LAURO CÁSSIO MARTINS DE PAULA

Lauro is BSc in Computer Science with emphasis in Computational Mathematics from Pontifical Catholic University of Goiás, Brazil (2012), MSc in Computer Science from Federal University of Goiás - UFG, Brazil (2014), and PhD in Computer Science from Federal University of Mato Grosso do Sul in association with UFG, Brazil (2018). Currently Lauro is an Associate Professor of the Federal Institute of Bahia (IFBA), Brazil (since 2019). He has been a Research Scientist, reviewer and editorial board member of national and international journals, and member of research groups. Lauro has published important international scientific papers, presenting in four countries (Morocco, USA, Canada and Germany) and achieving relevant awards of excellence in scientific research. He has interest in problems and applications involving: scientific computing, parallel computing, GPU parallel programming, solution of linear systems, evolutionary algorithms, metaheuristics for feature selection, multiobjective optimization, Big Data and machine learning.

Possui Graduação em Bacharelado em Ciência da Computação com ênfase em Matemática Computacional pela Pontifícia Universidade Católica de Goiás (2012), Mestrado em Ciência da Computação pela Universidade Federal de Goiás - UFG (2014) e Doutorado em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul em associação com a UFG (2018). De 2019 até 2022, foi professor efetivo no Instituto Federal da Bahia (IFBA) - Campus Santo Antônio de Jesus. Atualmente, é professor efetivo no IFBA - Campus Salvador. Atua também como membro de grupos de pesquisa em outras instituições e revisor de periódicos científicos nacionais e internacionais. Possui importantes publicações de artigos científicos internacionais, com apresentações em quatro países (Marrocos, EUA, Canadá e Alemanha) e conquistas de prêmios de excelência em pesquisa científica. Tem interesse em problemas e aplicações que envolvem: computação científica, computação paralela, algoritmos evolutivos, meta-heurísticas para seleção de variáveis, estudo e aplicação de Big Data e Machine Learning em Ciência de Dados.