R. P. Ferreira
Marcelo R. P. Ferreira obteve o grau de Doutor em Ciência da Computação em 2013 no Centro de Informática da Universidade Federal de Pernambuco, Brasil. Obteve os graus de Mestre e Bacharel em Estatística em 2007 e 2004, respectivamente, ambos no Departamento de Estatística da Universidade Federal de Pernambuco, Brasil. Em dezembro de 2008, passou a integrar o corpo docente do Departamento de Estatística da Universidade Federal da Paraíba, Brasil, onde ocupa, atualmente, o cargo de Professor Associado II. De outubro de 2014 a setembro de 2015 realizou estágio pós-doutoral na RWTH Aachen University, Alemanha, onde desenvolveu atividades de pesquisa utilizando métodos de aprendizagem de máquina para predição de idade biológica e classificação de células estromais mesenquinais a partir de dados de metilação de DNA. Suas áreas de interesse em pesquisa são Aprendizagem de Máquina, Ciência de Dados e Estatística Computacional, incluindo métodos de aprendizado supervisionado e não-supervisionado, métodos baseados em funções kernel, métodos não-paramétricos e análise de dados simbólicos. Tem sido autor de artigos científicos em jornais e conferências e tem servido com revisor para diversos periódicos científicos. Atua na Graduação em Estatística da Universidade Federal da Paraíba, onde ministra disciplinas como Estatística Computacional, Análise Multivariada, Processos Estocásticos e Aprendizado de Máquina e orienta projetos de iniciação científica e trabalhos de conclusão de curso e na Pós-graduação em Modelos de Decisão e Saúde da Universidade Federal da Paraíba, onde ministra Aprendizagem de Máquina e orienta dissertações de mestrado e teses de doutorado.

Ana Teresa Teixeira Magalhães

Terminal Investiment Limited

Gerente de Investimentos LATAM da Terminal Investment Limited - TiL, reportando-se diretamente ao Diretor Patricio Junior. Formada em Engenharia e Arquitetura pela Universidade de São Paulo (USP), tem MBA em Finanças, pela Fundação Getúlio Vargas (FGV). Profissional com sólida experiência em projetos portuários e visão técnica e financeira sobre investimentos no setor, Ana Teresa acumula passagem pela Autoridade Portuária de Santos, como executiva de Novos Negócios, além de ter atuado com consultoria em projetos de infraestrutura.