O Icei Talks do dia 3 de outubro, quinta-feira, terá como tema Reconhecimento de Padrões de Comportamento de Perfis Depressivos em Redes Sociais. O palestrante será o Prof. Dr. Felipe Giuntini, gerente de Ciência de Dados para a América Latina na Samsung, com mediação da Profa. Luciana de Nardin. A atividade será transmitida pelo icei.pucminas.br/talks
Com o crescente uso das redes sociais, uma grande quantidade de dados é compartilhada diariamente, criando oportunidades para o desenvolvimento de soluções inteligentes que ajudam a entender o comportamento humano online, especialmente em relação às emoções e aos problemas de saúde mental. Nesta palestra, discutiremos duas metodologias desenvolvidas para analisar esse comportamento: uma foca na avaliação de padrões de interação em grupos, e a outra no reconhecimento de padrões emocionais e contextuais de indivíduos. Ambas utilizam dados de postagens e comentários, incluindo textos e emoticons, presentes nas timelines dos usuários. Essa abordagem representa uma importante contribuição para a área de Computação Afetiva, oferecendo uma nova forma de analisar o comportamento online de maneira temporal e sequencial, o que pode gerar insights valiosos sobre a saúde mental dos usuários em plataformas digitais.
Promovido pelo Instituto de Ciência Exatas e Informática da PUC Minas (Icei), o Icei Talks tem como objetivo aproximar alunos, ex-alunos e estudantes do ensino médio e público em geral aos temas emergentes da área ciências exatas e tecnologia.
Felipe Giuntini: Gerente de Ciência de Dados para a América Latina na Samsung e Professor Colaborador no Programa de Pós-Graduação em Informática (PPGI) da Universidade Federal do Amazonas (UFAM). É doutor em Ciência da Computação e Matemática Computacional pela Universidade de São Paulo (ICMC-USP). Possui experiência como professor no ensino de graduação, pós-graduação e extensão. Na indústria, atuou como pesquisador e coordenador de Inteligência Artificial. Atua na área de Ciência da Computação e tem interesse em problemas relacionados a Aprendizado de Máquina, Computação Afetiva, Data Mining e Mobile Health.
