pytorch
Trajetória
- amazon web services grande modelo de linguagem nestjs python pytorch reconhecimento ótico de caracteres
Função: Desenvolvedor Full Stack & Desenvolvedor Líder dos Projetos Synthesia & Avapre
Expandiu o escopo de liderança além do projeto Synthesia para liderar Avalia Preenche (Avapre), um sistema avançado de extração de documentos alimentado por IA.
- Pipelines Inteligentes: Engenharia de fluxos robustos de OCR e extração de dados estruturados usando Pytorch, OpenCV e Grandes Modelos de Linguagem (LLMs), reduzindo significativamente a entrada manual de dados para provedores de saúde.
- Escalabilidade: Otimizou desempenho para processamento de alto volume em um ambiente de saúde crítico.
- Suporte a Sistemas Legados: Identificou e resolveu bugs críticos em sua plataforma legada, garantindo estabilidade e confiabilidade do sistema enquanto integrava novos recursos.
-
Uma solução de Aprendizado Profundo projetada para detectar cabeçalhos SMTP falsificados. Este projeto aborda a escassez de conjuntos de dados rotulados em cibersegurança empregando Geração de Dados Sintéticos para treinar modelos robustos capazes de identificar tentativas sofisticadas de phishing.
- Stack Tecnológico: Python, PyTorch.
- Resultado: Publicado como artigo completo em SBSeg 2025.
-
Provedor: Alura
Treinamento abrangente cobrindo o ciclo de vida completo de modelos de aprendizado profundo. Focado em operações com tensores, construção de arquiteturas neurais customizadas e implementação de ciclos de treinamento usando PyTorch para problemas não-lineares complexos.
-
Provedor: Alura
Dominei a mecânica de otimização de modelos profundos configurando solvers avançados como Adam e SGD, enquanto aplicava estrategicamente métodos de regularização como Dropout e weight decay para garantir generalização robusta e prevenir overfitting durante o processo de retropropagação.
-
Provedor: Alura
Focado em arquiteturas de dados sequenciais, utilizei PyTorch para projetar e implementar Long Short-Term Memory (LSTM) e Gated Recurrent Units (GRU), abordando efetivamente o problema do gradiente que desaparece para manter dependências temporais em tarefas complexas de time-series e linguagem natural.
-
Provedor: Alura
Implementação avançada de modelos de visão computacional. Focado em design de arquitetura CNN, incluindo camadas convolucionais, pooling e estratégias de dropout para extração de características e tarefas de classificação de imagens.
-
Provedor: Alura
Este certificado focou na implementação de baixo nível de arquiteturas neurais usando Tensors e grafos computacionais, onde aproveitei o módulo torch.nn para construir Perceptrons Multicamadas e definir estratégias customizadas de inicialização de pesos para desafios de classificação não-linear.