Docentes

Orientador de Mestrado e Doutorado
Prédio Facom, 2º andar – Ala 1

awdren.fontao@ufms.br

Premiado pela Sociedade Brasileira de Computação (SBC) com a melhor tese de doutorado do Brasil em Engenharia de Software e Sistemas de Informação (2020) e com distinções como Best Paper Award além de múltiplos Reviewer Awards em conferências da SBC e da IEEE/ACM. Atuou por seis anos na área de Developer Relations (DevRel) como evangelista técnico da Nokia e da Microsoft na América Latina, organizando hackathons, conferências e programas de capacitação de desenvolvedores. É coordenador do Laboratório de Engenharia de Software (LEDES) e do pantanal.dev. Suas áreas de pesquisa concentram-se em Software Engineering with/for AI, Developer Relations and Developer eXperience, e Software Ecosystems and Communities.

Área de atuação: Métodos e Técnicas da Computação (Engenharia de Software)

Projetos atuais:

• Fairness Testing em Sistemas de IA: análise e mitigação de viés em pipelines Retrieval-Augmented Generation (RAG), com métricas como o Retriever Robustness Score (RRS) para avaliar estabilidade e equidade.
• Prompt Engineering e Descoberta de Produto: aplicação de LLMs para geração de proto-personas e apoio a práticas de Lean Inception, avaliando eficiência, empatia e aceitação.
• Developer Relations e Developer Experience (DevRel/DX): estudo de práticas, papéis e experiências de desenvolvedores, com foco em diversidade, engajamento e governança de ecossistemas.
• Ecossistemas e Comunidades de Software: investigação da evolução, sustentabilidade e declínio de ecossistemas proprietários e abertos, considerando dimensões técnicas, sociais e econômicas.
• Dinâmicas Sociotécnicas e Dívida Técnica: análise da coocorrência entre code smells e community smells para compreender a relação entre qualidade técnica e colaboração.
• AIOps e Remediação de Incidentes: desenvolvimento de modelos e pipelines inteligentes para detecção, resposta e mitigação autônoma de incidentes em ecossistemas complexos.
• Segurança e Backdoors em Code Models: identificação e defesa contra backdoors e comportamentos maliciosos em modelos de geração e sugestão de código.
• Otimização de Esteiras de CI/CD: uso de técnicas de IA para reduzir retrabalho, priorizar builds e otimizar pipelines de integração contínua em grandes repositórios.
• Modelos de Ramificação para MLOps: definição de branching models e mecanismos de controle de configuração para experimentação e evolução de modelos de aprendizado de máquina.
• GenAI na Engenharia de Software: investigação do uso de modelos generativos (LLMs) para apoiar tarefas de design, teste, documentação e tomada de decisão em projetos de software.

Lattes:


http://lattes.cnpq.br/0597440372595970

Google Acadêmico:


https://scholar.google.com.br/citations?user=BfesYF0AAAAJ&hl=en

ORCID:


https://orcid.org/0000-0002-2988-9646

Publicações da linha de pesquisa atual:

• https://arxiv.org/abs/2509.26584
• https://sol.sbc.org.br/index.php/sbes/article/view/36985
• https://sol.sbc.org.br/index.php/sbes/article/view/36989
• https://sol.sbc.org.br/index.php/sbes/article/view/36992
• https://ieeexplore.ieee.org/abstract/document/11023905/

Orientador de Mestrado e Doutorado
Prédio Facom, 2º andar – Sala 10

bruno.nogueira@ufms.br

Bruno Magalhães Nogueira é Professor Associado da Faculdade de Computação da Universidade Federal de Mato Grosso do Sul (UFMS) e pesquisador nas áreas de Inteligência Artificial, Aprendizado de Máquina e Processamento de Linguagem Natural. Suas pesquisas concentram-se em mineração de textos e aprendizado de máquina semissupervisionado, com publicações em veículos científicos de destaque nacionais e internacionais. Atua também como coordenador e colaborador em projetos de pesquisa e inovação voltados à aplicação de métodos de IA na análise de dados textuais em contextos como educação, detecção de notícias falsas e interpretação de documentos jurídicos.

Bolsista de Pós Doutorado do Projeto “Observatório da Evolução do Sistema Nacional de Pós-Graduação no atendimento à Agenda Nacional de Formação de Pessoal de Nível Superior”, financiado pela CAPES.

Área de atuação: Métodos e Técnicas da Computação (Inteligência Artificial)

Projetos atuais:

• Deep Clustering e Processamento de Linguagem Natural aplicados à Governança Estratégica do Sistema Nacional de Pós-Graduação (Coordenador)
• Mineração de Textos com poucos dados rotulados: algoritmos e aplicações (Coordenador)
• Automação ágil na análise e redação de atos jurídicos com inteligência artificial para o Tribunal de Justiça do Estado de Mato Grosso do Sul (Participante)
• Aplicação de conceitos em inovação tecnológica e automação de processos na advocacia pública (Participante)
• Projeto de Pesquisa: Explorando a Inteligência dos Dados na Educação (Participante)

Lattes:

http://lattes.cnpq.br/0544106600515308

Google Acadêmico:

https://scholar.google.com/citations?user=Its8CZUAAAAJ&hl=pt-BR

ORCID:

https://orcid.org/0000-0002-4703-1379

Publicações da linha de pesquisa atual:

• GOLO, M. ; SOUZA, M. C. ; ROSSI, R. G. ; REZENDE, S. O. ; NOGUEIRA, B. M. ; MARCACINI, R. M. . One-class learning for fake news detection through multimodal variational autoencoders. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENC
• ALVES, L. F. ; VASCONCELLOS, F. J. S. ; NOGUEIRA, B. M. . SeSG: A Search String Generator for Secondary Studies with Hybrid Search Strategies Using Text Mining. EMPIRICAL SOFTWARE ENGINEERING, v. 27, p. 105, 2022.
• SOUZA, M. C. ; NOGUEIRA, B. M. ; ROSSI, R. G. ; MARCACINI, R. M. ; SANTOS, B. N. ; REZENDE, S. O. . A network-based positive and unlabeled learning approach for fake news detection. MACHINE LEARNING, v. 1, p. 1-44, 2021.
• VILHAGRA, L. A. ; FERNANDES, E. R. ; NOGUEIRA, B. M. . TextCSN: A Semi-Supervised Approach for Text Clustering using Pairwise Constraints and Convolutional Siamese Networks. In: 35th ACM/SIGAPP Symposium On Applied Computing (ACM SAC), 2020, Brno. Proceedings of ACM/SIGAPP Symposium On Applied Computing, 2020.
• CARVALHO, V. F. ; GIACON, B. ; NASCIMENTO, C. ; NOGUEIRA, B. M. . Machine learning for suicidal ideation identification on Twitter for the Portuguese language. In: 9th Brazilian Conference on Intelligent Systems (BRACIS), 2020, Rio Grande. Proceedings of the 9th Brazilian Conference on Intelligent Systems (BRACIS), 2020.

Orientadora de Mestrado e Doutorado
Prédio Facom, 2º andar – Ala 2, Sala 2

debora.paiva@ufms.br

Professora Titular da Faculdade de Computação da Universidade Federal de Mato Grosso do Sul, atuando nas áreas de Engenharia de Software, Sistemas de Informação e Interação Humano-Computador. Possui graduação em Ciência da Computação pela Universidade Federal de Ouro Preto (1998), mestrado (2001) e doutorado (2007) em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (ICMC-USP). Realizou estágio pós-doutoral (2019-2020) no ICMC-USP pesquisando a integração entre os temas de Engenharia de Software e Acessibilidade Digital. Atualmente leciona disciplinas e orienta alunos nos cursos de graduação de Engenharia de Software, Sistemas de Informação, Engenharia de Computação e Ciência da Computação. É coordenadora do Mestrado Profissional em Computação Aplicada e orientadora do quadro permanente do Mestrado/Doutorado Acadêmico em Ciência da Computação. Atua em projetos de pesquisa nacionais financiados pela Capes, CNPq e Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul (Fundect). Realiza pesquisas envolvendo principalmente os temas de acessibilidade digital, processos de negócios, engenharia de requisitos e tecnologias para a Agricultura e Pecuária e é membro do Laboratório de Engenharia de Software (Ledes) da Faculdade de Computação da Universidade Federal de Mato Grosso do Sul. É bolsista de produtividade em pesquisa da Fundect/CNPq desde agosto de 2025.

Área de atuação: Métodos e Técnicas da Computação (Engenharia de Software)

Projetos atuais:

• Tecnologia Assistiva para a Atuação de Pessoas com Deficiência em Ciências Exatas (Financiado pela Capes);
• Abordagens baseadas em Processos-de-Processos de Negócio para apoiar o Desenvolvimento de Sistemas-de-Sistemas;
• Engenharia Criativa de Games Digitais;
• Embrapa I/O: Plataforma de Desenvolvimento Colaborativo para a Agricultura Digital;
• Observatório da Evolução do Sistema Nacional de Pós-Graduação no atendimento à Agenda Nacional de Formação de Pessoal de Nível Superior.

Lattes:

http://lattes.cnpq.br/1916656954069397

Google Acadêmico:

https://scholar.google.com/citations?hl=pt-BR&user=fxZookgAAAAJ

ORCID:

https://orcid.org/0000-0002-1152-6062

Publicações da linha de pesquisa atual:

• SOARES, MICHELE DOS SANTOS ; FURUKAWA, CÁSSIO ANDRADE ; CAGNIN, MARIA ISTELA ; PAIVA, DÉBORA MARIA BARROSO . Accessibility Barriers for Blind Students in Teaching-learning Systems. JOURNAL OF UNIVERSAL COMPUTER SCIENCE, v. 30, p. 1342-1370, 2024.
• SOARES, MICHELE DOS SANTOS ; FURUKAWA, CÁSSIO ANDRADE ; CAGNIN, MARIA ISTELA ; PAIVA, DÉBORA MARIA BARROSO . Accessible learning objects: a systematic literature review. UNIVERSAL ACCESS IN THE INFORMATION SOCIETY (INTERNET), v. 22, p. 1-15, 2023.
• ZAINA, LUCIANA APARECIDA MARTINEZ ; DE MATTOS FORTES, RENATA PONTIN ; CASADEI, VITOR ; NOZAKI, LEORNARDO SEIJI ; PAIVA, DÉBORA MARIA BARROSO . Preventing accessibility barriers: Guidelines for using user interface design patterns in mobile applications. JOURNAL OF SYSTEMS AND SOFTWARE, v. 186, p. 111213, 2022.
• PAIVA, DÉBORA MARIA BARROSO; FREIRE, ANDRÉ PIMENTA ; DE MATTOS FORTES, RENATA PONTIN . Accessibility and Software Engineering Processes: A Systematic Literature Review. JOURNAL OF SYSTEMS AND SOFTWARE, v. 171, p. 110819, 2021.
• DE LIMA WEBER, FABRICIO ; DE MORAES WEBER, VANESSA APARECIDA ; DE MORAES, PEDRO HENRIQUE ; MATSUBARA, EDSON TAKASHI ; PAIVA, DÉBORA MARIA BARROSO ; DE NADAI BONIN GOMES, MARINA ; DE OLIVEIRA, LUIZ ORCÍRIO FIALHO ; DE MEDEIROS, SÉRGIO RAPOSO ; CAGNIN, MARIA ISTELA . Counting cattle in UAV images using convolutional neural network. Remote Sensing Applications-Society And Environment, v. 29, p. 100900, 2022

Orientador de Mestrado 
Prédio Facom, 1º andar

diego.rubert@ufms.br

Possui graduação em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul (2006), mestrado em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul (2012) e doutorado em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul com sanduíche na Bielefeld University (2019).

Área de atuação: Fundamentos de Computação

Projetos atuais:

• Predição de ortologia de genes por rearranjo de genomas
• Busca com reconhecimento de rearranjos em pangenomas

Lattes:

http://lattes.cnpq.br/1458950097904708


Google Acadêmico:

https://scholar.google.com/citations?user=ldfiY2wAAAAJ

ORCID:

https://orcid.org/0000-0002-4131-7309

Publicações da linha de pesquisa atual:

• Gene orthology inference via large-scale rearrangements for partially assembled genomes https://drops.dagstuhl.de/entities/document/10.4230/LIPIcs.WABI.2022.24
• The potential of family-free rearrangements towards gene orthology inference https://www.worldscientific.com/doi/abs/10.1142/S021972002140014X
• Natural family-free genomic distance https://link.springer.com/article/10.1186/s13015-021-00183-8
• Efficient gene orthology inference via large-scale rearrangements https://link.springer.com/article/10.1186/s13015-023-00238-y

Orientadora de Mestrado e Doutorado
Prédio Facom, 2º andar – Ala 2, Sala 6

edna.hoshino@ufms.br

Possui graduação em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul (1993), mestrado em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul (2002), doutorado em Ciência da Computação pela Universidade Estadual de Campinas (2009) e pós-doutorado em Otimização Combinatória na Universidade de Bolonha (DEI/Unibo) na Itália. Atualmente é professora Associada da Universidade Federal de Mato Grosso do Sul. Atua na área de otimização combinatória, utilizando programação linear inteira e com foco no método da geração de colunas.

Área de atuação: Fundamentos de Computação

Projetos atuais:

• Abordagens exatas por programação linear inteira para problemas de otimização

Lattes:

http://lattes.cnpq.br/9160943574918408

ORCID:

https://orcid.org/0000-0002-0836-4058

Publicações da linha de pesquisa atual:

• BALDACCI, ROBERTO ; Hoshino, Edna A. ; HILL, A. . New pricing strategies and an effective exact solution framework for profit-oriented ring arborescence problems. EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, v. 307, p. 538-553, 2023.
• HILL, ALESSANDRO ; BALDACCI, ROBERTO ; Hoshino, Edna Ayako . Capacitated ring arborescence problems with profits. OR SPECTRUM, v. 41, p. 357-389, 2019.
• HOSHINO, E. A.; SOUZA, C. C. . A branch-and-cut-and-price approach for the capacitated -ring¿star problem. Discrete Applied Mathematics, v. 160, p. 2728-2741, 2012.
• TORRES, JEAN P. TREMESCHIN ; Hoshino, Edna A. . LP-based heuristics for the distinguishing string and substring selection problems. ANNALS OF OPERATIONS RESEARCH, v. 316, p. 1205-1234, 2022.

Orientador de Mestrado e Doutorado

edson.caceres@ufms.br

Possui graduação em Licenciatura Em Matemática pela Faculdade de Filosofia Ciências e Letras Min Tarso Dutra (1975), mestrado em Matemática pela Universidade de Brasília (1980) e doutorado em Engenharia de Sistemas e Computação pela Universidade Federal do Rio de Janeiro (1992). Atualmente é professor titular da Universidade Federal de Mato Grosso do Sul. Tem experiência na área de Ciência da Computação, com ênfase em Análise de Algoritmos e Complexidade de Computação, atuando principalmente nos seguintes temas: mpi, cuda, algoritmos paralelos, bsp/cgm algorithms, parallel algorithms e algoritmos bsp/cgm.

Área de atuação: Teoria da Computação (Algoritmos Paralelos)

Lattes:

http://lattes.cnpq.br/7583826391876379

Orientador de Mestrado e Doutorado
Prédio Facom, 2º andar

edson.matsubara@ufms.br

Professor e Pesquisador em Inteligência Artificial há mais de 20 anos. Atua no desenvolvimento de novos algoritmos de aprendizado de máquina aplicados a problemas reais. Atua em Graph Convolutional Networks, Graph Attention Networks, Multifusion, Multimodal, Incremental Learning, Deep Metric Learning, Distillation, Tiny deep learning models, Deep learning, Object detection, Object counting, Semantic Segmentation, Hierarchical deep learning, Time Series, Large Language Models, Entity Extraction, In Context Learning, Chain of Thought e Task Agnostic learning. Essas técnicas são aplicadas em problemas de sensoriamento remoto, textos judiciais, fenotipagem de alto desempenho e redes sociais. É bolsista de Produtividade CNPq – Nível 2.

Área de atuação: Métodos e Técnicas da Computação (Inteligência Artificial)

Projetos atuais:

• Projeto de identificação de jurisprudência, precedência e automatização de coleta de atermação no TJMS.
• Projeto de extração de variáveis de processos jurídicos e elaboração de Contestação na PGE.
• Projeto de alinhamento de temas estratégicos dos estados com os programas de pós-graduação.
• Projetos diversos de fenotipagem de alto desempenho.
• Projetos diversos em fundamentos de aprendizado de máquina.

Lattes:

http://lattes.cnpq.br/1842905075999080


Google Acadêmico:

https://scholar.google.com/citations?user=-IkaSwy0boIC


ORCID:

https://orcid.org/0000-0002-4471-0886

Publicações da linha de pesquisa atual:

• Perin, E. L. S., Souza, M. C. D., Silva, J. D. A., & Matsubara, E. T. (2025, February). DynGraph-BERT: Combining BERT and GNN Using Dynamic Graphs for Inductive Semi-Supervised Text Classification. In Informatics (Vol. 12, No. 1, p. 20). Silva, A. Q. B., Gonçalves, W. N., & Matsubara, E. T. (2023).
• DESCINet: A hierarchical deep convolutional neural network with skip connection for long time series forecasting. Expert Systems with Applications, 228, 120246 de Souza Rodrigues, L., Caixeta Filho, E., Sakiyama, K., Santos, M. F., Jank, L., Carromeu, C., … & Goncalves, W. N. (2023).
• Deep4Fusion: A Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits. Computers and Electronics in Agriculture, 211, 107957. de Lima Weber, F., de Moraes Weber, V. A., de Moraes, P. H., Matsubara, E. T., Paiva, D. M. B., Gomes, M. D. N. B., … & Cagnin, M. I. (2023).
• Counting cattle in UAV images using convolutional neural network. Remote Sensing Applications: Society and Environment, 29, 100900. de Arruda, M. D. S., Osco, L. P., Acosta, P. R., Goncalves, D. N., Junior, J. M., Ramos, A. P. M., … & Goncalves, W. N. (2022).
• Counting and locating high-density objects using convolutional neural network. Expert Systems with Applications, 195, 116555.

Orientador de Mestrado e Doutorado
Prédio Facom, 2º andar, Sala P-07

fabio.martinez@ufms.br

Possui graduação em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul (1991), mestrado em Matemática Aplicada pela Universidade de São Paulo (1996), doutorado em Ciência da Computação pela Universidade de São Paulo (2004) e dois pós-doutorados em Bioinformática pela Universität Bielefeld (2013-2014 e 2018-2019). Atualmente é professor titular da Universidade Federal de Mato Grosso do Sul. Tem experiência na área de Ciência da Computação, com ênfase em algoritmos.

Área de atuação: Fundamentos de Computação

Projetos atuais:

• Problemas de Rearranjo de Genomas

Lattes:

http://lattes.cnpq.br/4986772455989962


Google Acadêmico:

https://scholar.google.com/citations?user=Z1BcD-UAAAAJ&hl=pt-BR&authuser=1


ORCID:

https://orcid.org/0000-0001-6809-3547

Publicações da linha de pesquisa atual:

• Matrices inducing generalized metric on sequences. https://www.sciencedirect.com/science/article/abs/pii/S0166218X23000562
• Algorithms for the genome median under a restricted measure of rearrangement. Algorithms for the genome median under a restricted measure of rearrangement.Algorithms for the genome median under a restricted measure of rearrangement.Algorithms for the genome median under a restricted measure of rearrangement. https://www.rairo-ro.org/articles/ro/pdf/2023/03/ro220741.pdf
• Natural family-free genomic distance. https://almob.biomedcentral.com/articles/10.1186/s13015-021-00183-8
• Analysis of local genome rearrangement improves resolution of ancestral genomic maps in plants. https://bmcgenomics.biomedcentral.com/articles/10.1186/s12864-020-6609-x

Orientador de Mestrado

francisco.araujo@ufms.br

Possui graduação em Medicina Veterinária pela Unesp Jaboticabal (1985), mestrado em Matemática Aplicada pelo IME-USP (1998), doutorado em Ciência da Computação pelo IME-USP (2012), pós-doutorado em Bioinformática pela Universität Bielefeld. e pós-doutorado pela UFABC – Santo André. É professor associado da Faculdade de Computação da UFMS – Universidade Federal de Mato Grosso do Sul. Tem interesse em aprendizado de máquina, algoritmos e estrutura de dados, combinatória, teoria da computação (linguagens formais e análise e complexidade de algoritmos) e biologia computacional. Também tem interesse em Neurociência e Comportamento Animal.

Área de atuação: Teoria da Computação (Biologia Computacional)

Lattes:

http://lattes.cnpq.br/9132624748630216

Orientador de Mestrado
Prédio Facom, 1º andar, Sala 1

jonathan.andrade@ufms.br

Currently, I’m Associate Professor at UFMS, where I teach, supervise graduate students, and lead AI projects in Computer Vision, Remote Sensing and more recently Natural Language Processing. Over the years, I have combined research with real-world applications, delivering AI solutions for government agencies and private organizations.

Área de atuação: Métodos e Técnicas da Computação (Inteligência Artificial)

Projetos atuais:

• Visão computacional aplicado ao sensoriamento remoto, processamento de textos com modelos de linguagem grande para extração aspectos.

Lattes:

http://lattes.cnpq.br/3741401045785098

Google Acadêmico:

https://scholar.google.com.br/citations?user=wWCE3vgAAAAJ&hl=pt-BR

ORCID:

https://orcid.org/0000-0002-8274-2707

Publicações da linha de pesquisa atual:

• https://dl.acm.org/doi/abs/10.1145/2522968.2522981
• https://www.sciencedirect.com/science/article/pii/S0957417416304985
• https://www.sciencedirect.com/science/article/pii/S030324342100163X
• https://www.mdpi.com/2072-4292/14/3/688
• https://www.scopus.com/pages/publications/105001106523?origin=resultslist

Orientadora de Mestrado e Doutorado
Prédio Facom, 2º andar, Sala da Direção

liana.duenha@ufms.br

Graduação e Mestrado em Ciência da Computação – UFMS. Doutorado em Ciência da Computação pela Universidade Estadual de Campinas (Unicamp), (2015). Docente da Faculdade de Computação (2002 até os dias atuais). Diretoria da Escola de Extensão da Universidade Federal de Mato Grosso do Sul (2022 a 2024). Diretora da Faculdade de Computação (início da gestão em 2025). Atua no Programa de Pós-graduação em Ciência da Computação desde 2016.

Área de atuação: Sistemas Computacionais (Arquitetura de Computadores)

Projetos atuais:

• Pesquisa: Exploração do Espaço de Projetos ciente de Dark Silicon em Sistemas Heterogêneos
• Pesquisa: Exploração de Espaço de Projeto com Computação Aproximada
• Pesquisa: Ferramentas e técnicas de apoio ao ensino de Arquitetura de Computadores
• Extensão: ARARABOTS – Extensão e Competição em Robótica e vários outros projetos e ações de extensão de atendimento continuado.

Lattes:

http://lattes.cnpq.br/8872648473020443

Google Acadêmico:

https://sites.google.com/view/lianaduenha/

ORCID:

https://orcid.org/0000-0003-2034-9472

Publicações da linha de pesquisa atual:

• CATELAN, DANIELA ; SANTOS, RICARDO ; DUENHA, LIANA . Evaluation and characterization of approximate arithmetic circuits. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 1, p. 1-19, 2022.
• SONOHATA, RHAYSSA ; ARIGONI, DANILLO CHRISTI A. ; FERNANDES, ERALDO REZENDE ; RIBEIRO DOS SANTOS, RICARDO ; DESSANDRE DUENHA, LIANA . Performance predictors for graphics processing units applied to dark-silicon-aware design space exploration. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 1, p. 1-16, 2022.
• AZEVEDO, RODOLFO ; DUENHA, LIANA ; SILVA, A. ; SANTOS, TONY ; TEDESCO, L. A. ; MORENO, E. ; MELGAREJO, J. C. ; SANTOS, R.R. . Dark-Silicon Aware Design Space Exploration. JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING, v. -, p. -, 2017.
• AMORIM, ERICK ROCHA ; SANTOS, RICARDO ; DUENHA, LIANA . A Tool for Teaching and Learning of Design Space Exploration on Processor Architectures. In: 2023 IEEE Frontiers in Education Conference (FIE), 2023, College Station. 2023 IEEE Frontiers in Education Conference (FIE), 2023. p. 1.

Orientadora de Mestrado e Doutorado
Prédio Facom, 2º andar, Ala 2, Sala P-13

istela.machado@ufms.br

É professora titular da Faculdade de Computação da Universidade Federal de Mato Grosso do Sul (Facom/UFMS). Realizou seu estágio pós-doutoral em 2019-2020 no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC/USP). Possui o título de doutor (2005) em Ciências de Computação e Matemática Computacional pela USP e o título de mestre (1999) em Ciência da Computação pela Universidade Federal de São Carlos (UFSCar). É graduada (1995) em Tecnologia em Processamento de Dados pela Fundação Paulista de Tecnologia e Educação (FPTE). Atua no Programa de Pós-Graduação em Ciência da Computação e no Mestrado Profissional em Computação Aplicada, ambos da Facom/UFMS. Coordenou projetos de pesquisa nacionais financiados pela Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul (Fundect). É assessora científica de agências de fomento à pesquisa nacionais, tais como Fapeam, Facepe e Fapesc. Tem atuado em comitês de programa de várias conferências nacionais e internacionais e também como revisora em periódicos nacionais e internacionais. É membro da Sociedade Brasileira de Computação (SBC). Suas pesquisas concentram-se na área de Engenharia de Software, em particular, gerenciamento de processos de negócio grandes, complexos e dinâmicos automatizados por sistemas-de-sistemas, engenharia de requisitos, qualidade de software, reutilização de software, acessibilidade web e inclusão profissional.

Área de atuação: Métodos e Técnicas da Computação (Engenharia de Software)

Projetos atuais:

• Abordagens baseadas em Processos-de-Processos de Negócio para apoiar o Desenvolvimento de Sistemas-de-Sistemas
• Dívidas Técnicas em Modelos de Processos de Negócio
• Inclusão de Engenheiros de Software Autistas em Equipes de Desenvolvimento de Software

Lattes:

http://lattes.cnpq.br/1838086786793758

Google Acadêmico:

https://scholar.google.com/citations?user=haGgI8QAAAAJ&hl=pt-BR

ORCID:

https://orcid.org/0000-0002-2243-5596

Publicações da linha de pesquisa atual:

• CAGNIN, M. I.; NAKAGAWA, E. Y. Processes-of-Business Processes: A Novel Information Source of Systems-of-Systems Requirements. REQUIREMENTS ENGINEERING, 2025 (accepted, in press).
• CAGNIN, M. I.; NAKAGAWA, E. Y. M-PoP: Leveraging the Systematic Modeling of Processes-of-Business Processes. BUSINESS PROCESS MANAGEMENT JOURNAL, v. 28, p. 1412-1445, 2022.
• CAGNIN, MARIA ISTELA; NAKAGAWA, Elisa Yumi. Towards dynamic processes-of-business processes: a new understanding. BUSINESS PROCESS MANAGEMENT JOURNAL, v. 27, p. 1545-1568, 2021.

Orientador de Mestrado e Doutorado

nalvo.junior@ufms.br

Nalvo possui Licenciatura Plena em Matemática pela Universidade Federal de Mato Grosso do Sul (1985), mestrado em Engenharia de Sistemas e Computação pela Universidade Federal do Rio de Janeiro – COPPE (1992), doutorado em Ciência da Computação pela Universidade Estadual de Campinas (2002). Atuou como visiting scholar no Virginia Bioinformatics Institute (VBI-Virginia Tech), USA (2007-2009). Professor titular da Faculdade de Computação da Universidade Federal de Mato Grosso do Sul (UFMS); Diretor da Faculdade de Computação da UFMS de 2009 a 2016; Pró-Reitor de Pesquisa e Pós-graduação da UFMS de 2017 a 2020. Atualmente é Diretor-dientífico da Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul (FUNDECT). Tem experiência na área de Ciência da Computação, com ênfase em Teoria da Computação e Biologia Computacional, atuando principalmente em comparação e análise de genomas.

Área de atuação: Teoria da Computação (Biologia Computacional)

Lattes:

http://lattes.cnpq.br/3181695167717042

Orientadora de Mestrado
Prédio Facom

patricia.gomes@ufms.br

Patrícia G. F. Matsubara tem graduação e mestrado em Ciência da Computação pela Universidade Federal de Goiás e doutorado pela Universidade Federal do Amazonas. Atualmente é Professora Associada na Universidade Federal de Mato Grosso do Sul (UFMS – Brasil). Patrícia reconhece que métodos tecnicamente sólidos ainda podem ser abandonados em contextos reais se a dimensão humana for desconsiderada durante sua adoção. Por isso, sua pesquisa busca integrar conhecimentos da psicologia, economia e ciências sociais à engenharia de software, promovendo abordagens baseadas em evidências e centradas no ser humano para a prática profissional.

Área de atuação: Métodos e Técnicas da Computação (Engenharia de Software)

Projetos atuais:

• Produtividade no contexto de equipes de software
• Engenharia de Requisitos para Sistemas de IA
• Aplicações de Teoria dos Jogos em Engenharia de Software
• Engenharia de Software Comportamental: a adoção de boas práticas de desenvolvimento de software à luz do comportamento humano
• Confiança na evidência no contexto de Engenharia de Software Experimental
• Estimativas de esforço de software

Lattes:

http://lattes.cnpq.br/2993037192249301

Google Acadêmico:

https://scholar.google.com/citations?user=qCzUwjAAAAAJ&hl=pt-BR

ORCID:

https://orcid.org/0000-0001-9230-3620

Publicações da linha de pesquisa atual:

• Matsubara, P. G., & Conte, T. (2025). The Unfinished Business of Evidence Strength in Software Engineering: Current Practices and Future Directions. Empirical Software Engineering, accepted for publication.
• Matsubara, P. G., Steinmacher, I., Gadelha, B., & Conte, T. (2023). Much more than a prediction: Expert-based software effort estimation as a behavioral act. Empirical Software Engineering, 28(4), 98.
• Matsubara, P. G., Steinmacher, I., Gadelha, B., & Conte, T. (2023, May). Moving on from the software engineers’ gambit: an approach to support the defense of software effort estimates. In 2023 IEEE/ACM 45th International Conference on Software Engineering (ICSE) (pp. 703-715). IEEE.
• Matsubara, P. G. F., Gadelha, B. F., Steinmacher, I., & Conte, T. U. (2022). SEXTAMT: A systematic map to navigate the wide seas of factors affecting expert judgment software estimates. Journal of Systems and Software, 185, 111148.
• Matsubara, P. G., Steinmacher, I., Gadelha, B., & Conte, T. U. (2021, May). Buying time in software development: how estimates become commitments?. In 2021 IEEE/ACM 13th International Workshop on Cooperative and Human Aspects of Software Engineering (CHASE) (pp. 61-70). IEEE.

Orientador de Mestrado e Doutorado
Prédio Facom, 2º andar, Sala 10

paulo.pagliosa@ufms.br

Possui graduação em Engenharia Civil pela Universidade Federal de Santa Maria (1987), doutorado em Engenharia Civil (Engenharia de Estruturas) pela Escola de Engenharia de São Carlos, Universidade de São Paulo (1998) e dois pós-doutorados em Ciências de Computação e Matemática Computacional pelo Instituto de Ciências Matemáticas e Computação, Universidade de São Paulo (2012 e 2024). Atualmente é professor titular na Faculdade de Computação da Universidade Federal de Mato Grosso do Sul. Tem experiência na área de Ciência da Computação, com ênfase em visualização e simulação, atuando principalmente nos seguintes temas: simulação baseada em física, processamento geométrico, mecânica computacional, GPGPU, física para jogos digitais e computação gráfica.

Área de atuação: Métodos e Técnicas de Computação (Computação Gráfica)

Projetos atuais:

• Applications of Isogeometric Analysis on GPU Using Watertight Surface Representations

Lattes:

http://lattes.cnpq.br/5569130658313238

Google Acadêmico:

https://scholar.google.com/citations?user=lNUJYtwAAAAJ

ORCID:

https://orcid.org/my-orcid?orcid=0000-0002-2772-0767

Publicações da linha de pesquisa atual:

• Parallel isogeometric boundary element analysis with T-splines on CUDA;
• RBF liquids: an adaptive PIC solver using RBF-FD;
• Boundary Detection in Particle‐based Fluids

Orientador de Mestrado
Prédio Facom, 1º andar

renan.marks@ufms.br

Possui graduação em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul (2009), mestrado em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul (2012) e Doutorado pela Universidade Federal de Minas Gerais (2023) na área de Ciência da Computação com ênfase em Arquitetura de Sistemas de Computação. Tem experiência na área de Ciência da Computação, com ênfase em Arquitetura de Sistemas de Computação, atuando principalmente nos seguintes temas: arquitetura de computadores, sistemas computacionais de alto desempenho, software-básico, FPGA, nanocomputação e computação em DNA.

Área de atuação: Sistemas Computacionais (Arquitetura de Computadores)

Projetos atuais:

• Nanocomputação como alternativa para progresso de sistemas computacionais

Lattes:

http://lattes.cnpq.br/0157902406122102

Google Acadêmico:

https://scholar.google.com.br/citations?user=gukbP3YAAAAJ&hl=en

ORCID:

https://orcid.org/0000-0001-8239-8320

Publicações da linha de pesquisa atual:

• http://dx.doi.org/10.1021/acssynbio.0c00364
• http://dx.doi.org/10.1109/MDAT.2021.3069369
• http://dx.doi.org/10.29292/jics.v17i3.652
• http://dx.doi.org/10.1109/lascas56464.2023.10108135
• http://dx.doi.org/10.1109/LASCAS64004.2025.109663475

Orientador de Mestrado e Doutorado
Prédio Facom, 2º andar, Sala P-04

renato.ishii@ufms.br

Renato P. Ishii é Doutor em Ciência da Computação pela Universidade de São Paulo – ICMC/USP. Professor Universitário desde 2004 e, atualmente, professor da Faculdade de Computação – FACOM/UFMS, responsável por disciplinas de graduação e de pós-graduação. Atua como pesquisador e orientador nos programas de pós-graduação: Mestrado e Doutorado Acadêmico em Ciência da Computação e Mestrado Profissional em Computação Aplicada  – FACOM/UFMS. Coordenador e colaborador de diversos projetos de pesquisa financiados pelas principais agências de fomento do país, tais como FAPESP, CAPES, CNPq, FUNDECT e EMBRAPA, com dezenas de artigos publicados em veículos renomados de divulgação científica, tanto nacional, quanto internacional. Além disso, é membro do INCT (Instituto Nacional de Ciência e Tecnologia) Internet do Futuro para Cidades Inteligentes (http://interscity.org) e ECOSustain Digital Technology for the Environment (https://ecosustain.cc), atuando nas seguintes linhas de pesquisa: Análise de Séries Temporais, Inteligência Artificial, Visão Computacional e Big Data. Membro da comunidade Startup Weekend Techstars desde 2017, mentor de inovação e de IA do Living Lab Sebrae-MS, membro da Sociedade Brasileira de Automática e vice-coordenador do comitê técnico em Sistemas Inteligentes no período de 2017 a 2019. Co-founder das startups Juridics, See Working e Alfaneo Inteligência Artificial (http://alfaneo.ai).

Área de atuação: Métodos e Técnicas da Computação (Inteligência Artificial)

Projetos atuais:

• Aplicação de conceitos de blockchain no domínio de Internet das coisas;
• Mitigação de Alucinações em Modelos de Linguagem Jurídicos Multimodais para o Direito Brasileiro
• Desenvolvimento de Plataforma Jurídica Multimodal com Mecanismos Avançados de Personalização e Mitigação de Alucinações
• Alfaneo Legal GPT: Plataforma MultiModal Especializada em Direito Brasileiro para Análise Jurídica Automatizada de Grandes Volumes de Dados

Lattes:

http://lattes.cnpq.br/8992362063539452

Google Acadêmico:

https://scholar.google.com.br/citations?user=EjhtS20AAAAJ&hl=pt-PT

ORCID:

https://orcid.org/0000-0003-0825-8420

Publicações da linha de pesquisa atual:

• Black drama: between hate speech and algorithmic racism. ICMLA 2025 (in progress);
• ALMEIDA, LILIANE PINHO DE ; GUENKA, LEANDRO CAETANO ; FELIPE, DANIELLE DE OLIVEIRA ; Ishii, Renato Porfirio ; CAMPOS, PEDRO SENNA DE ; BURKE, THOMAZ NOGUEIRA . Correlation between MOVA3D, a Monocular Movement Analysis System, and Qualisys Track Manager (QTM) during Lower Limb Movements in Healthy Adults: A Preliminary Study. International Journal of Environmental Research and Public Health, v. 20, p. 6657-6668, 2023 (https://www.mdpi.com/1660-4601/20/17/6657);
• E SILVA, ANGELO M. ; RODRIGUES, YARA R. ; Ishii, Renato P. . RIGOR: A New Proposal for Predicting Infant Mortality in Government Health Systems Using Artificial Intelligence in Brazil. COMPUTER, v. 53, p. 69-76, 2020 (https://ieeexplore.ieee.org/document/9207776/);
• ISHII, R. P.; MARTINEZ, F. H. V. ; ROSA, C. C. S. ; ISHII, RENATO . Natural Language Processing Techniques for Hate Speech Evaluation for Brazilian Portuguese. In: The 23rd International Conference on Computational Science and Its Applications, 2023, Athens. Proceedings of ICCSA 2023 (Lecture Notes in Computer Science). Switzerland: Springer, Cham, 2023. v. 14107. p. 104-117 (https://link.springer.com/chapter/10.1007/978-3-031-37114-1_8);
• VIEGAS, C. F. O. ; COSTA, B. C. ; Ishii, R. P. . JurisBERT: A New Approach that Converts a Classification Corpus into an STS One. In: The 23rd International Conference on Computational Science and Its Applications, 2023, Athens. Proceedings of ICCSA 2023 (Lecture Notes in Computer Science). Switzerland: Springer Nature Switzerland AG, 2023. v. 13956. p. 349-365 (https://link.springer.com/chapter/10.1007/978-3-031-36805-9_24).

Orientador de Mestrado e Doutorado
Prédio Facom, 2º andar

ricardo.santos@ufms.br

Doutorado em Ciência da Computação pela Universidade Estadual de Campinas (Unicamp) e Pós-Doutorado pela Stanford University. Professor titular na Faculdade de Computação da Universidade Federal de Mato Grosso do Sul (Facom/UFMS). Atua nos programas de pós-graduação PPGCC, MCA e PPGEE. Coordenador do Laboratório de Sistemas Computacionais de Alto Desempenho (LSCAD). Bolsista de Produtividade do CNPq em Desenvolvimento Tecnológico e Extensão Inovadora.

Área de atuação: Sistemas Computacionais (Arquitetura de Computadores)

Projetos atuais:

• Computação Aproximada;
• Algoritmos para Alocação de Cargas de Veículos Elétricos;
• Suplementação Dinâmica para Bovinos e Estimativas Automáticas para Massa de Forragem na Pecuária.

Lattes:

http://lattes.cnpq.br/6970175851174735

Google Acadêmico:

https://scholar.google.com/citations?user=n2QHc_MAAAAJ&hl=pt-BR

ORCID:

https://orcid.org/0000-0002-2955-8011

Publicações da linha de pesquisa atual:

• https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0316677
• https://linkinghub.elsevier.com/retrieve/pii/S0168169923009080
• https://dl.acm.org/doi/10.1145/3605098.3635961
• https://www.sciencedirect.com/science/article/pii/S2352340925007516
• https://onlinelibrary.wiley.com/doi/10.1002/cpe.6865

Orientador de Mestrado e Doutorado

ronaldo.ferreira@ufms.br

Ronaldo A. Ferreira is a Full Professor of Computer Science in the College of Computing (Faculdade de Computação) at UFMS. He received his B.Sc. from UFMS in 1992, his M.S. from the University of Campinas in 1998, and his Ph.D. from Purdue University in 2006, all in Computer Science. Ronaldo was a Visiting Research Scholar and a Visiting Associate Professor at Princeton University from 2014 to 2016. He served as the chair of the Special Interest Group on Computer Networks and Distributed Systems of the Brazilian Computing Society (SBC) from 2011 to 2013. Ronaldo was a member of the board of administration of the Brazilian National Research and Educational Network (RNP) from 2011 to 2013. He was a member of the board of directors of the Brazilian National Laboratory of Computer Networks (LARC) from 2014 to 2023. He is currently the Director of Cooperation with Scientific Societies of the Brazilian Computing Society (SBC). His work has been published at the most selective conferences, such as ACM SIGCOMM, ACM SIGMETRICS, ACM CCS, Usenix ATC, and IEEE Infocom, and has received prestigious awards, such as the 2023 IETF/IRTF Applied Networking Research Prize, Best Paper Honorable Mention at ACM CCS 2022, Best Paper Runner-Up at IFIP Networking 2020, and Best Paper at the ACM SIGCOMM Workshop on Self-Driving Networks 2018. His research interests are in computer networks and distributed systems.

Área de atuação: Sistemas de Computação (Redes de Computadores e Sistemas Operacionais)

Lattes:

http://lattes.cnpq.br/8808884844055224

Orientador de Mestrado e Doutorado
Prédio Facom, 2º andar

wesley.goncalves@ufms.br

Wesley Nunes Gonçalves é professor associado na UFMS e bolsista de produtividade do CNPq. Doutor pelo IFSC-USP, dedica-se à pesquisa em visão computacional e inteligência artificial, com aplicações em agricultura de precisão, meio ambiente e outras áreas. Recebeu o Prêmio de Pesquisador Sul-Mato-Grossense 2023 e o terceiro lugar no Prêmio CONFAP de Ciência, Tecnologia e Inovação. Suas contribuições acadêmicas incluem mais de 100 artigos revisados por pares, 70 trabalhos em anais de conferências e quatro tecnologias registradas. Bolsista de Produtividade em Pesquisa do CNPq.

Área de atuação: Métodos e Técnicas da Computação (Inteligência Artificial)

Projetos atuais:

• Adaptação de domínio, aprendizado multi-tarefas e transformers aplicados em agricultura de precisão

Lattes:

http://lattes.cnpq.br/4498921794690866

Google Acadêmico:

https://scholar.google.com/citations?user=0Kt64uAAAAAJ

ORCID:

https://orcid.org/0000-0002-8815-6653

Publicações da linha de pesquisa atual:

• https://www.sciencedirect.com/science/article/pii/S030324342100163X
• https://www.sciencedirect.com/science/article/abs/pii/S0924271619302989
• https://www.sciencedirect.com/science/article/abs/pii/S0957417422000549
• https://www.sciencedirect.com/science/article/pii/S0303243422000162