Sobre mim:
Profissional de Ciência de Dados com experiência em IA, Machine Learning e Processamento de Dados. Possui
background em pesquisa acadêmica e projetos industriais, incluindo o desenvolvimento de modelos de IA para
classificação de imagens e automação de processos com OpenAI. Habilidoso em Python, TensorFlow e bancos de
dados, com expertise em engenharia de dados e APIs web usando Django REST. Proativo, organizado e apaixonado
por IA, busca desafios que combinem insights orientados por dados com inovação e alto desempenho
Resumo da experiência profissional:
Departamento de Ciência da Computação e Matemática Aplicada - UFRN (02/2024 -
12/2024)
Pesquisador em Redes Neurais para Classificação de Imagens Hiperspectrais
Desenvolvi soluções baseadas em redes neurais para classificação de imagens hiperespectrais,
alcançando mais de 90% de precisão.
Implementei o Structure from Motion (SfM) em VHDL, possibilitando diversas aplicações em
projetos de computação de borda com software especializado.
Tags: Git, Python, Machine Learning, Deep Learning, Data Engineering, Pandas, scikit-learn, NumPy,
VHDL e Structure from Motion (SfM)
Escola de Saúde - UFRN (02/2023 - 01/2024)
Bolsista de Suporte Técnico em Programação Web
Desenvolvi e manteve aplicações web utilizando Django REST, com foco no desenvolvimento
back-end, para o site oficial da universidade, que atende mais de 33.000 alunos matriculados.
Criei novas funcionalidades no sistema, como um rastreador de frequência aprimorado, que
melhorou a eficiência dos relatórios de carga de trabalho.
Colaborei com equipes multidisciplinares para fornecer suporte técnico e otimizar o desempenho
do sistema para os usuários em toda a universidade.
Tags: Git, MySQL, MongoDB, Python, django-rest, HTML, CSS, docker e javascrip
Instituto Metrópole Digital - (02/2022 - 01/2023)
Pesquisador em Implementação de Algoritmos de Inteligência Artificial em
Aceleradores Reconfiguráveis
Realizei experimentos com o simulador Gem5 e testou a aceleração do FRIDA para vários
modelos de machine learning que utilizam paralelismo, comparando a eficiência do acelerador
FRIDA com o Gem5.
Melhorei o desempenho de processamento em 25% utilizando o simulador Gem5 para
implementações de IA baseadas em FPGA.
Desenvolvi habilidades em Python, machine learning e simulação de hardware, otimizando
algoritmos para acelerar implementações de IA.
Tags: Git, Python, Gem5, FPGA, FRIDA, Machine Learning e paralelismo