Nossos Projetos

Nossas ações são voltadas a empresas, organizações governamentais e estudantes que buscam compreender, antecipar e superar desafios complexos relacionados à transformação digital.

Projeto Morada AI: Inovação em Inteligência Artificial para o Mercado Imobiliário
3
Client
VX Medical Innovation
Date
fevereiro 5, 2026
Parceira: Morada AI Coordenador: Prof. Frederico Gadelha O projeto Morada.IA, desenvolvido pelo FutureLab em parceria com a Morada AI, uma startup especializada em soluções de inteligência […]
Projeto PRODEMGE/AGE: Inteligência Artificial para identificação de cisão fraudulenta de empresas
8
Client
VX Medical Innovation
Date
janeiro 14, 2026
Parceira: PRODEMGE/AGE Coordenador: Prof. Martín Gómez Ravetti Status: Em andamento A parceria entre FutureLab, Companhia de Tecnologia da Informação do Estado de Minas Gerais (PRODEMGE) e […]
Projeto Mover Fundep – Plataforma Flautim: Aprendizado Federado para Veículos Conectados
7
Client
VX Medical Innovation
Date
dezembro 3, 2025
Parceira: Fundep Coordenador: Prof. Martín Gómez Ravetti A Plataforma Flautim é uma das principais iniciativas do Eixo de Aprendizado Federado da Linha VI – Conectividade Veicular, […]
Projeto VX: Sistema inteligente de definição de escala de médicos e alocação de exames para diagnóstico (SIE)
8
Client
VX Medical Innovation
Date
novembro 21, 2025
Parceira: VX Medical Innovation Coordenador: Prof. Martín Gómez Ravetti Em um cenário de crescimento acelerado no setor de telerradiologia, a VX Medical Innovation buscou fortalecer sua […]

Contato

Acesse

Future Lab – Laboratório de Pesquisa Inovação

Transformação Digital na Sociedade

futurelab@dcc.ufmg.br

Frederico Gadelha Guimarães

Professor Associado do Departamento de Ciência da Computação da UFMG. Possui graduação (2003), mestrado (2004) e doutorado (2008) em Engenharia Elétrica pela Universidade Federal de Minas Gerais (UFMG), com período de doutorado sanduíche na McGill University, Montreal, Canadá (2007), e pós-doutorado (2018) no Laboratoire Images, Signaux et Systèmes Intelligents (LiSSi), vinculado à Université Paris-Est Créteil (UPEC), Paris, França. Foi professor do Instituto Federal Minas Gerais campus Ouro Preto (IFMG-OP) (2007 a 2008). Foi professor adjunto do Departamento de Computação da Universidade Federal de Ouro Preto (UFOP) (2008 a 2010) e coordenador do Programa de Pós-graduação em Ciência da Computação da mesma instituição. Foi professor associado do Departamento de Engenharia Elétrica da UFMG (2010 a 2023) e fundador do Laboratório Machine Intelligence and Data Science (MINDS) (http://minds.eng.ufmg.br/) de pesquisa em inteligência computacional e ciência de dados. Foi Coordenador Didático do Curso de Graduação em Engenharia de Sistemas (2012 a 2014). Foi Coordenador do Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) da UFMG (2021 a 2024). É Pesquisador associado do Centro de Inovação em Inteligência Artificial para a Saúde (CIIA-Saúde) da UFMG. Atualmente é Bolsista de Produtividade em Pesquisa do CNPq nível 1D (desde 2017). Foi Bolsista de Produtividade em Pesquisa do CNPq nível 2 (2011 a 2017). É Editor Associado das revistas Learning Nonlinear Models, Neurocomputing (Elsevier), Engineering Applications of Artificial Intelligence (Elsevier), Evolving Systems (Springer) e IEEE Access. Foi membro do conselho superior da Sociedade Brasileira de Inteligência Computacional (SBIC) no período (2009 a 2013), membro da diretoria da SBIC no período (2013 a 2015), membro do International Council on Systems Engineering (INCOSE) e membro fundador do INCOSE Brasil. Atualmente é membro do Conselho superior da SBIC (2021 a 2025). Possui mais de 200 trabalhos publicados entre periódicos, congressos e capítulos de livros nacionais e internacionais. Já orientou e coorientou 27 teses de doutorado e 38 dissertações de mestrado. Tem experiência na área de Engenharia Elétrica e Engenharia de Computação, com ênfase em Otimização, Inteligência Artificial, Aprendizado de Máquina, Algoritmos Genéticos, Séries Temporais. Senior Member da IEEE Computational Intelligence Society (CIS), IEEE Systems Council e IEEE Systems, Man, and Cybernetics Society (SMCS).

Contato fredericoguimaraes@ufmg.br

Marcelo Azevedo Costa

Professor Titular no Departamento de Engenharia de Produção da UFMG e membro do Programa de Pós-graduação em Engenharia de Produção (linha Modelagem Estocástica e Simulação) da mesma instituição. Possui graduação em Engenharia Elétrica pela Universidade Federal de Minas Gerais (1999), doutorado em Engenharia Elétrica pela Universidade Federal de Minas Gerais (2002) na área de Inteligência Computacional, pós-doutorado pela Harvard Medical School Harvard Pilgrim Health Care (2007) na área de Estatística Espacial e Vigilância Epidemiológica e pós-doutorado pela Linköping University (2018/Suécia) na área de Análise Estatística, Diagnóstico e Detecção de Faltas em Ambientes Industriais. Atualmente é o coordenador do Centro Institucional de Tecnologia e Inovação Modelagem Ambiental (CT-Modelagem) e do Centro de Sensoriamento Remoto (CSR), ambos vinculados à UFMG. É membro da coordenação técnica da Linha VI: Conectividade veicular do programa Mover (Mobilidade Verde e Inovação), uma iniciativa do Governo Federal com o propósito de impulsionar a modernização e a sustentabilidade nas áreas da mobilidade e logística no Brasil. É também pesquisador vinculado ao Future Lab – Laboratório de Transformação Digital do Departamento de Ciência da Computação (DCC/UFMG). Possui publicações em importantes revistas internacionais como Socio-Economic Planning Sciences, IEEE Transactions on Power Delivery, IEEE Transactions on Neural Networks and Learning Systems, Statistical Methods in Medical Research, PLOS One, Scientific Reports, Energy Economics, dentre outras. É autor do livro: Tópicos em Ciência dos Dados – Introdução dos Modelos Paramétricos e suas aplicações utilizando o R. É revisor de periódicos internacionais e nacionais, além de possuir capítulos de livros publicados em língua inglesa. Coordenou e participou em projetos de pesquisa, desenvolvimento e inovação (PDI) vinculados à CEMIG e atua como pesquisador sênior em projetos de PDI. Orienta alunos de graduação, especialização, mestrado e doutorado nos temas: estatística aplicada, modelos estatísticos aplicados ao setor elétrico, análise de redes, estatística espacial, análise de séries temporais, teoria e aplicações de redes neurais artificiais. Segundo revista Decision Analytics (2022) é um dos 15 pesquisadores internacionais mais produtivos na área de incentive regulation, e um dos 35 pesquisadores brasileiros mais influentes na área de Engenharia Industrial, Tecnologia e Manufatura (AD Scientific Index 2024)

Contato macosta@ufmg.br

WordPress Appliance - Powered by TurnKey Linux