Daniel Leal Souza

É bacharel em Ciência da Computação no Centro Universitário do Estado do Pará (CESUPA) (2007-2010), mestre em Ciência da Computação pela Universidade Federal do Pará (2011-2014) e doutor em Engenharia Elétrica pelo PPGEE da UFPA (Área de Concentração: Computação Aplicada - Subárea: Inteligência Computacional). Atualmente, é Professor Adjunto no Centro Universitário do Estado do Pará - CESUPA (Ciência da Computação), integrante do LCBIO/UFPA (Laboratório de Computação Bioinspirada), do Grupo de Pesquisa em Algoritmos Evolutivos da UFPA (Grupos de Pesquisa cadastrado no CNPq), coordenador dos grupos de pesquisa HAL e FEYNMAN (CESUPA) e do Núcleo de Pesquisas em Computação Aplicada da Universidade Federal Rural da Amazônia (UFRA). Possui experiência nas áreas de Ciência da Computação, Engenharia da Computação e Sistemas de Informação, com ênfase em Inteligência Computacional e Computação Paralela e de Alto Desempenho, atuando, principalmente, nos seguintes temas relacionados: Linguagens de Programação (Java, C/C++, CUDA-C, Python, Objective-C, Swift); Técnicas de Inteligência Artificial aplicadas a Engenharia; Programação aplicada a IA (Pytorch, Pytorch Lightning, TensorFlow, Keras, Darts); Computação Evolutiva; Linguagens Formais e Autômatos; Compiladores; Teoria da Computação; Programação Paralela (padrão OpenMP e CUDA para paralelismo massivo).No campo da Inteligência Artificial, atuando no desenvolvimento de metaheurísticas bioinspiradas híbridas baseadas em otimização numérica (e.g. Gauss-Newton, Levemberg-Marquardt), inteligência de enxames multi-populacional (e.g. AG, PSO, ABC), estratégias evolutivas baseadas em Lógica Fuzzy, Machine/Deep Learning e mecanismos para controle de convergência. Atualmente trabalha no desenvolvimento de soluções de otimização paralela e distribuída com base em computação natural e bio-inspirada, com experiência em modelos paralelos de algoritmos genéticos, enxame de partículas e colônia de abelhas aplicados em problemas de engenharia. Paralelamente, desenvolve (em conjunto ao grupo de pesquisa NPCA) um sistema de mapeamento de séries temporais baseada em Redes Neurais Recorrentes (RNN) e aplicado ao monitoramento epidemiológico do COVID-19 no estado do Pará. Também possui experiência em desenvolvimento de software com ênfase em computação científica e numérica, computação heterogênea (com ênfase em GPU Computing e programação em FPGA), métodos numéricos paralelos em GPU (FDTD), controle de parâmetros baseado em lógica Fuzzy aplicado a computação evolutiva e otimização/hibridização/paralelização de algoritmos de aprendizagem em redes neurais artificiais.Atua como cientista em projeto de Pós-Doutorado no CPGF - Programa de Pós-Graduação em Geofísica (UFPA): Aplicação de ferramentas de Deep Learning na Inversão Eletromagnética 1D para Geonavegação em Perfilagem de Poços Durante a Perfuração.