O ex-aluno de doutorado do Departamento de Ciência da Computação (DCC) da UFMG e atual professor da Universidade Estadual de Campinas (Unicamp), Washington Luiz Miranda da Cunha, conquistou o terceiro lugar na categoria Tese de Doutorado do Concurso Nacional de Teses e Dissertações em Inteligência Artificial e Computacional (CTDIAC). A tese, intitulada A Comprehensive Exploitation of Instance Selection Methods for Automatic Text Classification: “Doing More with Less”, foi orientada pelo professor do DCC Marcos André Gonçalves, e coorientada pelo professor da Universidade Federal de São João del-Rei (UFSJ), Leonardo Chaves Dutra da Rocha.
O trabalho investiga métodos para reduzir a quantidade de exemplos utilizados no treinamento de sistemas de classificação automática de textos, sem comprometer significativamente a qualidade dos resultados. A pesquisa explora técnicas de seleção de instâncias, que identificam dados redundantes ou menos relevantes e permitem diminuir o custo computacional do treinamento. A proposta é investigar como esses métodos podem tornar a classificação de textos mais eficiente, aproveitando melhor os dados disponíveis.
Outro trabalho ligado ao DCC recebeu Menção Honrosa de Melhor Artigo no KDMiLe. Intitulado Beyond Efficiency: The Impact of Instance Selection on Semantic Locality in Transformer-based Text Classification, o estudo é liderado por Karina Batista da Silva, mestranda do Departamento, orientada por Marcos André Gonçalves e coorientada por Liziane Santos Soares, professora da Universidade Federal de Viçosa (UFV) e doutoranda do DCC.
A pesquisa examina como diferentes técnicas de seleção de instâncias afetam a organização semântica dos dados processados pelo BERT, modelo de linguagem baseado na arquitetura Transformer. Nos experimentos com classificação de notícias, foram comparados os métodos E2SC e biO-IS. Embora ambos tenham aumentado a similaridade entre exemplos próximos nas representações do modelo, apenas o biO-IS aumentou de forma consistente a concentração de exemplos em regiões semanticamente homogêneas.
Os resultados mostram que a escolha do método de seleção de dados pode alterar a maneira como o modelo organiza as informações, com possíveis efeitos sobre técnicas utilizadas para explicar suas decisões. Assim, o estudo amplia a análise dos métodos de seleção de instâncias para além da redução do custo computacional.
Os trabalhos foram premiados durante a programação científica realizada em Cuiabá (MT), de 19 a 22 de outubro de 2026, que reuniu eventos da área, entre eles a 36ª Brazilian Conference on Intelligent Systems (BRACIS), o KDMiLe e o CTDIAC. A programação incluiu apresentações de pesquisas em inteligência artificial, aprendizado de máquina e descoberta de conhecimento.
