A UFMG é a instituição brasileira com maior número de projetos selecionados pelo Programa de Bolsas de Pesquisa Google para a América Latina, cujo resultado foi anunciado nesta quarta-feira, 3, no Centro de Engenharia da empresa em Belo Horizonte. As cinco propostas formuladas no âmbito do Departamento de Ciência da Computação (DCC) abordam temas que vão desde a pesquisa de mecanismos de buscas para novo uso de antibiótico até recomendação de tags.

Ao todo, foram 24 projetos contemplados na América Latina, sendo 17 no Brasil. Depois da UFMG, a USP e a Unicamp aparecem com maior número de propostas premiadas (três cada). Em Minas, a Universidade Federal de Uberlândia (UFU) foi outra instituição contemplada, com uma proposta aprovada.

Durante um ano, os professores e estudantes de pós-graduação vencedores receberão bolsas de estudo mensais para conduzir pesquisas pioneiras em áreas relacionadas à Ciência da Computação. A Google destinará US$ 600 mil aos premiados. “Os projetos ganhadores se destacam em termos de impacto, originalidade e qualidade e estão em sintonia com as áreas-chave de interesse da empresa”, disse o diretor de Engenharia da Google no Brasil, Berthier Ribeiro-Neto, que coordenou a seleção dos projetos.

A edição deste ano do programa recebeu número de recorde de inscrições – 473 – de 13 países. O programa também selecionou projetos de Chile, México, Argentina, Colômbia e Peru.

Confira breve descrição dos projetos vencedores da UFMG
Mecanismo de buscas para um novo uso de antibióticos – Marcos Augusto dos Santos e Rita Silvério-Machado. Propõe desenvolvimento de modelo para identificação de novos potenciais usos de antibióticos usando o conceito de associação latente entre os alvos e fármacos.

Representação de entidades baseada em discussões – Pedro Olmo Stancioli Vaz de Melo e Túlio Corrêa Loures. Objetivo é criar método para apreender representações de entidades com base em discussões on-line que, no caso final, poderiam gerar automaticamente um resumo sobre essa entidade, mesmo quando nada se sabe de forma explícita a seu respeito.

Mineração de zonas quentes a partir de trajetórias caso-controle – Wagner Meira Júnior e Roberto Souza. Projeto visa determinar “zonas quentes” com base em dados massivos (big data) de trajetórias de usuários. A identificação dessas zonas, que podem corresponder à localização de regiões de infecção, contribuirá com as estratégias de controle de doenças transmitidas pelo mosquito Aedes aegypti.

Além da relevância: abordando novidade, diversidade e personalização na recomendação de tags [extensão] – Jussara Marques de Almeida e Fabiano Muniz Belém. Partindo do princípio de que o tagueamento é uma das melhores maneiras de associar metadados com objetos de mídia na web, o objetivo do projeto é desenvolver novas estratégias de recomendação de tags que englobem aspectos como relevância, novidade e personalização.

Impulsionando estimadores "fora-da-sacola" para aprender a ranquear [extensão] – Marcos André Gonçalves e Clebson de Sá. Em 2015, a pesquisa buscou resolver o problema de recuperação de informação conhecido como Aprendizagem de Classificação (L2R). Dessa vez, os esforços serão concentrados na aprendizagem automática.