Sobre

Construindo sistemas de IA que aguentam a realidade das instituições.

Grande parte da minha trajetória recente aconteceu em contextos jurídicos e institucionais, onde confiabilidade, explicabilidade e encaixe operacional importam tanto quanto a qualidade do modelo.

Como eu trabalho

Meu trabalho costuma acontecer na fronteira entre capacidade de modelo e realidade operacional: o ponto em que APIs, avaliação, fluxo de dados e confiança do usuário pesam tanto quanto o algoritmo em si.

Em vez de pensar IA como um artefato isolado, eu a trato como parte de um sistema maior que precisa passar por integração, governança, rollout e manutenção sem perder utilidade.

E por isso que eu costumo atuar além do treinamento de modelos: backend, entrega, observabilidade, retreinamento e alinhamento com as equipes que vão conviver com a solução.

Áreas de foco

  • Entrega de IA para fluxos jurídicos e institucionais
  • Fronteiras de backend e plataforma para NLP, retrieval e serviços de modelo
  • Bases de MLOps que tornam atualizações mais seguras e explicáveis

Modo de trabalho

  • Começar pelo fluxo e pelas pessoas que usam o sistema, não pela novidade do modelo
  • Preferir métricas explícitas, interfaces inspecionáveis e tradeoffs claros
  • Tratar release, rastreabilidade e feedback como requisitos do produto

Linha do tempo

Papéis e times que formaram esse padrão de entrega.

O melhor sinal do meu perfil é a repetição de entrega em ambientes onde IA precisa funcionar para instituições e pessoas, não apenas para demonstrações.

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
Ver estudo de caso

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
Ver estudo de caso

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

Projeto do ensino médio

Um projeto do ensino médio que ainda mostra amplitude técnica.

Durante o ensino médio técnico, eu já construía sistemas voltados ao mundo físico, com preocupações reais de interface, segurança e confiabilidade.

Centro de Ensino Médio Integrado do Gama (CEMI)

Feb 2016 - Oct 2017

Biometric Payment System for Public Transport

Brasília, Brazil

Desenvolvido durante o ensino médio técnico no CEMI, este protótipo em Arduino e IoT explorou o pagamento biométrico de passagens como forma de substituir bilhetes físicos e cartões por autenticação por impressão digital.

  • Integrei autenticação biométrica com leitor de impressão digital.
  • Processei a validação da tarifa em hardware Arduino com C embarcado.
  • Explorei conectividade IoT, RFID e tratamento seguro de dados biométricos.
  • C
  • Arduino
  • IoT
  • RFID
  • Biometric Scanner

Princípios de trabalho

  • Um sistema de IA útil é aquele que sobrevive à integração, à governança e ao feedback de quem usa.
  • Qualidade de entrega vem de APIs estáveis, avaliação transparente e operação repetível.
  • A melhor arquitetura costuma ser a que o time ainda consegue entender e evoluir meses depois.

Padrões que se repetem

  • IA em contexto jurídico e institucional recompensa rastreabilidade mais do que novidade.
  • Adoção depende do encaixe no fluxo de trabalho, não apenas de métricas offline.
  • Times andam mais rápido quando retreinamento e release são visíveis, não implícitos.

Next step

Os projetos aprofundam os sistemas por trás dessa experiência.

Se você quiser avaliar o lado técnico dessa trajetória, os estudos de caso mostram arquitetura, tradeoffs e impacto. Se quiser conversar sobre vaga ou colaboração, use a página de contato.