85%
Menos trabalho manual de classificação no TRF1
Entrega de NLP aplicada a um fluxo real de analistas judiciais.
Engenheiro Sênior de IA / Engenheiro de Software
Jonathan Oliveira
Engenheiro Sênior de IA | Engenheiro de Software
Construo sistemas de IA que continuam úteis depois da integração, do rollout e do feedback dos usuários.
Meu trabalho acontece no ponto em que qualidade de modelo encontra APIs, fluxos operacionais e restrições institucionais. Entreguei programas aplicados de IA para tribunais e órgãos públicos, com foco em adoção real, manutenção e impacto mensurável.
Credibilidade
Instituições e programas onde entreguei trabalho aplicado com IA.
- TRF1
- CNJ / PNUD
- PGDF
- TST
- AI.Lab UnB
Impacto
Resultados concretos ancorados em trabalho institucional real.
Semanas para dias
Retreinamento mais rápido
Melhorias de ciclo de vida reduziram o atrito para atualizar modelos.
30+
Categorias de precedentes identificadas
Fluxos semânticos apoiaram descoberta nacional de precedentes.
Escala nacional
Programas institucionais entregues
Trabalho com TRF1, CNJ/PNUD, PGDF, TST e AI.Lab.
Projetos em destaque
Iniciativas nomeadas com contexto institucional e resultados concretos.
Iniciativa Legal TechPublic Sector AI
CNJ / PNUD
Plataforma PEDRO de Descoberta de Precedentes
Cientista de Dados · jul 2022 - mai 2023
Iniciativa nacional de descoberta de precedentes para CNJ e PNUD, combinando serviços FastAPI, NLP não supervisionado, agrupamento semântico e experimentação com governança para sistematizar precedentes qualificados dos tribunais superiores.
Impacto
Viabilizou a descoberta de mais de 30 categorias de precedentes em decisões judiciais extensas.
- FastAPI
- NLP
- Semantic Similarity
- MLflow
- Legal Tech
Resultados
- Mais de 30 categorias de precedentes identificadas com fluxos semânticos
- Serviços de IA integrados aos sistemas do CNJ por meio de APIs REST
Iniciativa Legal TechPublic Sector AI
PGDF
Fluxos de IA Jurídico-Fiscal no OSIRIS
Cientista de Dados · mai 2023 - mai 2024
Entrega de IA para operações jurídico-fiscais da PGDF, cobrindo APIs em produção, modelos supervisionados e semissupervisionados, active learning e exploração inicial de LLMs em fluxos institucionais intensivos em documentos.
Impacto
Introduziu fluxos de ML com governança e APIs de produção nas operações jurídico-fiscais, além de desenhar caminhos de active learning para adaptação contínua dos modelos.
- FastAPI
- Active Learning
- MLflow
- DVC
- LLM
Resultados
- APIs em produção conectaram saídas dos modelos aos sistemas internos da PGDF
- Loop de active learning desenhado para reduzir drift de modelo ao longo do tempo
Experiência
Histórico de entrega que explica os resultados.
O melhor sinal do perfil é a repetição de trabalho aplicado em instituições onde adoção, explicabilidade e encaixe operacional importam de verdade.
TTY2000 | TRF1
Jan 2024 - Present
Senior Machine Learning Engineer
Brasília, Brazil
Engenheiro de machine learning liderando a modernização de serviços judiciais de NLP no TRF1, cobrindo refatoração de modelos legados, orquestração, APIs, retreinamento e entrega para analistas em um grande ambiente federal.
- Refatorei sistemas legados de ML e reduzi o tempo de processamento em 25%.
- Entreguei APIs em Django voltadas a analistas, consumidas por mais de 500 usuários internos.
- Automatizei ETL, retreinamento e esteiras de entrega com Airflow e CI/CD.
- Python
- Django
- PostgreSQL
- Airflow
- DVC
AI.Lab UnB
Mar 2021 - May 2024
Machine Learning Engineer
Brasília, Brazil
Engenheiro de machine learning na AI.Lab UnB entregando P&D em legal tech e sistemas de ML em produção em iniciativas com CNJ/PNUD, PGDF, TST e TRF1, conectando descoberta com stakeholders, NLP, APIs, MLOps e liderança técnica.
- Atuei em PEDRO, OSÍRIS, SABIÁ e ALEI em programas jurídicos e institucionais.
- Construí modelos supervisionados, não supervisionados e semi-supervisionados para sistemas em produção.
- Padronizei padrões de MLOps para rastreamento de experimentos, versionamento de dados e entrega repetível.
- Python
- FastAPI
- Flask
- MLflow
- DVC
Arvvo Tecnologia
Jan 2019 - Mar 2020
Software Engineer Intern
Brasília, Brazil
Comecei em entrega full-stack, construindo produtos internos com Node.js, Vue.js e MongoDB em um ambiente de consultoria que consolidou minha base em backend, APIs e entrega em equipe.
- Construí interfaces internas responsivas com Vue.js e Angular.
- Implementei serviços REST em Node.js e Express.
- Atuei em fluxo de revisão com Git em frontend e backend.
- Node.js
- Vue.js
- Angular
- MongoDB
- Express
Habilidades
Amplitude técnica moldada por entrega real e pressão operacional.
IA / LLM
- RAG
- Multi-agent systems
- Prompt engineering
- Fine-tuning
- Knowledge graphs
- Context caching
- LangChain
- LangGraph
Backend
- FastAPI
- Flask
- Django
- REST API design
- Nginx
- Python
- Node.js
Dados / MLOps
- MLflow
- DVC
- BentoML
- Airflow
- Docker
- GitLab CI/CD
- PostgreSQL
- MySQL
- Oracle
- SQL Server
Conteúdo técnico
Textos que apoiam o trabalho entregue, não que tentam substituí-lo.
Conteúdo técnico
Production RAG Systems Need More Than Retrieval Demos
13 de out. de 2025
A production RAG system should be treated as a retrieval and evaluation pipeline with explicit failure modes, not as a prompt wrapper around a vector store.
- RAG
- Evaluation
- Vector Search
- Production AI
Conteúdo técnico
LLM Evaluation in Production Starts With Explicit Failure Modes
2 de jul. de 2025
Evaluation is most useful when it reflects the failures a system can actually produce in production: missing context, wrong retrieval, incorrect tool use, unstable outputs, and unhelpful responses.
- LLM
- Evaluation
- Production AI
- Quality
Conteúdo técnico
Scaling ML Pipelines Means Reducing Hidden Manual Work
19 de mai. de 2025
ML pipelines usually fail to scale because they depend on undocumented manual steps around data preparation, retraining, packaging, and release coordination.
- MLOps
- Airflow
- MLflow
- CI/CD
Próximo passo
Precisa de alguém que conecte IA aplicada à entrega confiável?
Se você estiver avaliando fit, comece pelos projetos e pela narrativa de experiência. É ali que ficam mais claros meu papel, as decisões técnicas e a forma de entrega sob restrições institucionais.