Sou um pesquisador e desenvolvedor prestes a concluir a graduação no pioneiro programa de Bacharelado em Inteligência Artificial da UFG. Com três anos de experiência prática no CEIA, meu foco é transformar dados complexos em soluções de IA robustas e aplicadas ao mundo real.

Minha expertise vai do gerenciamento de pipelines de IA clássica até a implantação de modelos modernos de Deep Learning. Abaixo, detalho minhas principais frentes de atuação:

• Deep Learning & Maquinário Industrial (Pesquisador no CEIA)

  • Atuo como Cientista/Analista de Dados em um projeto focado no monitoramento e processamento de dados de maquinário industrial.
  • Sou responsável pelo desenvolvimento de modelos de IA, aplicando desde Árvores de Decisão para detecção de anomalias até Deep Learning e arquiteturas Transformer para problemas sequenciais e análise de séries temporais.
  • Realizo o ciclo completo de análise de dados, incluindo pré-processamento e EDA (Análise Exploratória de Dados) utilizando pandas, numpy e bibliotecas relacionadas.

• IA Generativa & Cibersegurança (Pesquisador na AKCIT)

  • Contribuo para um projeto de pesquisa focado na intersecção entre IA Generativa e Cibersegurança.
  • Conduzo estudos sobre métodos de invasão e jailbreaking de LLMs (Modelos Generativos de Linguagem), um trabalho que resultou em publicação acadêmica na área.

• Desenvolvimento Mobile (Full-Stack)

  • Possuo experiência prática como desenvolvedor Flutter na criação de uma plataforma de sistema de gerenciamento para o CEIA.
  • Utilizo o framework do Google e a linguagem Dart, com forte base em programação orientada a objetos.

Tenho orgulho de ser um dos autores de artigos aceitos em conferências de alto impacto, como a IEEE ETFA e o SBSeg.

Avaliação do NeMo Guardrails como um Firewall para a Interação Usuário-LLM

• Conferência: Anais do Simpósio Brasileiro de Segurança da Informação e de Sistemas Computacionais (SBSeg 2025)
• Nesta pesquisa, analisamos a eficácia do NeMo Guardrails como um firewall contra ataques de jailbreaking e prompt injection em LLMs. Avaliamos seu desempenho em benchmarks (como o Do Not Answer) e propomos uma nova métrica, a "Taxa de Compensação", para medir sua eficácia como segunda linha de defesa.
• ➡️ Confira o artigo aqui

Digital Transformation in HPDC: Maintenance Forecasting and Remaining Useful Life of Die

• Conferência: 2025 IEEE 30th International Conference on Emerging Technologies and Factory Automation (ETFA)
• Neste trabalho, propomos um framework de manutenção preditiva para o processo de Fundição de Alta Pressão (HPDC). Combinamos Machine Learning clássico (LightGBM) e Large Language Models (LLMs) com RAG para prever a Vida Útil Restante (RUL) de moldes industriais, detectar anomalias e prever interrupções operacionais.
• ➡️ Confira no programa da conferência

Minha stack principal para ciência de dados, deep learning e desenvolvimento.

Python	PyTorch	TensorFlow	Scikit-Learn	Pandas
NumPy	GCP	Dart	Flutter	SQL