Orlando Bisacchi Coelho

Full-time Doctor Assistant Lecturer at Mackenzie Presbyterian University (UPM, 2019). Ph.D. in Electrical Engineering and Computing from Presbiteriana Mackenzie Presbyterian University. M.Sc. in Knowledge-Based Systems from University of Sussex (1989) and M.Sc.in Pure Mathematics from Federal University of Rio de Janeiro (UFRJ, 1982). B.Sc. in Mathematics from Federal University of Rio de Janeiro (1977). Experience in Computer Science, doing research on the following subjects: Deep Learning, Machine Learning, Data Mining, Learning Analytics, Artificial Intelligence, Argument Mining, and Cognitive Science.

Orlando Bisacchi Coelho obteve o Doutorado em Engenharia Elétrica e Computação pela Universidade Presbiteriana Mackenzie em 2019. Concluiu o M.Sc. in Knowledge-Based Systems na University of Sussex em Brighton, Reino Unido, em 1989. É Mestre em Matemática Pura pela Universidade Federal do Rio de Janeiro, onde também obteve o Bacharelado em Matemática. Atualmente é Professor Assistente Doutor na Universidade Presbiteriana Mackenzie, em regime de Tempo Integral (PPI) 40 horas. Publicou 2 artigos completos em periódicos, 5 capítulos de livros e 28 trabalhos em anais de eventos. Possui 3 produtos tecnológicos, 6 softwares e outros 45 itens de produção técnica. Participou de 4 eventos no exterior e 21 no Brasil. Co-orientou 1 dissertação de mestrado, além de ter orientado 14 trabalhos de iniciação científica e 50 trabalhos de conclusão de curso nas áreas de Ciência da Computação, Sistemas de Informação, Engenharia, Educação e Psicologia. Participou de 3 projetos de pesquisa e desenvolvimento financiados. Organizou dois congressos científicos internacionais. Atua na área de Ciência da Computação, com ênfase em Deep Learning, Aprendizagem de Máquina, Mineração de Dados, Learning Analytics, Inteligência Artificial, Mineração de Argumentos e Ciência Cognitiva. Em suas atividades profissionais interagiu com 28 colaboradores em co-autorias de trabalhos científicos. Em seu Currículo Lattes os termos mais freqüentes na contextualização da produção científica, tecnológica e artístico-cultural são: deep learning, redes neurais, ciência cognitiva, inteligência artificial, mineração de dados e educação à distância.