Programa de Pós-Graduação em Estatística ICMC-USP/UFSCar

🏅 Prêmio Friedrich Wilhelm Bessel 2025 | Prof. Francisco Rodrigues (ICMC-USP / PIPGEs)

Temos uma excelente notícia para compartilhar: o Prof. Francisco Rodrigues, docente do ICMC-USP e do PIPGEs, foi selecionado para receber o Prêmio Friedrich Wilhelm Bessel 2025, concedido pela Fundação Alexander von Humboldt (Alemanha) — uma das mais respeitadas instituições de fomento à pesquisa no mundo.

A premiação reconhece pesquisadores com contribuições científicas de alto impacto e oferece apoio para a realização de um período de pesquisa na Alemanha, fortalecendo colaborações internacionais e abrindo novas possibilidades de projetos e financiamento.

Conheça um pouco mais da pesquisa de Francisco em https://sites.icmc.usp.br/francisco

Parabéns, professor Francisco! 👏

̃ocarlos168anos

Gostaríamos de convidá-los para a Manhã Temática do PIPGEs: Conectividade e Incerteza - Novas Perspectivas em Aprendizado de Máquina e Grafos, que será realizada no CINA–UFSCar, em São Carlos. Será uma tarde de palestras e discussões sobre detecção de comunidades, predição conforme e conectividade cerebral.

Palestrantes Confirmados:

📌 Inés Armendáriz (Universidad de Buenos Aires, IME, Universidad de São Paulo – visitante)

Título: Semisupervised community detection with random walks

Resumo: In this talk we will discuss a method to identify communities in the stochastic block model (SPB) with supervised nodes. SBMs are generalizations of Erdős–Rényi graphs that include a community structure, in which different subsets of nodes (called communities) exhibit similar behavior in terms of their connections; in the assortative case, which is our focus, nodes within the same community are more likely to connect to each other than to nodes in other communities. The community detection problem consists of providing estimators that recover the underlying partition of one of these graphs from the observation of the graph of connections. In the semi-supervised case, one also has access to the community labels of a small number of nodes in the graph, which can be used to aid the estimation. There are several approaches to this problem: by minimizing an energy functional, spectral methods, and algorithms that use eigenfunctions of the p-Laplacian. In our work, we use random walks to determine, for each node, the community whose superpervised nodes are more easily accessible from the given node. We provide consistency results (asymptotic accuracy for our estimators) and efficiency guarantees for computing them. Joint work with Nicolás Agote, Pablo Ferrari and Florencia Leonardi.

📌 Helton Graziadei (DEs-UFSCar)

Título: Predição Conforme: Um passeio por fundamentos, aplicações e novidades

Resumo: Neste seminário, discutirei a predição conforme e seu papel na quantificação de incerteza em modelos preditivos. Abordarei os princípios que garantem as propriedades de cobertura, ilustrando com aplicações em que tenho trabalhado recentemente. Comentarei ainda avanços recentes da área, incluindo extensões para dados não permutáveis e métodos que dispensam a necessidade de conjuntos de calibração.

📌 Loriz Sallum (PIPGEs-UFSCar/USP)

Título: Integração entre Redes Complexas e Aprendizado de Máquina na Análise da Conectividade Funcional Cerebral

Resumo: Os transtornos mentais estão entre os maiores desafios da neurociência, especialmente quando buscamos diagnósticos precisos e também compreender como alterações sutis na dinâmica cerebral podem influenciar comportamento e cognição. Nesta palestra, exploraremos como métodos de aprendizado de máquina e de redes complexas têm transformado a forma de analisar a conectividade funcional do cérebro a partir de dados de neuroimagem. Discutiremos como a modelagem de redes cerebrais permite investigar padrões de organização e identificar assinaturas funcionais relacionadas a diferentes condições clínicas. Serão apresentados exemplos de como métricas de conectividade e técnicas computacionais podem revelar alterações em processos cognitivos, sociais e motores, contribuindo para diagnósticos mais precisos, acompanhamento de progressão de doenças e possível desenvolvimento de abordagens mais personalizadas. O tema apresentado destaca como a integração entre teoria de redes complexas e métodos de aprendizado de máquina pode ampliar a capacidade de interpretação de dados de neuroimagem, oferecendo novas perspectivas sobre a organização funcional do cérebro, tanto em condições típicas quanto em diferentes transtornos mentais e neurodegenerativos.

Haverá também um espaço para troca de ideias durante o coffee break.

Esperamos vocês!

Atenciosamente,

Daiane Zuanetti, Rafael Izbicki e Sandro Gallo

Na sexta-feira, 28 de novembro, às 14h, teremos o próximo seminário do Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP.

Nome: Thiago Rodrigo Ramos (UFSCar)

Título: Difusão: Um Relato Honesto do Que Eu Acho Que Sei

Resumo: Nesta palestra faço um relato honesto do que eu acho que sei sobre modelos de difusão, dinâmicas de Langevin e a ideia de aprender o score de uma distribuição. Mostro como esses ingredientes aparecem em métodos modernos de aprendizado de máquinas e estatística, discutindo o papel do ruído, como essas trajetórias ajudam a aproximar distribuições e o que realmente faz sentido para mim até agora — junto com algumas partes que talvez só pareçam fazer.

Local: Sala 6 do CINA-UFSCar (São Carlos)

Todos são bem-vindos!

s2

📢 Vem aí a 11ª edição de um dos eventos mais tradicionais em estatística e probabilidade do país!

Dos dias 25 a a 27 de fevereiro de 2026 acontece o Workshop on Probabilistic and Statistical Methods (WPSM) no ICMC-USP São Carlos e na UFSCar, reunindo especialistas para discutir avanços em probabilidade, estatística, ciência de dados e inteligência artificial.

A programação inclui conferências plenárias, miniconferências, minicurso e sessões especiais, além de oportunidades para jovens pesquisadores apresentarem pôsteres e comunicações orais.

📌 As inscrições já estão abertas, com valores reduzidos até 10 de janeiro. A submissão de trabalhos é até 31 de janeiro.

💡 Participe e faça parte dessa programação que impulsiona pesquisa, inovação e conecta colaboradores da área!

🔗 Veja a matéria completa pelo link: https://mla.bs/32e44604

Learning

🎉 Parabéns, Natan Hilario da Silva!

Entre os dias 4 e 7 de novembro, aconteceu em Valparaíso (Chile) o IX Latin American Conference on Statistical Computing (LACSC 2025).

O doutorando do PIPGEs Natan Hilário da Silva, orientando de Adriano Kamimura Suzuki, recebeu o LACSC Best Poster Award 2025 pelo trabalho “A neural network frailty driven long-term survival model for Alzheimer's disease outcomes”.

Esse reconhecimento reforça a excelência da pesquisa desenvolvida no PIPGEs e no Brasil.

Na sexta-feira, 7 de novembro, às 14h, teremos o próximo seminário do Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP.

Receberemos Victor Coscrato, novo docente do Departamento de Estatística da UFSCar, que concluiu recentemente seu doutorado em Inteligência Artificial na University College Cork.

Título: Sistemas de Recomendação e Incerteza

Resumo: Sistemas de Recomendação são uma necessidade na era da informação. Devido à quantidade esmagadora de itens oferecidos em plataformas digitais, é necessário o uso de um sistema capaz de ranquear os itens e oferecer aqueles que são mais relevantes para cada usuário. Estes sistemas tipicamente usam dados históricos de interação usuário-item para construir modelos que podem prever a relevância dos itens para os usuários.

Por muito tempo, o foco da pesquisa esteve em aumentar a acurácia das recomendações através do desenvolvimento de novos modelos de predição. Contudo, esta é apenas uma das maneiras de melhorar esses sistemas. É também possível equipá-los com novas ferramentas que estendem sua funcionalidade. Nesta apresentação, discutimos uma dessas ferramentas: os estimadores de incerteza.

Local: Sala 6 do CINA-UFSCar (São Carlos)

Todos são bem-vindos!

Na sexta-feira, 24 de Outubro às 14:00hs, teremos o seguinte seminário do Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP.

Nome: Sandro Gallo (UFSCar)

Título: Distância de Fermat e aprendizagem de variedades

Resumo: Em tarefas de aprendizagem estatística em alta dimensão, como agrupamento ou redução de dimensões, é essencial ter uma noção de distância ou similaridade entre pontos da amostra. Em um trabalho recente, Groisman, Jonckheere e Sapienza (2022) consideram a "distância de Fermat", uma distância geodésica ponderada pela distribuição com a qual os pontos são amostrados. Neste trabalho eles propõem um estimador da distância de Fermat e provam a sua consistência. Nesta palestra, baseada em parte sobre trabalhos em andamento com Alejandro H. Wences (UNAM) e Matthieu Jonckheere (LAAS-CNRS), irei apresentar esta distância, algumas aplicações, seu fundamento matemático e generalizações.

Local: Sala 6 do CINA-UFSCar (São Carlos)

Todos são bem-vindos!

🎯 Você já se inscreveu no WPSM 2026?

O XI Workshop on Probabilistic and Statistical Methods acontece de 25 a 27 de fevereiro de 2026, em São Carlos (SP)!

Submissões abertas para apresentações orais e pôsteres.

Palestrantes nacionais e internacionais, minicursos e sessões especiais sobre Probabilidade, Estatística e Aprendizado de Máquina.

👉 Garanta sua vaga e envie seu trabalho em: https://wpsm.icmc.usp.br

Na sexta-feira, 26 de Setembro às 14:00hs, teremos o seguinte seminário do Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP.

Nome: Kádmo de Souza Laxa (FFCLRP-USP)

Título: Um algoritmo de simulação perfeita para cadeias com memória infinita

Resumo: Apresentamos um algoritmo de simulação perfeita para cadeias com memória infinita. O algoritmo pertence à família de algoritmos "coupling from the past" introduzida por Propp e Wilson. Cadeias com memória infinita são processos estocásticos nos quais as probabilidades de transição dependem de todos os estados do passado. Algoritmos de simulação perfeita são procedimentos para simular a medida estacionária de um processo estocástico, mesmo que a forma dessa medida seja desconhecida. Ao construir um algoritmo de simulação perfeita, obtemos como consequência a existência e a unicidade da medida estacionária, perda de memória, a existência de um esquema de regeneração e a concentração da medida. A construção que propomos e os resultados que obtemos generalizam trabalhos anteriores nessa direção. Este seminário é baseado em um trabalho conjunto com Eva Löcherbach e Emilio De Santis

Local: Sala 6 do CINA-UFSCar (São Carlos)

Todos são bem-vindos!

Conheça os orientadores do PIPGEs! Nessa série, apresentamos nossos docentes credenciados.

Thiago Rodrigo Ramos é Professor Adjunto no Departamento de Estatística da Universidade Federal de São Carlos (UFSCar). Obteve o doutorado em Matemática pelo Instituto de Matemática Pura e Aplicada (IMPA). Sua pesquisa é voltada à teoria de aprendizado de máquinas e aplicações práticas, incluindo colaborações com empresas como Dasa, Stone e Rede Globo. Possui mestrado e bacharelado em Matemática pela Universidade de São Paulo (ICMC-USP).

Mais informações sobre o programa: https://www.pipges.ufscar.br/pt-br/programa/apresentacao

O Programa Interinstitucional de Pós-Graduação em Estatística da UFSCar e USP está com inscrições abertas para 2026. Há bolsas disponíveis para mestrado e doutorado, além de oportunidades de tutoria pela Vunesp e bolsas de monitoria PAE pela USP.

Nossas linhas de pesquisa incluem Machine Learning, Inferência Estatística, Probabilidade e Processos Estocásticos e Modelos de Regressão.

Os alunos podem se beneficiar do acesso às bibliotecas, disciplinas, orientadores e restaurantes universitários tanto da USP quanto da UFSCar.

As inscrições vão até 20/10/2025.

São Carlos, conhecida como a capital brasileira da tecnologia, se destaca como a cidade com a maior proporção de doutores por habitante da América Latina. Além de abrigar a UFSCar e a USP, a cidade também é lar de duas unidades da Embrapa e abriga 235 startups e empresas de tecnologia. Esse ambiente torna São Carlos líder no fomento PIPE-FAPESP no Estado de São Paulo. Sua localização estratégica, próxima a Campinas, Piracicaba, Ribeirão Preto e São Paulo, também é um grande benefício. Além disso, o custo de vida em São Carlos é consideravelmente inferior ao das grandes cidades.

Mais informações sobre o processo estão em tinyurl.com/pipges2026 no menu de alunos regulares.

Mais informações sobre o programa: https://www.pipges.ufscar.br/pt-br/programa/apresentacao

Na sexta-feira, 12 de Setembro às 14:00hs, teremos o seguinte seminário do Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP.

Nome: Rafaela Miglinski Lucca e Riquelme Santos (PIPGEs)

Título: Como vencemos um desafio de dados e criamos um produto inteligente para a indústria automotivaResumo: Nesta apresentação, detalharemos a jornada de desenvolvimento do GlassSight, uma solução de IA premiada, concebida durante o desafio de dados Hackixaba, realizado no 69° RBras e 21° SEAGRO. Apresentaremos um estudo de caso focado na metodologia da nossa abordagem para a análise de rachaduras em para-brisas, que emprega um modelo de Deep Learning (YOLO) para a extração de um vetor de atributos a partir de dados de imagem, seguido por um modelo de Regressão Logística para a tarefa de classificação binária, indicando se o componente necessita de reparo ou troca. Além disso, relataremos os desafios práticos enfrentados durante a competição e as decisões-chave de modelagem que guiaram o projeto, oferecendo uma perspectiva sobre a aplicação de métodos estatísticos sob requisitos industriais. Finalmente, discutiremos o aspecto crucial da comunicação, abordando estratégias para traduzir a complexidade de um modelo técnico em uma proposta de valor convincente, efetivamente "vendendo" a solução de dados.

Breve biografia Rafaela: Atualmente, estou cursando Mestrado em Estatística no Programa Interinstitucional de Pós-Graduação em Estatística UFSCar-USP (PIPGEs), com dissertação intitulada "Estudos de redes de interação de dados genômicos". Possuo graduação em Estatística pela Universidade Estadual de Maringá (UEM) e estou cursando Engenharia da Computação na Universidade Internacional UNINTER.

Breve biografia Riquelme: Possui graduação em Matemática pela Universidade de Brasília (2023), onde participou do PETMAT, atuando em atividades de ensino, pesquisa e extensão, além de desenvolver projetos de iniciação científica sobre Cadeias de Markov e Processos de Poisson. Atualmente é mestrando no Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs – UFSCar/USP), com pesquisa na área de Inferência em Processos Estocásticos, com aplicações em Neurociência.

Local: Sala 6 do CINA-UFSCar (São Carlos)

Todos são bem vindos!