Todos direitos reservados - 69ª Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria (RBras) e do 21º Simpósio de Estatística Aplicada à Experimentação Agronômica (SEAGRO) - 2025
Leo Bastos é pesquisador titular do Programa de Computação Científica da Fundação Oswaldo Cruz. Atua no desenvolvimento e aplicação de aprendizagem bayesiana na epidemiologia das doenças infecciosas. Coordena os sistemas de monitoramento de casos de arboviroses, InfoDengue, e de hospitalizações e óbitos pela síndrome respiratória aguda grave, InfoGripe. É Cientista Nosso Estado da FAPERJ e bolsista de produtividade do CNPq.
Benilton Carvalho é Professor Associado e Chefe do Departamento de Estatística da UNICAMP, com doutorado em Bioestatística pela Johns Hopkins University, pós-doutorados nas Universidade de Cambridge e UNICAMP, com extensa atuação na integração entre estatística e genômica. Ele é pioneiro no desenvolvimento de ferramentas computacionais como os pacotes oligo e crlmm, amplamente usados para análises genômicas. Além disso, é cofundador da Iniciativa Brasileira de Medicina de Precisão (BIPMed), que promove o compartilhamento de dados genômicos de populações sub-representadas.
Atualmente, Benilton é Pesquisador Principal em dois grandes projetos de impacto internacional. No projeto JAGUAR, financiado pela Chan Zuckerberg Initiative, ele coordena os esforços de "admixture mapping", eQTL e genotipagem para mapear a diversidade de células imunológicas na América Latina, contribuindo para avanços na medicina de precisão em populações diversas. Já no INCT Model3D, ele combina inovação em bioinformática e biologia para compreender mecanismos de doenças crônicas.
Andressa Cerqueira é professora no Departamento de Estatística da Universidade Federal de São Carlos desde 2020. Seus interesses de pesquisa incluem inferência estatística para grafos e redes aleatórias com aplicações em ciências biológicas. Ela obteve seu doutorado em Estatística pela Universidade de São Paulo em 2018. Durante o doutorado, foi estudante visitante no Institut de Mathématiques de Toulouse, na França. Realizou um pós-doutorado na Universidade de Campinas e, posteriormente, ocupou uma posição de pós-doutorado na University of Michigan.
Rafael é Professor Associado de Estatística na Maynooth University, Irlanda, desde 2018. Tem graduação em Ciências Biológicas, mestrado e doutorado em Estatística e Experimentação Agronômica pela ESALQ/USP. Gosta muito de ensinar e fazer pesquisas na área de modelagem estatística aplicada a Ecologia, Manejo da Vida Selvagem, Agricultura e Ciências Ambientais. É fundador e diretor do grupo de pesquisas em ecologia teórica e estatística, trazendo uma comunidade de pesquisadores que utilizam ferramentas matemáticas e estatísticas para melhor compreender o mundo natural. Como estratégia alternativa de ensino, Rafael tem produzido vídeos musicais e paródias para promover a estatística nas mídias sociais e na sala de aula.
Marcio Diniz, PhD is an Associate Professor in the Department of Population Health Science and Policy at the Icahn School of Medicine at Mount Sinai. He currently co-directs the Biostatistics and Clinical Informatics Shared Resource at Tisch Cancer Institute. Previously, he was an Associate Professor of the Department of Medicine at Cedars-Sinai Medical Center and member of the Biostatistics Shared Resource at Samuel Oschin Cancer Institute. His research area is focused on efficient statistical designs, adaptive clinical trials and statistical methods to analyze treatment tolerability. As a biostatistician for the last 10 years, he has dedicated himself to the design and analysis of clinical data using a spectrum of study designs, from pilot studies to community intervention trials, in a variety of clinical areas, including cancer, cardiology, psychiatry, gerontology, health services and gastroenterology.
Prof. Dipak K. Dey is a Board of Trustees Distinguished Professor in the Department of Statistics at the University of Connecticut (UConn). A prominent statistician, he is most known for his pioneering work in Bayesian analysis, decision science, and model selection. With over 320 research articles published in reputable national and international journals, and over 10 books and edited volumes to his name, he has made a significant impact on the field of statistics and data science. Prof. Dey earned his Bachelor's and Master's degrees in Statistics from the Indian Statistical Institute and a Ph.D. in Statistics from Purdue University, under the supervision of Prof. Jim Berger. Before joining the UConn in 1985, Prof. Dey held academic positions at Stanford University, the University of Kentucky, and Texas Tech University, and has also held visiting appointments at several universities and institutions worldwide. He is a fellow of the American Association for the Advancement of Science, the American Statistical Association, the Institute of Mathematical Statistics, the International Society for Bayesian Analysis, and the International Statistical Institute, and has received numerous awards and honors for his work. Prof. Dey is a dedicated mentor to students and colleagues. He has supervised over 45 Ph.D. students and has collaborated with practically every colleague in his department in a career spanning more than 40 years, helping tenure-track faculty and Ph.D. students achieve their professional goals. His broad range of interest and expertise, combined with his devotion to his peers has been instrumental to many in the statistical community. One of his many awards was the Marth Award for mentorship at UConn. Prof. Dey has held multiple leadership positions. He was for fourteen years as department head and for five years as the Associate Dean for Research in the College of Liberal Arts and Sciences at UConn. He has been a highly effective leader, while maintaining an extremely active academic career. Among his many accomplishments in his leadership roles, Prof. Dey oversaw an expansion of the statistics department; he started a Biostatistics program, a partnership with UConn Health; he developed collaborative research program with various other schools, colleges and Institutes (e.g., CHIP, IMS, Center for Environmental Science); and he initiated corporate partnership with Pfizer, CIGNA and Travelers. Prof. Dey has served as an associate editor for several statistical journals, including the Journal of the American Statistical Association (1997-1999), the Journal of Statistical Planning and Inference (2001-2003), and is currently the editor- in- chief of Sankhya, series A and series B, official journal of Indian Statistical Institute, since 2016 which is the second oldest journal in Statistics in the world. Prof. Dey has a clear long-term vision for the field of statistics and data science based on his many years of experience as a researcher, mentor, teacher, and interdisciplinary collaborator. He believes that statistics should be introduced from an early age in schools in order to develop statistical thinking and to learn how to apply them in real-life situations. His goal for the profession is to make it broadly understood, much beyond STEM programs. At the college level, data science education must include statistics, mathematics, and computational skills in order to train students who plan to pursue a professional career as data scientists in industry, government, and academia.
Prof. Dr. Iris Pigeot is the Director of the Leibniz Institute for Prevention Research and Epidemiology – BIPS and a professor at the University of Bremen. Prof. Pigeot is the president of the International Biometric Society (IBS). Her research focuses on innovative statistical approaches in areas such as pharmacoepidemiology, prevention research, and complex data analysis. Prof. Pigeot is widely recognized for her dedication to advancing biostatistics and fostering collaboration among researchers globally.
Graduada em Estatística pela Universidade Federal de Pernambuco, mestrado em Estatística pela Universidade Federal do Rio de Janeiro e doutorado em Engenharia de Produção pela Universidade Federal do Rio de Janeiro. Atualmente é professora titular do Departamento de Saúde Pública da Universidade Federal do Maranhão (DSP-UFMA), no qual vem desenvolvendo atividades de pesquisas nas seguintes áreas da Ciência de Dados e Estatística, Análise de Sobrevivência, Teoria de Resposta ao Item e Aprendizado de Máquina. Professora permanente do Programa de Pós-Graduação em Saúde Coletiva-UFMA e Coordenadora do Núcleo de Informática Biomédica do DSP-UFMA. Bolsista Produtividade FAPEMA.
Fernanda Lang Schumacher is an assistant professor at the Division of Biostatistics of The Ohio State University College of Public Health. She completed her Ph.D. in Statistics in 2021 at the University of Campinas, Brazil, where she also obtained a master’s degree in Statistics in 2016. Her research interests include robust models, longitudinal data, skewed distributions, models for censored data, missing data, variable selection for mixed models, and multiple sclerosis disease.
Joaquín Martínez-Minaya is an Associate Professor at the Universitat Politècnica de València (UPV), Spain. He earned his Ph.D. in Statistics in 2019 and holds a master’s degree in Biostatistics. His research focuses on Bayesian statistics, spatio-temporal modeling, species distribution, compositional data analysis, and measurement agreement. He is also interested in computational methods, including the Integrated Nested Laplace Approximation (INLA) and Markov Chain Monte Carlo (MCMC), and their applications in ecology, health, environmental sciences, and climate change studies.
Márcia Brandão possui bacharelado em Estatística pela Universidade Federal do Amazonas, mestrado em Matemática com concentração em Estatística pela UFAM e doutorado em Matemática Aplicada pelo programa de doutorado em matemática UFPA/UFAM (2024). Atualmente, é Professora Adjunta III do Departamento de Estatística do Instituto de Ciências Exatas da Universidade Federal do Amazonas. Suas principais áreas de atuação são Análise de Sobrevivência e Modelos de Regressão.
É professor do Departamento de Computação do CEFET-MG desde 2018. Concluiu o bacharelado (2013), mestrado (2016) e doutorado (2020) em Estatística na UFMG. Recebeu menção honrosa no Prêmio CAPES de Tese Edição 2021 na área de Matemática/Probabilidade e Estatística e 2º lugar no Prêmio de Melhor Tese de Doutorado da ABE em 2022. Em 2024 foi selecionado para financiamento de pesquisa na 7ª Chamada de Apoio à Ciência do Instituto Serrapilheira na área de Matemática. Seus interesses de pesquisa concentram-se nas áreas de inferência Bayesiana, estatística computacional e modelagem espaço-temporal; tendo como foco principal a análise de dados sub-registrados e/ou censurados aplicados à Saúde Pública, Epidemiologia e Demografia.
Graduada, mestre e doutora em Estatística pela Universidade Federal de Minas Gerais com período sanduíche na Université Paris-Saclay (CentraleSupélec). É professora do Departamento de Estatística da Universidade Federal do Espírito Santo. Suas áreas de interesse incluem Séries temporais, Métodos de regressão, Métodos robustos e Análise multivariada, com aplicações em saúde, meio ambiente e economia. Participou de projetos interdisciplinares como o AsmaVix, que investiga o impacto da poluição na saúde respiratória de crianças e adolescentes, e participa de iniciativas que promovem a igualdade de gênero em STEM, como do capítulo R-Ladies na cidade de Vitória/ES.
Since 2022, she has been a postdoctoral researcher in Prof. Dr. Dominik Heider's group at Philipps-Universität Marburg and a visiting researcher at Heinrich Heine University Düsseldorf, Germany. From 2019 to 2022, she was a postdoctoral researcher with Prof. Dr. Elias Bareinboim in the Causal AI Lab at the Department of Computer Science, Columbia University, USA. In 2019, she completed a postdoctoral fellowship at the Laboratory of Genetics and Molecular Cardiology at the Heart Institute (InCor) of USP. Her main research topics include Causal Inference, Probabilistic Graphical Models, Deep Machine Learning, and Statistical and Computational Methods applied to Genetics and Neuroscience, as well as Artificial Intelligence in Healthcare. Currently, her research focuses on developing causal inference techniques for the healthcare sector. She holds a bachelor's degree in Computational and Applied Mathematics (2012) and a master's and Ph.D. in Computer Science (2014 and 2018, respectively), all from the Institute of Mathematics and Statistics at the University of São Paulo (IME-USP), Brazil. In 2017, she completed a doctoral research internship at the Developmental Neuromechanics and Communication Lab at the Neuroscience Institute of Princeton University, USA.
Sou Bacharel em Ciências Biológicas (IB-UNESP; 1983), Mestre em Estatística (IME-UNICAMP, 1987), Doutora em Estatística (IME-USP, 1997) e realizei programas de intercâmbio e colaboração de pesquisa, nas áreas de Planejamento de Experimentos e Análise de Dados Mulit-ômics, com os centros: Southwest Foundation for Biomedical Research (SFBR, TX, USA, 2001), Mayo Clinic (MN, USA, 2013) e University of Groningen (NL, 2018). Iniciei minha trajetória na docência e pesquisa no Departamento de Estatística da UNESP-Presidente Prudente (1987), passando pelo IMECC-UNICAMP (1992) e atualmente sou professora livre docente no IME-USP (desde 1995). Minha área de pesquisa é Probabilidade e Estatística Aplicadas, com ênfase em problemas na coleta, processamento e análise de Dados Omics (Genoma, Transcriptoma e Proteoma). Destaco o uso e desenvolvimento de ferramentas baseadas em modelos lineares mistos e técnicas multivariadas considerando, principalmente, dados estruturados em famílias (indivíduos e seus parentes) e de alta dimensão ("big-p"). Mantenho estreita colaboração de pesquisa com o Laboratório de Genética e Cardiologia Molecular do InCor/USP.
Mestre e doutora em ciências, com área de concentração em ecologia aplicada pela USP. Com formação em Engenharia Ambiental e Energias Renováveis pela Universidade Federal Rural da Amazônia, possuo experiência na área de ecologia de ecossistemas, com ênfase na dinâmica de ecossistemas aquáticos tropicais e hidrobiogeoquímica.
Professor Doutor de Ciência de Dados Agroambientais no Centro de Energia Nuclear na Agricultura (CENA) da Universidade de São Paulo (USP). Graduação em Agronomia pela UFMA em 2016, com Mestrado em Agricultura pela UNESP em 2019. Doutorado em Estatística e Experimentação Agronômica pela ESALQ/USP concluído em 2023. No período de 2021 a 2022, desempenhou função de orientador no MBA em Data Science e Analytics da ESALQ/USP, trabalhando em diversas temáticas na área de Ciência de Dados. Suas principais competências incluem o design e análise de experimentos, regressão não linear, modelos lineares generalizados, modelos mistos e métodos estatísticos multivariados, aprendizado de máquina e desenvolvimento de pacotes R. Suas atuais linhas de pesquisa englobam métodos estatísticos e aprendizado de máquina para a rastreabilidade agroambiental e análise das relações dose-resposta.
Beatriz Milz é doutora em Ciência Ambiental e pesquisadora de pós-doutorado na Universidade Federal do ABC (UFABC), Brasil. Ela é co-organizadora da R-Ladies São Paulo e liderou a tradução voluntária pela comunidade da segunda edição do livro "R for Data Science" em Portuguese e também da tradução de bases de dados no pacote dados, disponível no CRAN. É editora de revisão por pares de software (software peer review editor) na rOpenSci.
Atualmente é professor do Departamento de Estatística da Universidade Federal de Pernambuco (UFPE) e do Programa de Pós-Graduação em Estatística da UFPE (PPGEST). Realizou um Pós-Doutorado no Programa de Pós-Graduação em Modelos de Decisão e Saúde na UFPB (2021-2024). Possui doutorado em em Estatística pela UFPE (2021), mestrado em Estatística pela UFPE (2017) e graduação em Estatística pela UFPB (2015). É entusiasta de software livre e de código aberto (free and open-source software - FOSS) e procura estar sempre atualizado em avanços tecnológicos e temas relacionados à Inteligência Artificial, Deep Learning e Machine Learning. Desenvolve pesquisas em áreas da estatística como distribuições de Probabilidade, Probabilidade Fuzzy, Aprendizado Supervisionado (classificação), Aprendizado Não Supervisionado (segmentação, clusterização), testes de hipótese, inferência estatística, teoria da informação e IA Generativa aplicados a dados estruturados e não estruturados como processamento de imagens e áudio.
Possui graduação em Administração pela Faculdade Boa Viagem (2004), mestrado em Administração pela Universidade de Brasília (2009) e doutorado em Administração pela Universidade de Brasília (2014). Atualmente é analista de finanças e controle do Ministério da Fazenda. Tem experiência na área de Administração, com ênfase em Organizações Públicas, atuando academicamente principalmente nos seguintes temas: dados abertos, ciência de dados, governo aberto, transparência, inovação e governo eletrônico.
Mestre em Inovação em Saúde pela Faculdade de Ciências da Saúde de Barretos Dr. Paulo Prata (2021). Bacharel em Estatística pela Universidade Federal de Juiz de Fora (2015). Atualmente é Bioestatístico na Fundação Butantan. Atua principalmente nos seguintes temas: Ensaios Clínicos, Epidemiologia, Análise de Dados, R, Amostragem, Modelos Lineares Generalizados e Dados Categóricos.
Possui graduação em Tecnologia em Sistemas de Informação em Saúde - Universidad de Antioquia (2003), graduação em Estatística - Universidad Nacional de Colombia - Sede Medellín (2009), mestrado em Estatística pelo Instituto de Matemática e Estatística (2012) e doutorado em Estatística pela Universidade de São Paulo (2018). Atualmente é coordenadora de bioestatística no Centro de Ensaios Clínicos e Farmacovigilância do Instituto Butantan. Tem experiência na área de Probabilidade e Estatística, com ênfase em Estatística.
Professora de Estatística e Ciência de Dados na Universidade Federal do Ceará (UFC) e pesquisadora associada no Cidacs/Fiocruz-BA na área de Estatística e Ciência de Dados para saúde. Pós-doutorado em estatística aplicada à saúde pelo Cidacs/Fiocruz-BA. Doutora em Estatística pela Universidade de São Paulo (IME-USP). Mestre em Matemática Aplicada e Estatística pela Universidade Federal do Rio Grande do Norte (UFRN). Bacharel em Estatística e Especialista em Matemática Pura e Aplicada pela Universidade Estadual da Paraíba (UEPB). Áreas de interesse em pesquisa: Análise de Sobrevivência, Modelos de Regressão, Aprendizado de máquinas e Big Data. Atualmente é vice-coordenadora do RESET Lab - Laboratório de Pesquisa e Desenvolvimento em Ciência do Software e Integração de Dados e membro da equipe do Mental Health For All Lab da Faculdade de Medicina de Harvard.
Em 2006 obteve seu bacharelado em Matemática Computacional pela Universidade Federal de Minas Gerais (UFMG) e seu mestrado em Estatística em 2008 pela mesma instituição. Em 2011 recebeu seu título de Doutor pela University of Connecticut aonde foi professor visitante de 2019 à 2020. Atualmente é professor Associado da UFMG e atua nos programas de graduação e pós-graduação em Estatística. Suas principais áreas de interesse de pesquisa são Aprendizado de Máquina, Estatística Bayesiana, Estatística Espacial e Modelos Lineares Generalizados Mistos. Foi Coordenador do programa de pós-graduação em Estatística da UFMG (2016-2018), foi secretário do ISBRA capítulo Brasileiro do ISBA (2015-2016) , foi Presidente da Associação Brasileira de Estatística (2020-2022), e, atualmente é tesoureiro so ISBRA capítulo Brasileiro do ISBA (2023-2024).
Alfredo Luiz, Pesquisador na Embrapa Meio Ambiente, em Jaguariúna, SP, com doutorado e pós-doutorado em Sensoriamento Remoto no Instituto Nacional de Pesquisas Espaciais (INPE), é mestre em Estatística e Métodos Quantitativos pela Universidade de Brasília (UnB) e Engenheiro Agrônomo pela Universidade Federal de Lavras (UFLa), com quase 4 décadas de atuação na interface entre estatística e pesquisa agropecuária. É autor de trabalhos técnico-científicos entre os quais destacam-se as participações nos livros: Economia do meio ambiente: teoria, políticas e a gestão de espaços regionais, 1997; Sistema de Informações Geográficas: Aplicações na Agricultura, 1998; Impacto Agroambiental: perspectivas, problemas e prioridades, que recebeu o Prêmio Jabuti 2000; Mudanças Climáticas Globais e a Agropecuária Brasileira, 2001; e Impacto Ambiental da Agricultura Irrigada em Guaíra, SP, 2006; Agricultura de precisão: um novo olhar na era digital, 2024; e Agricultura & meio ambiente: a busca pela sustentabilidade, 2024. Colaborou na elaboração do Inventário Nacional de Emissão de Gases de Efeito Estufa e na publicação Comunicação Nacional Inicial do Brasil à Convenção-Quadro das Nações Unidas sobre Mudança do Clima, editada pelo MCT em 2004. Atuou como editor do livro Computational Methods for Agricultural Research: Advances and Applications, 2011. Sua principal área de atuação é no estudo dos cenários e da dinâmica agrícola no Brasil e na realização de análises estatísticas e quantitativas de dados da pesquisa agropecuária. Atualmente, Alfredo participa de vários projetos de pesquisa da Embrapa com destaque para a análise das mudanças climáticas e as relações com a produção agropecuária.
Possui graduação em Agronomia pela Universidade Federal de Viçosa (UFV - 1988), mestrado em Genética e Melhoramento pela Universidade Federal de Viçosa (1992) e doutorado em Statistics And Plant Breeding - Iowa State University of Science and Technology (1999). Pós-doutorado na Michigan State University (2006) na área de métodos estatísticos avançados aplicados ao melhoramento de plantas, na University of Wisconsin - Madison (2012-1013) na área de genética estatística e genômica, e na Virginia Polytechnic and State University (2019-2020) na área de Modelos de Aprendizado Estatístico. Foi Pró-Reitor de Pesquisa e Pós-Graduação na UFV de março/2015 a maio/2019. Atualmente é professor titular da Universidade Federal de Viçosa e pesquisador do Programa de Melhoramento da cana de açúcar na UFV. Revisor científico de várias revistas nacionais e internacionais, além de consultor de agências de fomento. Tem experiência na área de Probabilidade e Estatística Aplicada, com ênfase em Estatística, atuando principalmente nos seguintes temas: Modelos Mistos, delineamentos experimentais, simulação estocástica, cana-de-açúcar, melhoramento vegetal, seleção genômica, modelos preditivos para dados de NIR, aprendizado estatístico (Statistical learning) e análise de imagens multiespectrais.
Possui graduação em Bacharel em Estatística pela Universidade Estadual de Campinas - Unicamp, Campinas (1987); Mestre em Estatística e Experimentação Agronômica pela Universidade de São Paulo, USP, (1995) Campus de Piracicaba, Esalq/USP; Experiência Acadêmica como docente: UNOCHAPECO, Chapecó/SC; Universidade do Contestado, Concórdia/SC; Universidade Federal de Santa Catarina, UFSC; SENAC, Concórdia/SC; Experiência em Pesquisa na Área de Métodos Quantitativo: Embrapa Monitoramento por Satélite, Campinas/SP (1989); Embrapa Suínos e Aves, Concórdia/SC (1990 a 2003); Atualmente é pesquisador II na Embrapa Pecuária Sudeste, São Carlos/SP; Consultor em vários Programas, deste 1996, na Área De Métodos Quantitativo, no Ministério da Agricultura, Pecuária e Abastecimento, MAPA; Participação de Comissões Administrativas e Técnicas na Embrapa; Líder de Projeto em Rastreabilidade e Identificação Animal Por Rádio Frequencia: Atualmente Membro de outros Projetos de Pesquisa na Embrapa (+10); Tem experiência na área de Probabilidade e Estatística, com ênfase em Planejamento Análise e Interpretação de Experimentos Agropecuários, atuando principalmente nos seguintes temas: fatores de risco, salmonela, frango, bacteriófagos, sanidade e rastreabilidade, segurança alimentar.
Possui graduação em Estatistica pela Universidade Federal do Ceará (2006) e mestrado em Estatística pela Universidade de São Paulo (2010). Atualmente é estatistico do Instituto Dante Pazzanese de Cardiologia e especialista em bioestatística da Fundação Butantan.
Graduado em Estatística (2009), Mestre em Estatística (2011), títulos obtidos pela Universidade Federal de São Carlos (UFSCar). Doutor em Estatística (2016) através dos Programas de Pós-Graduação em Estatística (PPGEst-UFSCar) e Pós-Graduação em Ciência da Computação (PPG-CC-UFSCar). Desde agosto de 2021 é Professor Adjunto da Universidade Federal do Paraná (UFPR), campus Curitiba/PR, Departamento de Estatística (DEst) do Setor de Ciências Exatas. Foi Professor Adjunto da Universidade Federal da Bahia (2017-2021), campus Salvador/BA, Departamento de Estatística (DEst) do Instituto de Matemática e Estatística (IME) e Professor da Faculdade de Tecnologia SENAI-SP (2009-2015), campus São Carlos/SP. Docente da Especialização em Data Science Big Data (DSBD-UFPR), MBA em Finanças Corporativas (UTFPR) e Ciência de Dados e Big Data (ECD-UFBA). Pesquisador Permanente do Programa de Pós-Graduação em Informática (PPGInf-UFPR) pela linha Inteligência Computacional. Pesquisador colaborador do Programa de Pós-Graduação em Métodos Numéricos (PPGMNE-UFPR). Pesquisador colaborador do Programa de Pós-Graduação em Matemática (PGMAT-UFBA) Tutor do Programa de Educação Tutorial (PET). Atua principalmente nas seguintes áreas: Aprendizado Estatístico de Máquina, Inferência Estatística e Métodos Computacionais. Tem orientado e publicado em periódicos nacionais e internacionais da área. Tem experiência no desenvolvimento de projetos multidisciplinares de pesquisa, extensão e de desenvolvimento tecnológico. Bolsista FNDE 2022-2028.
Professor Titular do Departamento de Estatística da Universidade Federal de Alfenas (Unifal-MG), do Programa de Pós-graduação Stricto Sensu em Estatística Aplicada e Biometria (PPG-EAB), do Programa de Pós-graduação Stricto Sensu em Nutrição e Longevidade (PPG-NL) e do Programa de Pós-graduação Lato Sensu em Tecnologia e Qualidade na Produção de Alimentos (TecQuali). Possui formação em Laticínios (Instituto Cândido Tostes, 1998), Engenharia Agronômica (UFLA, 2002), Matemática Licenciatura (UNIFAL-MG, 2012), Física Licenciatura (UNIFAL-MG, 2020), Mestrado em Estatística e Experimentação Agropecuária (UFLA, 2004), Doutorado em Estatística e Experimentação Agropecuária (UFLA/Open University - Inglaterra, 2007), Pós-doutorado em Estatística Multivariada (UFLA, 2009) e Pós-doutorado em Sensometria (NOFIMA - Noruega, 2013). Tem experiência em Sensometria, Estatística Multivariada, Estatística Experimental, Probabilidade e Estatística aplicadas, Controle Estatístico de Processo e Cientometria.
Possui graduação em Estatística pela Universidade de São Paulo(1982). Atualmente é Tesoureira do Conselho Regional de Estatística da 3ª Região. Tem experiência na área de Probabilidade e Estatística, com ênfase em Estatística
