Resumo: Neste seminário, apresentaremos dois projetos de Sport Analytics que utilizam técnicas avançadas de ciência de dados para descobrir insights valiosos em dados esportivos. O primeiro projeto utiliza algoritmos de aprendizado de máquina para analisar a localização de todos os jogadores em campo, a partir de vídeos de partidas já realizadas, e transforma esses dados em uma visualização bidimensional. Essa solução permite a identificação de padrões táticos e a análise do desempenho de jogadores de forma mais precisa. O segundo projeto consiste em prever a performance de jogadores, rodada a rodada do campeonato, utilizando modelos de Machine Learning e Otimização. Essa solução pode ajudar técnicos e treinadores a tomar decisões mais informadas e eficientes na composição de equipes esportivas. Venha aprender como os dados podem ser usados para melhorar o desempenho dos atletas e das equipes esportivas!

Biografia: Professor EBTT no Centro Federal de Educação Tecnológica do Rio de Janeiro (CEFET/RJ), com atuação no Departamento de Informática (DEPIN), no Programa de Pós-graduação em Ciência da Computação (PPCIC) e no Programa de Pós-graduação em Engenharia de Produção e Sistemas (PPPRO). Bolsista de Produtividade em Pesquisa Nível 2 do CNPq e bolsista do programa Jovem Cientista do Estado do Rio de Janeiro - FAPERJ. Líder do grupo de pesquisa Otimização Combinatória e Aplicações (OCA/CNPq). Formado em Matemática pela Universidade do Estado do Rio de Janeiro (2009). Mestre em Ciências Computacionais pela Universidade do Estado do Rio de Janeiro (2012). Doutor em Computação pela Universidade Federal Fluminense (2015) e em Informatique pela Universidade de Avignon e Pays de Vaucluse em um esquema de cotutela (2015). Conduziu pesquisa de pós-doutorado na Universidade Federal do Rio de Janeiro com foco em Otimização Combinatória (2016). Tem interesse e experiência nas áreas: Otimização Combinatória, Metaheurísticas, Programação Linear e Inteira, Métodos Híbridos, Pesquisa Operacional e Design de Algoritmos.