DOCENTE

Juliana Paula Felix

  • Graduada em Ciência da Computação pela Universidade Federal de Goiás, UFG (2015).
  • Realizou graduação sanduíche na University of Manitoba (UofM), Canadá (2013-2014).
  • Mestre em Ciência da Computação pela Universidade Federal de Goiás, UFG (2018).
  • Doutora em Ciência da Computação pela Universidade Federal de Goiás, UFG (2023).
  • Atualmente realiza estágio pós-doutoral no Programa de Pós-Graduação em Ciência da Computação (PPGCC) da UFG.
  • Professora efetiva na Pontifícia Universidade Católica de Goiás (PUC-Goiás).
  • Docente nas Especializações em Data Science e Estatística Aplicada (UFG), Machine Learning e Big Data (UEL-PR) e Sistemas e Agentes Inteligentes (UFG).
  • Premiada com o 2º lugar no Prêmio Artur Ziviani de Teses e Dissertações (2024).
  • Coordena e integra projetos de pesquisa financiados por agências como CAPES, CNPq e FAPEG.
  • Possui ampla experiência em orientação acadêmica em níveis de graduação e pós-graduação (lato e stricto sensu).
  • Seus temas de interesse são:
    • Inteligência Artificial aplicada à Saúde;
    • Ciência de Dados e Machine Learning;
    • Processamento de Sinais e Imagens;
    • Realidade Virtual e Visualização da Informação;
    • Otimização e Teoria dos Grafos.

DOCENTE

Juliana Paula Felix

  • Graduada em Ciência da Computação pela Universidade Federal de Goiás, UFG (2015).
  • Realizou graduação sanduíche na University of Manitoba (UofM), Canadá (2013-2014).
  • Mestre em Ciência da Computação pela Universidade Federal de Goiás, UFG (2018).
  • Doutora em Ciência da Computação pela Universidade Federal de Goiás, UFG (2023).
  • Atualmente realiza estágio pós-doutoral no Programa de Pós-Graduação em Ciência da Computação (PPGCC) da UFG.
  • Professora efetiva na Pontifícia Universidade Católica de Goiás (PUC-Goiás).
  • Docente nas Especializações em Data Science e Estatística Aplicada (UFG), Machine Learning e Big Data (UEL-PR) e Sistemas e Agentes Inteligentes (UFG).
  • Premiada com o 2º lugar no Prêmio Artur Ziviani de Teses e Dissertações (2024).
  • Coordena e integra projetos de pesquisa financiados por agências como CAPES, CNPq e FAPEG.
  • Possui ampla experiência em orientação acadêmica em níveis de graduação e pós-graduação (lato e stricto sensu).
  • Seus temas de interesse são:
    • Inteligência Artificial aplicada à Saúde;
    • Ciência de Dados e Machine Learning;
    • Processamento de Sinais e Imagens;
    • Realidade Virtual e Visualização da Informação;
    • Otimização e Teoria dos Grafos.

Preencha os dados abaixo

Envie sua mensagem para nossa equipe​!