---

O HIV é um vírus que ainda nos dias de hoje é amplamente estudado pela comunidade científica. Sua grande variabilidade genética é um fator que dificulta tais estudos e inclusive atrapalha o tratamento de pacientes infectados, resultando em falha terapêutica. Visando identificar padräes de muta‡äes que auxiliem os estudos acerca dos vírus, o presente trabalho busca desenvolver uma rede neural sem peso capaz de categorizar os diferentes subtipos do HIV-1 e também de identificar a existência de muta‡äes de resistência a medicamentos. Diversos experimentos com diferentes configura‡äes foram realizados, e os resultados encontrados mostraram que as redes sem peso possuem excelente desempenho para o reconhecimento dos subtipos.

---

Graduado em 2008 em Ciências da Computa‡Æo pela UFRJ, seguiu na área acadêmica e obteve o mestrado pelo Programa de Engenharia de Sistemas e Computa‡Æo da COPPE/UFRJ. Atuou como pesquisador pelo BPLabs - Laboratório de Pesquisa do Buscapé Company, tendo atuado em diversos projetos da área de Machine Learning e Big Data.

---