Gabriel Machado Dallago

Gabriel M. Dallago is an Animal Scientist with an academic background focused on data analysis. He holds a Bachelor's and a Master's degree in Animal Science from the Federal University of Jequitinhonha and Mucuri Valleys (Diamantina, MG, Brazil) and a Ph.D., also in Animal Science, from McGill University (Montreal, QC, Canada). He is currently an Assistant Professor of Precision Livestock in the Department of Animal Science at the University of Manitoba (Winnipeg, MB, Canada). Gabriel focuses on the use of precision technologies as a way to improve the sustainability of livestock production. He is particularly interested in leveraging the flexibility of machine learning and deep learning algorithms to analyze data and derive information that is important from a biological as well as decision making standpoints. To this end, he has been working on projects covering health, welfare, and longevity of farm animals. My current research focuses on developing deep learning models capable of integrating data from heterogeneous sources as an approach to improve farm management decisions from an animal-centric perspective.

Gabriel M. Dallago é Zootecnista com formação acadêmica focada em análise de dados. Possui graduação e mestrado em Zootecnia pela Universidade Federal de Jequitinhonha e Mucuri (Diamantina, MG, Brasil) e doutorado, também em Zootecnia, pela McGill University (Montreal, QC, Canadá). Atualmente, é professor de Zootecnia de Precisão no Departamento de Zootecnia da Universidade de Manitoba (Winnipeg, MB, Canadá). Gabriel tem como foco de pesquisa o uso de técnicas de zootecnia de precisão como forma de aumentar a sustentabilidade da produção pecuária. Ele é particularmente interessado em aproveitar a flexibilidade dos algoritmos de machine learning e deep learning para analisar dados e obter informações que são de importancia biológica para a tomada de decisões. Para tal, ele tem trabalhado em projetos abrangendo a saúde, bem-estar e longevidade de animais de interesse zootécnico. Sua pesquisa atual tem como foco principal o desenvolvimento de modelos deep learning capazes de integrar dados heterogéneos a fim de maximizar a assertividade na tomada de decisões a partir de uma perspectiva centrada na individualidade animal.