Profissional de ti | analista de dados | engenheiro de dados | cientista de dados

2024-01: Programa de 28 horas realizado em Londres que apresenta a língua inglesa no meio corporativo permitindo os profissionais uma vivência mais próxima daquela encontrada na cidade londrina.

2024-01: Programa realizado em Londres/Reino Unido por 3 semanas no qual apresenta habilidades avançadas em Data Science permitindo que os profissionais manipulem, analisem e trabalhem com dados usando Python, apoiando o processo de tomada de decisão em Estratégia Corporativa.

2022-07: Qualificado para trabalhar com o framework LCC de gerenciamento de projetos. 

2022-06: Esta especialização acelerada online de quatro cursos ensina os participantes do curso a obter insights por meio da análise e visualização de dados usando o Google Cloud Platform. Os cursos apresentam cenários interativos e laboratórios práticos onde os participantes exploram, garimpem, carregam, visualizam e extraem insights de diversos conjuntos de dados do Google Big Query. Os cursos abordam carregamento de dados, consultas, modelagem de esquemas, otimização de desempenho, preços de consulta e visualização de dados.

2021-03: Coordenado pelo Professor Dr. Marcel Vinícius Medeiros Oliveira e promovido pelo Departamento de Informática e Matemática Aplicada da UFRN com nota final de 9,19/10.

2021-11: Programa de 60hrs apresentando ferramentas para exercer atividades e projetos com dados. Nota 92/100. 

Participei de um programa de um mês em Londres na Coventry University London, onde fui colocado em contato com diversos especialistas de organizações locais e pude desenvolver habilidades avançadas em Data Science para apoiar o processo de tomada de decisões em estratégia corporativa.

Sistema de recomendação para especialidades médicas em processos judiciais
(Abril 2022 - Out 2023):
Nasce da necessidade de acelerar a tramitação de processos judiciais, principalmente em primeiro grau, usando Inteligência Artificial para triar casos que exigem perícia médica. Entre os benefícios estão a automação da perícia, redução do congestionamento dos tribunais, maior precisão na triagem, auxílio à tomada de decisões, agilidade e segurança jurídica. Atualmente, há um pipeline para treinamento dos dois modelos de IA (XGBoost e LSTM) e uma pipeline de dados para extração de registro do banco de dados PostgreSQL. Nessas pipelines há verificações de qualidade usando Great Expectations e Pydantic. Tudo gerenciado por meio de microsserviços Docker no GitLab e DVC. Os modelos estão disponíveis por meio da API RESTful para teste em servidor Web (REACT + FastAPI). Também trabalhei em uma extensão para os navegadores Chrome e Firefox, usando Vue.js e Typescript, para capturar o inteiro teor de petições iniciais e recomendar a especialidade médica no sistema PJE após expor o recurso textual ao modelo.

Nisia Chatbot – Assistente Virtual                                                                                                                       (Ago 2022 - Set 2023):
A Justiça Federal do Rio Grande do Norte, em parceria com o Instituto Metrópole Digital, lançou o projeto Chatbot Nísia. Este assistente virtual tem como objetivo prestar um atendimento ágil aos cidadãos, aumentando a eficiência e reduzindo a carga de trabalho dos servidores públicos. O chatbot baseado no framework RASA foi desenvolvido para responder a diversas perguntas frequentes dos cidadãos. O projeto foi concluído tendo alcançado os seguintes marcos: A implementação de todo o catálogo de serviços; extração de todas as informações do site para suprir modelos LLM com auxílio do langchain; testes frequentes para validar as funcionalidades e obter feedback para melhorias junto aos servidores públicos; desenvolvido para interagir por botões, bem como por mensagens escritas usando a API GPT3.5 no Azure; A principal característica é o acesso a um motor de busca de processos judiciais que mostra as últimas atualizações e fornece uma explicação para isso em termos simples; O produto foi colocado em produção em 18/09/2023 (www.jfrn.jus.br).

A pesquisa  foca na aplicação de PLN e aprendizado de máquina para prever o sucesso em audiências de conciliação na Justiça Federal do Rio Grande do Norte.
Objetivo: Desenvolver modelos que identifiquem processos com alto potencial de conciliação.
Metodologia: Utilização de PLN para extrair informações de petições iniciais e implementação de modelos preditivos.
Resultados: Demonstração da viabilidade da análise preditiva para melhorar a governança da justiça e reduzir congestionamento.
Integração: Modelos integrados via API para uso pelos profissionais do sistema jurídico.