É professora titular do Instituto de química da UNICAMP. Nasceu em Uberlândia onde iniciou seus estudos superiores na Universidade Federal de Uberlândia em Engenharia Química e concluiu o bacharelado em Química na Universidade de Brasília. Realizou seus estudos de mestrado na New York University e seu doutorado em Química Quântica na Universidade Estadual de Campinas. Fez seu pós-doutorado em Quimiometria com o Prof Bruce kowalski no Center for Process Analytical Chemisrty, University of Washington entre 1993-1995. Fundou o LQTA, Laboratório de Quimiometria Teórica e Aplicada, na UNICAMP. É editora do Journal of Chemometrics desde 2005. Organizou a 10º Conference on Chemometrics in Analytical Chemistry, (pela primeira vez no hemisfério sul) em 2006 e faz parte de seu comitê permanente. Apresentou cursos de Quimiometria em diversas Universidades (Brasil, Chile, Uruguai, Cuba) e palestras em Congressos e Indústrias. Conquistou o prêmio de Reconhecimento Acadêmico Zeferino Vaz da UNICAMP em 2011. Conquistou o prêmio Inventores da UNICAMP na modalidade "patentes concedidas" em 2015. É autora do livro: Quimiometria: Conceitos, Métodos e Aplicações publicado pela editora da UNICAMP (2015), finalista do prêmio Jabuti 2016 e segundo lugar no premio ABEU 2016 . Tem experiência na área de Quimiometria, atuando principalmente nas seguintes áreas: 1- Desenvolvimento de métodos quimiométricos e suas aplicações em geral; 2- Quimiometria aplicada a processos industriais ; 3- Relações quantitativas/qualitativas entre propriedades estruturais e atividades biológicas -SAR - QSAR; 4- Modelagem Molecular e Drug Design.
Conferências de abertura
Pattern Recognition in Chemistry: The past, Present and the Future
The use of computers to analyze chemical data has increased drastically over the past 40 years, especially due to the vast computational resources made available by the advances in hardware and software. A large scientific calculation that would take hours/days on a mainframe 30 years ago can now be easily accomplished with a microcomputer, allowing some unthinkable problems to be solved routinely. On the other hand, data acquisition in Analytical Chemistry has also reached a highly sophisticated level, especially with computerized instrumentation which can yield enormous quantities of very reliable chemical data. One of the most interesting features of modern instrumentations is the number of variables which can be measured on a single sample. But of course a huge raw list of numbers is of no value for the understanding of the problem and one can be easily overwhelmed by it. Consequently, the demand for more sophisticated tools to be used in the interpretation of such data has rapidly increased. The first chemometrical methods that appeared in the early seventies were pattern recognition oriented: NIPALS for performing Principal Components Analysis, Kth Nearest Neighbors and SIMCA (for pattern recognition). Nowadays, the pattern recognition methods available are based on two sets of approaches, one influenced by the machine learning community, that emphasizes Neural Networks, Kernel Methods, Self Organizing Maps, Support Vector Machines etc. and another influenced by the statistical community emphasizing Discriminant Analysis, Method Validation, Bayesian approaches, etc. In this talk, some of the main chemometric methods for pattern recognition will be revisited and some guides for the future will be presented.
