Sou Engenheiro de Computação e Mestrando em Ciência da Computação, com sólida experiência em Machine Learning, Deep Learning, Sistemas de Controle e Biossinais. Meu conhecimento abrange Visão Computacional, Processamento de Imagens & Sinais, Reconhecimento de Padrões, além de Processos Estocásticos e Otimização. Atualmente, trabalho na aplicação dessas áreas para análise e interpretação de biossinais, buscando avanços em soluções inovadoras.Tenho sólida experiência em diversas linguagens de programação, destacando-me em Python, C, Matlab/Octave, MySQL e PostgreSQL. Além disso, tenho um conhecimento básicos de Java, JavaScript, Ruby, HTML e CSS. No campo de Machine Learning, trabalho com ferramentas como Keras, PyTorch, TensorFlow e OpenCV. Também estou familiarizado com plataformas como MLflow e Google Cloud Platform para a gestão de modelos de aprendizado de máquina.Em relação a algoritmos de machine learning, utilizo uma variedade de técnicas, como regressão (linear, logística, polinomial e simbólica), K-Nearest Neighbors (k-NN), máquinas de vetores de suporte (SVM), árvores de decisão, Naive Bayes e Random Forest. Também aplico métodos avançados como Bagging e Gradient Boosting Machines (GBM). Para análise de dados e redução de dimensionalidade, faço uso de PCA e K-Means, além de empregar técnicas de clusterização, como DBSCAN e a clusterização hierárquica. Conheço bem métodos de boosting: LightGBM, CatBoost, XGBoost, AdaBoost e Gradient Boosting.Quando o foco é deep learning, desenvolvo arquiteturas como redes neurais convolucionais (CNNs), redes recorrentes (RNNs), LSTMs, autoencoders e tenho experiência com Transformers, em especial com modelos de Transformers aplicados a séries temporais (forecasting e classificação). Também trabalho com redes adversárias generativas (GANs), mecanismos de atenção, aprendizado por transferência e otimização bayesiana. Na área de controle de sistemas, utilizo estratégias como PID, LQR, MPC, além de aplicar controle neural e fuzzy.