Possui graduação em Engenharia de Computação pela Pontifícia Universidade Católica do Rio de Janeiro (1998) e doutorado em Ciência da Computação, com ênfase em Inteligência Artificial, pela University of California, San Diego (2003). No doutorado, foi bolsista da National Science Foundation (EUA) e da IBM. Seus trabalhos dessa época sobre calibração de probabilidades, aprendizado sensível a custos e correção de viés de seleção amostral tornaram-se referências na área de aprendizado de máquina.

De 2003 a 2006 foi pesquisadora no IBM T.J. Watson Research Center, em Nova York. De 2006 a 2011 foi professora do Instituto de Computação da Universidade Federal Fluminense (UFF), onde foi bolsista de produtividade do CNPq. Em 2011 ingressou na IBM Research Brasil. Lá liderou pesquisas em IA aplicada à tomada de decisão em óleo e gás e mineração, em projetos com empresas como Shell, Goldcorp e Gazprom Neft. Como gerente sênior, liderou a pesquisa em IA para dados geoespaciais voltada a clima e sustentabilidade, incluindo o desenvolvimento do Prithvi-EO, família de modelos de fundação para observação da Terra criada em parceria com a NASA.

Suas pesquisas atuais investigam métodos de IA e aprendizado de máquina voltados para dados geoespaciais e espaço-temporais (GeoIA). Dedica-se especialmente ao desenvolvimento e avaliação de modelos de fundação para observação da Terra, e métodos pra representações multidimensionais (embeddings) de dados espaço-temporais, além de aplicações em clima e recursos naturais. Possui dezenas de artigos de alto impacto publicados, diversas patentes registradas e atua regularmente na organização e nos comitês de programa das principais conferências internacionais de Inteligência Artificial e Aprendizado de Máquina, como ICLR (incluindo a organização do workshop Machine Learning for Remote Sensing – ML4RS – 2026), NeurIPS, ICML, KDD e AAAI. Entre os prêmios que recebeu estão o Open Science Recognition Prize da American Geophysical Union (2025) e o NASA Group Achievement Award (2025). 

Professora assistente do Departamento de Informática da PUC-Rio, Greis Silva Calpa tem participado na orientação de alunos de graduação, mestrado e doutorado em pesquisas nas áreas de Interação Humano-Computador (IHC), Realidade Virtual e Machine Learning. Seus interesses de pesquisa incluem a interseção entre IHC e Inteligência Artificial, tais como interfaces inteligentes aplicadas na saúde, indústria e educação; técnicas de ML nos processos de IHC, como modelagem de usuário utilizando ML; design de IHC para sistemas inteligentes; jogos sérios, tecnologias assistivas, interação multimodal e computação afetiva. Greis possui graduação em Licenciatura em Informática pela Universidad de Nariño (Colômbia,
2009), com título revalidado para Bacharel em Ciência da Computação pela Universidade Federal Fluminense (UFF, Brasil), fez mestrado em Informática (2012) e doutorado em Ciências – Informática pela PUC-Rio (2016) com ênfase em IHC. Realizou pós-doutorado no Laboratório Nacional de Computação Científica (LNCC) e no Departamento de Informática da PUC-Rio. Atuou como pesquisadora e consultora acadêmico-tecnológica no Instituto Tecgraf/PUC-Rio.

Marcos Kalinowski é professor da PUC-Rio e fundador do laboratório SAIL (Software & AI Engineering Lab), um co-lab do Instituto Kunumi, onde orienta pesquisas de mestrado e doutorado e coordena projetos de PD&I em colaboração com empresas. Sua pesquisa concentra-se em Engenharia de Software e IA (AI Engineering), Engenharia de Software Experimental e Aspectos Humanos da Engenharia de Software. É bolsista de produtividade em pesquisa do CNPq e Cientista do Nosso Estado pela FAPERJ.

É autor de mais de 200 publicações científicas nessas áreas, disponíveis gratuitamente em seu site profissional (http://www.inf.puc-rio.br/~kalinowski), e recebeu mais de 20 prêmios de melhor artigo em conferências internacionais de referência, como ICSE, CAIN e ESEM. Antes de ingressar na academia, atuou por mais de uma década na indústria de software e mantém colaboração contínua com o setor, o que influencia sua abordagem de pesquisa, voltada à solução de problemas de relevância prática. Esse foco em questões centrais para a comunidade acadêmica e industrial tem contribuído para o alcance de sua produção científica, tendo sido o pesquisador mais citado da América Latina em Engenharia de Software em 2024 e 2025.

Com forte dedicação à formação de novos pesquisadores, orientou diversas dissertações e teses de doutorado, das quais mais de 10 foram premiadas, incluindo prêmios como Melhor Tese de Doutorado em Engenharia de Software (CTD-ES) e Melhor Tese de Doutorado em Qualidade de Software (CTDQS). Participou de mais de 40 bancas de doutorado, incluindo diversas bancas em instituições da América do Norte e da Europa.

No ensino, é autor de livros didáticos como Engenharia de Software para Ciência de Dados (finalista do Prêmio Jabuti Acadêmico 2024), Introdução à Estatística para Ciência de Dados (semifinalista do Prêmio Jabuti Acadêmico 2025) e Handbook on Teaching Empirical Software Engineering (Springer), adotado internacionalmente. Atua na graduação, na pós-graduação e na educação continuada, sendo criador e coordenador das especializações em Engenharia de Software e em Desenvolvimento Full Stack da CCEC da PUC-Rio.

Exerceu diversas funções de liderança na comunidade internacional, como Program Chair do ESEM, Chair da ISERN e General Chair do ICSE 2026, contribuindo para a realização, pela primeira vez no Brasil, da principal conferência internacional da área. Integra o Steering Committee do ICSE e a rede ISERN (International Software Engineering Research Network), na qual representa a PUC-Rio. Foi professor convidado na Universidad de Castilla-La Mancha (Espanha) e professor visitante na University of Bari Aldo Moro (Itália). Atua como editor associado do Journal of Systems and Software, IEEE Software e Empirical Software Engineering. É membro da ACM, da IEEE e da Sociedade Brasileira de Computação.

Marco Serpa Molinaro é professor adjunto da PUC-Rio e tem como principais áreas de atuação a Otimização e Raciocínio Automático e a Teoria da Computação. Seus principais interesses são as áreas de algoritmos sob incerteza e Programação Inteira onde desenvolve suas pesquisas. Marco é graduado em Engenharia da Computação (2005) e Mestre em Informática (2008) pela PUC-Rio e é Doutor em Algorithms, Combinatorics, and Optimization pela universidade Carnegie Mellon (2013).

Professor associado da PUC-Rio, Sérgio Lifschitz tem como ênfase o trabalho em Banco de Dados. Neste meio, seu principal campo é o da Bioinformática, fazendo pesquisas em seu laboratório, o BioBD. Neste ambiente ele tem enfoque apenas em pesquisas, formando parcerias com grandes institutos da área, como a Fundação Oswaldo Cruz (Fiocruz).  Além das pesquisas, Sérgio também desenvolve projetos em paralelo com outras diversas áreas, não se limitando ao campo científico. Sérgio se graduou em Engenharia Elétrica (1986), fez Mestrado no mesmo setor pela PUC-Rio (1987) e  se tormou doutor em Informática pela École Nationale Supérieure des Telécommunications (ENST Paris) em 1994.

Marcus Poggi é professor associado da PUC-Rio e tem como principal área de atuação a Ciência da Computação com ênfase em Teoria Computacional e Otimização e Raciocínio Automático. Nestes setores faz pesquisas sobre Automação Industrial, Sistemas de Apoio à Decisão, Pesquisa Operacional, Projeto e Análise de Algoritmos e as desenvolve a partir do laboratório Galgos. Possui graduação em Engenharia Elétrica pela Pontifícia Universidade Católica do Rio de Janeiro (1983), mestrado em Engenharia Elétrica também pela PUC-Rio (1988) e doutorado em Matemática Aplicada pela Ecole Polytechnique de Montreal (1993).