Miguel Coimbra. Concluiu o(a) Doutoramento em PhD Program in Computer Science and
Engineering em 2021/09/17 pelo(a) Universidade de Lisboa Instituto Superior Técnico,
Mestrado em Master in Information Systems and Computer Engineering em 2013 pelo(a)
Universidade de Lisboa, Licenciatura em Licenciatura Bolonha em Engenharia Informática
e de Computadores - Alameda em 2011 pelo(a) Universidade de Lisboa e Postgraduate
Certificate em Improving Deep Neural Networks: Hyperparameter Tuning, Regularization
and Optimization em 2021/04/18 pelo(a) Coursera. É Investigador no(a) Instituto de
Engenharia de Sistemas e Computadores, Investigação e Desenvo. Publicou 5 artigos
em revistas especializadas. Possui 2 capítulo(s) de livros. Participou em 5 evento(s).
Recebeu 1 prémio(s) e/ou homenagens. Participa e/ou participou como Bolseiro de Investigação
em 1 projeto(s), Investigador em 9 projeto(s) e Investigador Pós-doutorado em 1 projeto(s).
Atua na(s) área(s) de Ciências Exatas com ênfase em Ciências da Computação e da Informação
com ênfase em Ciências da Computação. No seu currículo Ciência Vitae os termos mais
frequentes na contextualização da produção científica, tecnológica e artístico-cultural
são: service placement; Distributed systems; Bioinformatics; community clouds; community
networks; leader election; Risk management; Parallel computing; stream processing;
Map-matching; Metagenomics; Digital preservation; Approximate computing; Graph processing;
Compact graphs; Dynamic structure; Graph compression; Big data; Network theory; compact
graph representations; dynamic graphs; graph library; Online news comments; Facebook;
Twitter; Political debates; software development; eCommerce; genomes; Personalized
medicine; phylogenetic analysis; algorithms and data structures; NGS (Next Generation
Sequencing); cloud based framework; Java virtual machine; Big data applications and
platforms; Performance; Banking fraud detection; High Throughput Sequencing Technologies;
DNA and RNA sequencing; Indexed Alignment Algorithms; Distributed data structures;
Context-Aware Computing; Energy Consumption; Human Activity Recognition (HAR); Machine
Learning; Mobile Computing; Recommendation Systems; Data streams; Social-media; Context-aware
recommendation; Media monitoring; Risk Management; E-Science; Data Management Plan;
Bioengineering; interaction data analyis; Computational Biology; Social computing;
Big Data; Online processing; Graph representation; Dataflow programming; approximate
processing; summarization; distributed computation; Migraine; comorbid conditions;
Electronic Health Records; phenotyping; Network Science; Clustering; Network Security;
Communication Privacy; Multi-Path Routing; Secret Sharing; QUIC; Distributed computing;
Cloud computing; Amazon Web Services; Virtualization; Containers; Docker; RabbitMQ;
Middleware; Google RPC; Logical clocks; Spread Toolkit; Database management; PostgreSQL;
Database design; Relational mode; Entity-Relationship (ER) modeling; Data Warehousing;
Data analytics; OLAP; OLTP; SQL; .
