Atualmente, estou interessado em orientar alunos nos seguintes temas:

Redes Complexas

Na Web, a computação deve lidar com um mundo em que as restrições não são apenas tecnológicas, mas também humanas, impostas pelos complexos efeitos que pessoas criam quando coletivamente usam a Web para comunicação, auto-expressão e criação de conhecimento. As ferramentas ideais para essas situações são a teoria dos grafos e probabilidade. Alguns tópicos de interesse para orientação são:

• Grafos Lei de Potência
• Disseminação de Informação
• Bloqueio de Má Informação (``Fake News’')
• Modelos de Redes Sociais

Otimização e Algoritmos

A otimização é usada em problemas de engenharia, administração, logística, economia e outras ciências, quando se consegue modelar o problema em questão, com o objetivo de maximizar ganhos ou minimizar perdas. Testar todas as possíveis soluções é uma estratégia ingênua, e na prática, ruim. Assim, deve-se usar técnicas inteligentes para atacar esses problemas, como por exemplo, soluções aproximadas. Alguns tópicos de interesse para orientação:

• Algoritmos Aleatorizados
• Programação Linear Inteira
• Algoritmos de Aproximação
• Inaproximalidade

Teoria do Aprendizado Computacional

O estudo teórico do aprendizado de máquina é conhecido como Teoria do Aprendizado Computacional. Essa área estuda o projeto e análise de algoritmos de aprendizado, assim como a viabilidade do aprendizado, que busca mostrar que certas classes de funções são aprendíveis em tempo polinomial. A teoria do aprendizado computacional levou à criação de diversos algoritmos utilizados na prática. Por exemplo, a teoria PAC inspirou o boosting, a dimensão VC levou ao SVM, e a inferência bayesiana levou às redes de crença. Alguns tópicos de interesse para orientação:

• Análise de Algoritmos de Aprendizado
• Aprendizado PAC
• Complexidade de Amostras
• Redes Neurais de Grafos
• Otimização e Aprendizado

Fundamentos da Ciência dos Dados

Embora as áreas tradicionais da computação permaneçam importantes, cada vez mais os pesquisadores do futuro estarão envolvidos no uso de computadores para entender e extrair informações úteis de dados maciços provenientes de aplicativos, e não apenas para tornar computadores úteis em problemas específicos bem definidos. Neste contexto, as técnicas empregadas têm ênfase na probabilidade, estatística e métodos numéricos. Alguns tópicos de interesse para orientação são:

• Algoritmos Sub-lineares
• Algoritmos Espectrais
• Data Streams
• Compressive Sensing

Complexidade Computacional e Aleatoriedade

A complexidade computacional se ocupa em classificar problemas de acordo com sua dificuldade inerente, e relacionar essas classes entre si. Desde a década de 80, o interesse é pela interação entre complexidade e aleatoriedade, como forma de tratar situações de caso médio, ou como meios alternativos para responder à questão “P = NP?”. Alguns tópicos de interesse para orientação:

• Aleatoriedade em Provas (Interativas, Conhecimento Zero, Verificáveis Probabilisticamente)
• Pseudo-Aleatoriedade
• Desaleatorização
• Complexidade de Caso-Médio