Sou estudante de Engenharia da Computação (UFSM), mas minha mente vive na nuvem (literalmente, no GCP). Meu foco é quebrar a barreira entre a teoria e a produção.
Não faço apenas modelos rodarem; eu construo o ecossistema onde eles vivem. De pipelines de dados em tempo real a aplicações de GenAI que "alucinam" com precisão controlada, meu objetivo é criar soluções robustas, escaláveis e, preferencialmente, containerizadas.
| Linguagens | AI & GenAI | Engenharia de Dados & Cloud |
|
|
|
Aqui é onde a mágica acontece. Projetos end-to-end, documentados e prontos para o mundo real.
Multi-Agent System para análise automatizada de dados clínicos.
- O que é: Sistema de workflow multi-agente avançado para análise de dados clínicos não estruturados.
- Tech: LangGraph, ChromaDB, RAG, Multi-Agent Orchestration, Clinical Risk Scoring.
- Destaque: Arquitetura de agentes especializados (Scribe, Validator, Mathematician, Clinical RAG) com auto-correção e auditoria baseada em evidências.
Porque batch processing é muito 2010.
- O que é: Pipeline de ingestão e processamento de dados de vendas em tempo real.
- Tech: Pub/Sub → Cloud Functions → BigQuery → dbt → Looker Studio.
- Destaque: Simulação de streaming de pedidos e dashboards executivos atualizados ao vivo.
Assistente de escrita inteligente com suporte a voz.
- O que é: Assistente de escrita com interface web construído com LangGraph e Streamlit.
- Tech: LangGraph, LangChain, OpenAI Whisper, Streamlit.
- Destaque: Edição de documentos por comandos de voz e interface conversacional, com persistência de estado.
Implementação completa de GPT-2 (124M params) com otimizações modernas.
- O que é: Modelo autoregressive tipo GPT-2 implementado do zero em PyTorch.
- Tech: PyTorch, RoPE, KVCache, Byte-Level BPE, WandB, AMP Training.
- Destaque: RoPE (Rotary Positional Embeddings), Gradient Checkpointing, e tokenizer BPE customizado.
Agente RAG para análise de documentos financeiros.
- O que é: Agente de Geração Aumentada por Recuperação para responder perguntas sobre mercado de ações.
- Tech: LangGraph, LangChain, ChromaDB, OpenAI Embeddings.
- Destaque: Decisão dinâmica de quando consultar a base de conhecimento vetorial através de grafo de estados.
Conversando com documentos sem perder o contexto.
- O que é: Sistemas de QA que utilizam Retrieval-Augmented Generation.
- Tech: Pinecone / Astra DB (Vetorial), OpenAI Embeddings, LangChain.
- Destaque: Indexação vetorial para busca semântica de alta performance em documentos técnicos.
- Tech: Google GenAI SDK, Multimodalidade (Visão + Texto).
- Destaque: Exploração prática das capacidades multimodais do Gemini 2.0/Pro e extração automatizada de dados de faturas.
🔭 Bolsista de Iniciação Científica | UFSM (Out 2024 – Jan 2025)
- Foco: Aplicação de Ciência de Dados e IA na Engenharia.
- Impacto: Desenvolvi estudos sobre conformidade regulatória (LGPD) e mitigação de viés algorítmico, garantindo que a IA não seja apenas inteligente, mas ética.
- Engenharia da Computação (2021–2026) – UFSM 🎓
- Ensino Médio (2018–2020) – Colégio Scalabrini
- 🎓 Engenharia da Computação – UFSM (Previsão: Ago 2026)
- ☁️ Google Cloud Computing Foundations – Google SkillsBoost (2025)
- 🧠 Deep Learning Specialization – DeepLearning.AI (2024)
- 📊 Machine Learning Specialization – Stanford Online (2024)
🌟 Explore meus repositórios e contribua!
