- Melhoria da média assertividade(precisão) de um modelo de Machine learning (ML) de cerca de 20% com pré-processamentos de texto (com ferramentas como NLTK e spacy ) e reagrupamento de categorias;- Reajuste de políticas de retreinamento de modelos de ML, reduzindo em no mínimo 75% dos gastos na AWS nesse fluxo;- Criação de modelos de aprendizado de máquina (ML) para criação de tarefas com base em outras tarefas e classificação de andamentos, utilizando ferramentas como: scikit-learn, gensim e keras;- Engenharia de prompt com chatGPT para criação de modelos de documentos; - Documentação de IA já existentes no projeto e planejamento de melhorias;- Análise sobre uso de funcionalidade do sistema pelos clientes, utilizando banco de datos PostgreSQL e Mongodb e análise de logs com AWS Cloudwatch;- Criação de expressão regular para melhoria de captura de data e hora.

- Pesquisa de soluções de processamento de linguagem natural (NLP) para problemas de perguntas e resposta(QA) para auxílio à escrita;- Fine-tuning e avaliação de modelos QA em portugues, usando BERT com Hugging Face e pytoch.- Participei de uma prova de conceito(PoC) para saber viabilidade de uso de pySpark streaming em um projeto sobre internet das coisas(IoT)

Participei de três projetos distintos que envolveram Python e técnicas de ciência de dados, além de atuar em reuniões com clientes para levantamento de requisitos, apresentação de resultados e escrita de relatórios. Também fui responsável por treinar e gerenciar novos integrantes do laboratório. 1 - projeto em parceria com a Secretaria da Fazenda da Paraíba (SEFAZ-PB) [2020-2022]: Nele desenvolvi um classificador baseado em técnicas de Processamento de Linguagem Natural (NLP), utilizando word embeddings (Gensim) e Redes Neurais (Keras), criei uma API em Python com Flask para integração com o sistema da SEFAZ e desenvolvi uma ferramenta de semelhança entre textos.2 - projeto de pesquisa e desenvolvimento (P&D) com a Light [2021-2022]: Neste projeto realizei análise exploratória de dados (EDA) para identificar padrões em dados estruturados e séries temporais, incluindo a criação de gráficos com matplotlib e seaborn, além de desenvolver modelos preditivos, como regressão e classificação, para melhorar a eficiência do serviço de atendimento ao cliente, utilizando bibliotecas como scikit-learn, numpy e pandas. 3 - projeto em parceria com Cicatriza [2019-2020]: Onde apliquei conceitos de visão computacional, como filtros, para melhoria de imagens, desenvolvi um segmentador de imagens para identificar tipos de tecido em feridas, utilizando algoritmos como k-means e OpenCV, e implementei uma API em Python com Flask para comunicação com um aplicativo móvel.