Felipe Alencar Lopes

Professor at the Federal Institute of Alagoas (IFAL). Holds a Ph.D. in Computer Science from the Center for Informatics at the Federal University of Pernambuco (CIn/UFPE), where he also completed his Master's degree in Computer Science, and a Bachelor's degree in Information Systems from IFAL. He was a developer at the multinational software factory Indra Company, and previously received a research and development scholarship from the National Research and Innovation Network (RENAPI) linked to the Ministry of Education (MEC) to analyze and develop the Integrated Academic Management System (SIGA-EDU). He also worked as a visiting researcher at the Karlsruhe Institute of Technology (KIT) in Germany. Currently, he is a postdoctoral researcher at Saint Louis University (SLU), investigating the use of Generative Adversarial Networks for fast disease detection in crops, as well as a research member of the Laboratory of Engineering and Data Analysis (LEAD), assisting in projects in the areas of intelligent irrigation and open data. His research interests include: Software Defined Networks, Deep Reinforcement Learning, and Runtime Models.

Professor no Instituto Federal de Alagoas (IFAL). Doutor em Ciência da Computação pelo Centro de Informática da Universidade Federal de Pernambuco (CIn/UFPE), tendo atuado como pesquisador visitante no Karlsruhe Institute of Technology (KIT), na Alemanha. Realizou o mestrado em Ciência da Computação também no CIn e cursou o bacharelado em Sistemas de Informação no IFAL. Foi desenvolvedor na fábrica de software multinacional Indra Company. Anteriormente à Indra, recebia bolsa PD&I para analisar e desenvolver o Sistema Integrado de Gestão Acadêmica (SIGA-EDU) por meio da Rede Nacional de Pesquisa e Inovação (RENAPI) vinculada ao Ministério da Educação (MEC). Atualmente, é pós-doutorando na Saint Louis University (SLU), investigando a utilização de Redes Adversárias Generativas para detecção rápida de doenças em plantios, além de ser membro pesquisador do Laboratório de Engenharia e Análise de Dados (LEAD), auxiliando em projetos nas áreas de irrigação inteligente e dados abertos. Interesses de pesquisa envolvem: Redes Definidas por Software, Aprendizagem por Reforço Profunda e Modelos em Tempo de Execução.