Ciência-IUL    Autores    Maurício Breternitz    Currículo
Resumo CV

RESUMO: Pesquisador, Professor Auxiliar Convidado do ISTAR-IUL, ISCTE-IUL, atualmente pesquisando sistemas neuromorficos para aplicações de aprendizado de máquina para melhorar espaços de convivência através de assistência digital. Sou um experiente inovador e educador prático, interessado em desenvolver novas pesquisas e aplicar minha criatividade para resolver novos problemas, promovendo forte interação entre a academia e a indústria, com foco no desenvolvimento de resultados de pesquisa com aplicação prática, aplicando minha experiência industrial em um ambiente de pesquisa acadêmica.

 

   Meus interesses recentes envolvem a interação de implementação e aplicação eficiente de aprendizado de máquina / redes neurais profundas, cargas de trabalho de nuvem e sistemas de cluster, aplicação de pesquisa de sistemas a grandes conjuntos de dados e análise de aprendizado de máquina, compiladores, técnicas de compilação e (micro) arquitetura. arquitetura do sistema no nível do nó e do cluster, computação com uso eficiente de energia, sistemas de processamento heterogêneos (CPUs, GPUs), com objetivos de influenciar aplicativos, produtos e inovação. Prevejo o potencial desenvolvimento de ferramentas de análise e mineração de dados e sistemas de computação para promover a missão do ISTAR-IUL relacionada à interação e comunicação naturais. Submeti com sucesso e recebi a aprovação de um projeto de pesquisa sob o  programa Horizonte-2020 em computação heterogênea, como parte de um consórcio com seis universidades européias, das quais eu fui um dos principais pesquisadores da AMD (Projeto CHIST-ERA. Total de 2 milhões de euros, parte da AMD 800K euros, julho de 2014.) Recentemente, trabalhei no entendimento e otimização de aplicativos em nuvem e análise de carga de trabalho em nuvem (MapReduce, Hadoop, GraphLab), focando a nível de sistema. Em colaboração com pesquisadores da Rice University, desenvolvemos uma aceleração eficiente para aplicativos Hadoop Map-Reduce e Machine Learning em sistemas acelerados por GPU. Eu também investiguei a implementação eficiente de algoritmos Deep Neural Network em sistemas acelerados CPU + GPU e desenvolvi novos algoritmos para migração de código CPU / GPU (acelerando algoritmos de detecção de face em APUs), encontrei maneiras de programar sistemas multi-core e usar GPUs no nuvem e usar vários núcleos para acelerar o desempenho de encadeamento único. Meus interesses atuais de pesquisa incluem aplicação e otimização de redes neurais. Meus projetos anteriores estão relacionados à tradução binária (habilitando muitos núcleos construindo sistemas legados menores, avaliação de desempenho de memória transacional, compactação de microcódigo (pesquisa algorítmica sobre formas de economizar espaço de microprocessador [adotada em dois projetos de microprocessador de produção de alto volume) Economias de US $ 18M] e características arquitetônicas co-projetadas para possibilitar um desempenho de alta potência e thread única para núcleos pequenos. Eu sou o criador e atuo como presidente geral do Workshop Internacional de Suporte Arquitetônico / Microarquitetural para Tradução Binária, com ISCA (ACM / IEEE Simpósio Internacional de Arquitetura de Computadores) e CGO. Tenho 56 patentes americanas emitidas e mais outras 55 patentes americanas pendentes

Qualificações Académicas
Universidade/Instituição Tipo Curso Período
Carnegie Mellon University
Doutoramento Ph.D.in Electrical and Computer Engineering 1991
Áreas de Investigação
Machine Learning
Digital Living Spaces
High Performance Computing