Eduardo Camargo de Siqueira

Professor de informática no IFB Campus São Sebastião, desde novembro de 2021, onde também atua na Coordenação de Pesquisa e Inovação. Possui graduação em Ciência da Computação e é mestre e doutor em Modelagem Matemática e Computacional. Atua como pesquisador no Laboratório de Ingeligência Artificial (AILab) da Universidade de Brasília (UnB) e no Laboratório de Aplicativos e Jogos do IFB, onde desenvolve projetos em machine learning, inteligência computacional, otimização combinatória e informática na educação. Atuou, recentemente, como supervisor de equipes nos projetos TRF1-ALEI-1G, TST-Sabiá e PGDF-Osíris. Tem experiência em machine learning, pesquisa operacional, métodos numéricos computacionais e programação em C/C++, PHP e Python. Anteriormente, foi professor efetivo no Instituto Federal do Triângulo Mineiro (IFTM) - Campus Paracatu e professor substituto no Departamento de Computação do CEFET-MG, entre 2013 e 2021.

Pesquisa e Inovação

Projetos

Implementação do Centro Integrado de Inteligência Artificial do DF (CIIA-DF) (2025-Atual) - CIIA - Saúde

Este projeto de pesquisa visa à consolidação do Centro Integrado de Inteligência Artificial (CIIA) no Distrito Federal, iniciativa concebida por um Grupo de Trabalho instituído via portaria, cujo relatório embasou o edital público para seleção de uma Instituição de Ciência e Tecnologia (ICT).

PGDF-Osíris: Inteligência Artificial em Execução Fiscal (2021-Atual) - AILAB - UnB

O projeto tem como objetivo pesquisar e desenvolver soluções que auxiliem a PGDF no encaminhamento das demandas associadas aos processos de execução fiscal, além de capacitar seus servidores para que possam manter e evoluir os resultados.

Aplicação de Processamento de Linguagem Natural e Aprendizado de Máquina na Identificação de Itens de Faturamento em Hospitais Públicos (2024-Atual) - IFB

Esta proposta de pesquisa apresenta um projeto voltado para a resolução de um desafio crítico enfrentado pelos hospitais públicos: a gestão financeira, especialmente no que diz respeito à identificação precisa de itens de faturamento em prontuários médicos.

TST - Sabiá (2021-2025) - AILAB - UnB

O projeto tem como escopo pesquisar e desenvolver soluções para complementar o sistema Bem-Te-Vi no que se refere às funcionalidades de Agrupamento de Processos e Levantamento de Jurisprudência. Visando evidenciar o desempenho real destas soluções, é objetivo deste trabalho desenvolver um módulo de Registro de Feedbacks dos usuários.

Últimas publicações

  • L. DE ASSIS, ROMÁRIO; A. DE CAMPOS, MARCOS; SOUZA, MARCONE; SOUZA, MARIA; C. DE SIQUEIRA, EDUARDO; WANNER, ELIZABETH; R. DE SOUZA, SÉRGIO. A Solution Procedure for Fixed Mammography Unit Location-Allocation and Mobile Mammography Unit Routing Problems. In: 27th International Conference on Enterprise Information Systems, 2025, Porto. Proceedings of the 27th International Conference on Enterprise Information Systems, 2025. v. 1. p. 523-533.
  • SILVA, N. C.; BRAZ, F. A. ; SIQUEIRA, E. C. ; BONAT, D. ; CATTA PRETA, I. ; CARLOS, W. J. B. ; NISCHI, L. ; LEMOS, A. D. ; FERRETTI, J. R. P. . ALEI-1G: How Artificial Intelligence is supporting legal process analysis in the first instance of the Brazilian Federal Justice. In: EGPA 2024 CONFERENCE, 2024, Atenas. DIGITAL BOOKLET - EGPA 2024 CONFERENCE, 2024.
  • DE CAMPOS, MARCOS VINÍCIUS ANDRADE; DE ASSIS, ROMÁRIO DOS SANTOS LOPES ; SOUZA, M. J. F.; SIQUEIRA, Eduardo Camargo de ; SILVA, MARIA AMÉLIA LOPES; DE SOUZA, SÉRGIO RICARDO. Multi-objective mammography unit location-allocation problem: A case study. OPERATIONS RESEARCH FOR HEALTH CARE, v. 41, p. 100430, 2024.
  • SIQUEIRA, Eduardo Camargo de; SOUZA, M. J. F.; de Souza, Sérgio R. . An MO-GVNS algorithm for solving a multiobjective hybrid flow shop scheduling problem. International Transactions in Operational Research, v. 27, p. 614-650, 2020.
  • DE SIQUEIRA, E.C.; SOUZA, M.J.F.; DE SOUZA, S.R.. A Multi-objective Variable Neighborhood Search algorithm for solving the Hybrid Flow Shop Problem. ELECTRONIC NOTES IN DISCRETE MATHEMATICS, v. 66, p. 87-94, 2018.

Linhas de Pesquisa

Linhas de Pesquisa

Machine Learning

Transformando dados em conhecimento, de forma inteligente e eficiente.

Inteligência Computacional para Otimização

Maximizando resultados e minimizando esforços.

Otimização Combinatória

Desvendando eficiência na simplicidade das escolhas.

Informática na Educação

Capacitando alunos e educadores a explorarem um novo horizonte de possibilidades educativas.

Desenvolvimento

Registros de Software

Disciplinas

Informática

Administração

Material

Programação Móvel

Desenvolvimento de Sistemas

Material

Programação Web

Desenvolvimento de Sistemas

Material

Projeto Integrador I

Desenvolvimento de Sistemas

Material