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; .