Engenheiro eletrônico, analista em engenharia, engenheiro júnior, trainee em engenharia, cientista de dados, desenvolvedor computacional

Fui responsável pela análise dos sinais de eletroencefalograma lidos pelo dispositivo de previsão de crises epilépticas desenvolvido pela empresa. Além disso, fui responsável pela pesquisa e implementação de algoritmos de previsão de crises usando aprendizado de máquina e técnicas de processamento de sinais, atuando portanto na área de desenvolvimento de software.

Eu auxiliei no desenvolvimento de uma aplicação web para visualizar o gêmeo digital (digital twin) do sistema de energia de um dos campus da universidade alemã. Para isso, usei o framework Django escrito em Python, e o InfluxDB para a leitura em tempo real dos dados de energia dos prédios do campus.

Minha função foi auxiliar um doutorando cuja principal área de pesquisa é o rastreamento e medição de células individuais. Para isso, implementei uma rede neural convolucional para a segmentação das células nas imagens de microscópio, caracterizando uma aplicação de visão computacional. O algoritmo foi implementado tanto em MATLAB quanto em Python, realizando a detecção das células e "armadilhas" do dispositivo microfluídico, a segmentação e o rastreamento, este último por meio de técnicas de processamento de imagens.

O projeto, financiado pela Fundação de Amparo à Pesquisa do Estado de S. Paulo (FAPESP), foi uma iniciação científica na área de separação cega de fontes aplicada a sinais musicais. Foram estudados e implementados, em MATLAB, algoritmos de separação cega de fontes baseados em análise de componentes independentes (ICA) e fatoração de matrizes não negativas (NMF). Os algoritmos foram primeiramente aplicados a misturas sintetizadas, cujos sinais foram gerados pelos métodos de síntese aditiva e de Karplus Strong, e depois aplicados a misturas de sinais reais.

Programa de duplo diploma parceria entre a Universidade de São Paulo (USP) e a Technische Universität Darmstadt (TUD), Alemanha. Finalizei o programa de "Master of Science" em dois anos e meio, possuindo portanto experiência internacional. 

A tese de mestrado de conclusão de curso foi sobre a análise da performance de redes neurais convolucionais na segmentação de células vivas de levedura a partir de imagens médicas de um dispositivo microfluidico.

Graduação em engenharia elétrica com ênfase em eletrônica e sistemas. As principais áreas de interesse foram circuitos eletrônicos, processamento digital de sinais e machine learning.