Pesquisadores do Laboratório de Banco de Dados (LBD) do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais (DCC/UFMG) e membros do INCT TILDIAR se destacaram de forma excepcional na 40ª edição do Simpósio Brasileiro de Bancos de Dados (SBBD), principal evento de Ciência de Dados e Big Data da América Latina. O grupo conquistou prêmios em todas as principais categorias da conferência — um resultado raro e expressivo na história do evento.
Entre 135 artigos completos submetidos (com taxa de aceitação de 40%) e 88 artigos curtos (41% aceitos), os pesquisadores do DCC obtiveram destaque absoluto. Dos 54 artigos completos aprovados para apresentação, o grupo venceu nas duas primeiras colocações:
- Prêmio José Mauro de Castilho – Melhor Artigo Completo: “Muitas Classes Desbalanceadas? Não Classifique – Ranqueie! Uma Abordagem Efetiva e Eficiente Baseada em RAG-labels para Classificação Textual Multi-classe” – Celso França (DCC/UFMG), Thiago Salles (DCC/UFMG), Washington Cunha (DCC/UFMG), Gabriel Jallais (DCC/UFMG), Leonardo Rocha (UFSJ), Marcos André Gonçalves (DCC/UFMG) e Ian Quadrio Raposo Nunes (UFSJ);
- Menção Honrosa – Melhor Artigo Completo: “Aprendizado Federado Incremental e Sensível ao Risco para Modelos de Ranqueamento em Cenários de Clientes muito Heterogêneos” – Gestefane Magalhães (DCC/UFMG), Marcos André Gonçalves (DCC/UFMG), Jussara Almeida (DCC/UFMG), Thierson Rosa (UFG), Daniel Xavier de Sousa (IFG) e Celso França (DCC/UFMG).
O bom desempenho também se repetiu entre os artigos curtos:
- Melhor Artigo Curto: “Extração Automática de Atributos de Sinais de Emissão Acústica com Redes Neurais Autocodificadoras para Predição de Integridade em Tubulações” – Bernardo Dutra (DCC/UFMG), Antônio Neves (DCC/UFMG), Marcos Carvalho (DCC/UFMG), Sérgio Daniel Carvalho Canuto (IFG), Jorge Wanderley Ribeiro (ISQ), Rodrigo Pires (ISQ), Douglas Soares dos Santos (Petrogal), André Lopes Gama da Fonseca (Galp); Jussara Almeida (DCC/UFMG) e Marcos André Gonçalves (DCC/UFMG);
- Menção Honrosa – Artigo Curto: “Um Estudo Comparativo de Estratégias de Seleção de Exemplos para In-Context Learning aplicado à Classificação Automática de Texto com Grandes Modelos de Linguagem” – Gabriel Prenassi (UFSJ), Guilherme Fonseca (DCC/UFMG), Davi Reis (UFSJ), Washington Cunha (DCC/UFMG), Marcos André Gonçalves (DCC/UFMG) e Leonardo Rocha (UFSJ).
Além destes resultados, o pesquisador Washington Cunha, também integrante do LBD, recebeu o prêmio de Melhor Tese de Doutorado do Brasil em Ciência de Dados, com o trabalho “A comprehensive exploitation of instance selection methods for automatic text classification”, sob a orientação dos professores Marcos André Gonçalves (DCC/UFMG) e Leonardo Rocha (UFSJ).
Realizado em Fortaleza (CE), o SBBD 2025 integrou-se a outros grandes eventos da área, como o BRACIS, KDMiLe, ENIAC e STIL, consolidando-se como o principal fórum de discussão científica sobre Bancos de Dados, Inteligência Artificial e Aprendizado de Máquina da América Latina.
