Rede BAh.IA
Letramento em IA para a educação pública: currículo aberto com planos de aula, slides e roteiros para professores da educação básica, inclusive em escolas de periferia.
+80municípios já alcançados
FinanciamentoSECTI · Governo da Bahia
Instituto de Computação · Universidade Federal da Bahia
Pesquisa de fronteira em Inteligência Artificial.
O LabIA é um laboratório de pesquisa do Instituto de Computação da UFBA. Desenvolvemos métodos em aprendizado por reforço, aprendizado contínuo, aprendizado baseado em grafos e otimização, com aplicações em saúde, mobilidade urbana e educação.
- Aprendizado por reforço
- Aprendizado contínuo
- Aprendizado em grafos
- Otimização
Bolsistas de Produtividade CNPqna coordenação do laboratório
Grupo registrado no CNPqDiretório dos Grupos de Pesquisa
24 repositórios públicosdatasets, ambientes e modelos
Projetos
A pesquisa do LabIA sustenta projetos de grande porte, com financiamento público e impacto que vai além da universidade: formação de professores, política pública de educação, inovação e saúde.
Instituto BAh.IA
Instituto de pesquisa, desenvolvimento e inovação em IA selecionado no programa INCITE. Conecta a pesquisa do LabIA a parceiros públicos e privados e transforma resultados em soluções aplicadas.
7instituições parceiras
FinanciamentoFAPESB
I-CARE
Apoio ao diagnóstico de doenças hematológicas, como o mieloma múltiplo, com bases públicas de imagens de medula óssea publicadas na Scientific Reports e na Scientific Data.
+4.000downloads de imagens
FinanciamentoFundação Maria Emília
Lifelong Reinforcement Learning
Aprendizado por reforço contínuo para sistemas urbanos: agentes que seguem aprendendo à medida que a cidade muda, testados em gêmeos digitais do transporte público de Salvador.
Quem financia a pesquisa do LabIA
CNPqFAPESBFundação Maria EmíliaInstituto KunumiGoverno do Estado da Bahia · SECTI
Frentes de pesquisa
Quatro frentes metodológicas organizam o trabalho do LabIA. Desenvolvemos teoria e algoritmos em cada uma, e boa parte dos resultados mais interessantes surge onde elas se cruzam.
Aprendizado por reforço
Agentes que aprendem a decidir por interação com o ambiente. Investigamos RL multiagente cooperativo, formulações Dec-POMDP, observabilidade parcial e recompensas escassas, sempre com ambientes que representam sistemas reais.
Recursos: BusEnv
Aprendizado contínuo
Modelos que continuam aprendendo depois de implantados. Estudamos esquecimento catastrófico, deriva de conceito e fluxos de dados não estacionários, combinando aprendizado de máquina com séries temporais e sistemas dinâmicos.
Aplicações: mobilidade urbana, dados clínicos
Aprendizado baseado em grafos
Redes neurais em grafos para dados relacionais e espaço-temporais. Modelamos desde interações entre resíduos de proteínas até a malha de transporte de uma metrópole, com atenção a interpretabilidade e escalabilidade.
Otimização
Otimização combinatória mono e multiobjetivo, computação evolutiva e metaheurísticas híbridas. Também exploramos a fronteira com o aprendizado: modelos que aprendem heurísticas e otimização que melhora o treinamento de modelos.
Aplicações: alocação de recursos, roteamento, logística
Onde as frentes se encontram
- RL sobre grafosPolíticas multiagente que usam a topologia da rede como estrutura de comunicação entre agentes.
- Aprendizado contínuo em ambientes dinâmicosAgentes e modelos que se adaptam quando demanda, rotas ou populações mudam ao longo do tempo.
- Otimização combinatória aprendidaGNNs e RL como construtores de soluções para problemas NP-difíceis em grafos.
Domínios de aplicação
SaúdeDiagnóstico hematológico, proteínas e mutações
Mobilidade urbanaTransporte público de Salvador
EducaçãoLetramento em IA na rede pública
Linguagem e multimodalidadeAvaliação de LLMs e MLLMs
Ciência de fronteira não precisa escolher entre rigor e relevância.
Somos um grupo de pesquisa registrado no Diretório dos Grupos de Pesquisa do CNPq e coordenado por bolsistas de produtividade em pesquisa. Publicamos em conferências e periódicos internacionais de IA, liberamos dados e código sempre que possível e formamos pesquisadores na graduação, no mestrado, no doutorado e no pós-doutorado.
Ciência aberta
Bases de dados, ambientes de simulação e modelos desenvolvidos no LabIA ficam disponíveis publicamente para reprodução e reuso pela comunidade científica.
| Recurso | Tipo | Descrição | Frente |
|---|---|---|---|
| SUNT | Dataset | Base espaço-temporal de referência sobre o transporte público de Salvador. | Grafos |
| BusEnv | Ambiente | Ambiente de aprendizado por reforço multiagente para sistemas urbanos de ônibus. | Reforço |
| Multiple Myeloma Dataset | Dataset | Base pública com células rotuladas para apoio ao diagnóstico de mieloma múltiplo. | Saúde |
| Hemo-GNN | Modelo | Modelagem de atividade de proteínas e mutações com GNNs, com foco em hemofilia. | Grafos |
| GNN-HemA | Modelo | Redes neurais em grafos aplicadas a dados de hemofilia A. | Grafos |
| MLLMs FV Evaluations | Avaliação | Experimentos de avaliação de modelos de linguagem multimodais. | Linguagem |
Tutoriais
Tutoriais práticos criados pelo LabIA a partir das nossas bases de dados e pesquisas, apresentados em conferências internacionais. Todo o material (notebooks, código e slides) é aberto no GitHub.
Mobilidade urbana · Grafos
Apresentado · IEEE WCCI/IJCNN 2026
From Stops to Graphs
Hands-on spatio-temporal learning for public transportation
Como modelar um sistema de transporte público de grande escala com redes neurais em grafos, usando o SUNT, base espaço-temporal de um ano de operação dos ônibus de Salvador. Do dado bruto de paradas e viagens até a construção dos grafos, arquiteturas de GNN e avaliação.
- Exploração geoespacial e temporal do SUNT
- Modelos temporais: ARIMA, RNNs, Transformers e modelos de fundação
- GNNs (GCN, GraphSAGE, GAT) para previsão e classificação em nós e arestas
- Desafios em aberto para modelagem de mobilidade com grafos
Instrutores: Ricardo Rios, Tatiane Nogueira, Felipe Fernandes e Marcos Ferreira
Saúde · Visão computacional
Apresentado · ChilePróximo · SIBGRAPI 2026
AI for Hematological Image Analysis
Building, training and augmenting plasma cell detectors with generative AI
Tutorial prático de IA para apoio ao diagnóstico de mieloma múltiplo a partir de imagens de lâminas de medula óssea, construído sobre duas bases públicas de plasmócitos criadas pelo LabIA.
- Visualização das bases e das anotações
- Ajuste fino de detectores YOLO para plasmócitos
- Do detector ao diagnóstico: percentual de plasmócitos por paciente
- Aumento de dados com IA generativa (modelos de difusão)
Instrutores: Jorge L. S. Batista Filho, Tatiane Nogueira Rios e Ricardo A. Rios
Leve um tutorial para a sua instituição
Grupos de pesquisa, programas de pós-graduação, eventos e empresas podem solicitar a realização de um dos tutoriais, presencialmente ou a distância. Conte um pouco sobre o seu grupo e retornamos para combinar formato e data.
Ao enviar, seu programa de e-mail abre com o pedido já preenchido para ricardoar@ufba.br.
Parceiros
O LabIA é um laboratório do Instituto de Computação da Universidade Federal da Bahia.
Coordenação
O LabIA é coordenado por três docentes do Instituto de Computação da UFBA. Os pesquisadores principais, Tatiane e Ricardo, são bolsistas de produtividade em pesquisa do CNPq, com formação e colaborações no Brasil, Canadá, Espanha e China.
Tatiane Nogueira Rios
Pesquisadora principal (PI) · Professora Associada · Bolsista de Produtividade CNPq
Sistemas inteligentes de decisão sob incerteza, lógica fuzzy, agrupamento e mineração de textos. Doutora pelo ICMC-USP, com estágios na McGill University e na Universidad de Granada.
Ricardo Araújo Rios
Pesquisador principal (PI) · Professor · Bolsista de Produtividade CNPq
Aprendizado contínuo, séries temporais, sistemas dinâmicos e teoria do caos. Doutor pelo ICMC-USP, com estágios na Université de Montréal e na Hong Kong PolyU.
Islame Felipe da C. Fernandes
Coordenador · Professor
Otimização combinatória mono e multiobjetivo, computação evolutiva, metaheurísticas híbridas e teoria dos grafos. Doutor pela UFRN.
Além da coordenação, o laboratório reúne estudantes de doutorado, mestrado e iniciação científica e colaboradores internacionais. Conheça todos os pesquisadores.
Pesquisadores
Estudantes de doutorado, mestrado e iniciação científica orientados por Tatiane N. Rios, Ricardo A. Rios e Islame Felipe C. Fernandes, além de colaboradores internacionais.
- 1
- doutorando
- 13
- mestrado
- 9
- iniciação científica
- 2
- colaboradores internacionais
Doutorado
Mestrado
Caroline de Souza dos Santos
Guilherme Castro Hora Fontes
Helder José Bastos Ramos
Izak Alves Gama
Jorge Santos Nery Filho
Jurgen Fink Júnior
Juvenal Bruno Andrade da Silva
Marcos Adriano Pereira dos Santos
Maíra Matos Araujo
Rafael da Costa Fonsêca
Tércio Sales Cruz
Wesley da Silva e Silva
Yves Luan do Rosário Moura
Iniciação científica
Colaboradores internacionais
Clique no nome para abrir o currículo Lattes ou o perfil acadêmico.
Pesquise conosco
Recebemos estudantes e pesquisadores interessados em IA com rigor científico e impacto real. O ingresso na pós-graduação é feito pelos editais do PGCOMP; para iniciação científica e pós-doutorado, entre em contato diretamente.
- Iniciação científicaEstudantes de graduação que querem começar na pesquisa em IA.
- Mestrado e doutoradoPelo Programa de Pós-Graduação em Ciência da Computação da UFBA.
- Pós-doutoradoPesquisadores com projetos alinhados às nossas linhas e programas.
- ParceriasEmpresas, governo e instituições interessadas em P&D em IA.