Atuo com Ciência de Dados, Engenharia de Dados e Engenharia de Agentes de IA, construindo pipelines de dados, modelos de Machine Learning e sistemas inteligentes baseados em LLMs, RAG e arquiteturas de agentes autônomos. Combino análise estatística, engenharia de software e práticas de MLOps para levar esses sistemas da ideia à produção.

Plataforma de engenharia de IA para construção de agentes cognitivos com LLMs — raciocínio, planejamento, execução, memória, avaliação, aprendizado e evolução autônoma.

Stack: Python · LLMs · Agentic AI · Cognitive Architecture · RAG · Decision Intelligence · Memory Intelligence · Cognitive Learning · Autonomous Evolution · FastAPI · LlamaIndex · Vector Databases · Pytest · GitHub Actions

Destaques de engenharia:

• 🏗️ Arquitetura cognitiva modular — capacidades independentes e testáveis: Reasoning → Planning → Execution → Memory → Evaluation → Learning → Evolution, cada uma evoluindo sem acoplar as demais
• 🧠 Cognitive Learning Layer (V1.27) — fecha o ciclo entre experiência e evolução: Experience → Evaluation → Learning → Knowledge → Memory → Optimization → Evolution → Adaptation
• 🤖 Agent Runtime integrado — Cognitive Learning Loop injetado no runtime via dependency injection, mantendo o motor de decisão de evolução desacoplado do domínio de aprendizado
• 💾 Memory Intelligence Layer — relevância, ranking e consolidação de memórias implementados, sustentando decisões futuras dos agentes
• 📊 Cognitive Evaluation — camada de métricas cognitivas operacional, medindo qualidade de decisão e desempenho dos agentes
• 🧪 Engenharia orientada a capacidades — 1084 testes automatizados cobrindo domain, services, integrations e runtime, com CI via GitHub Actions, ADRs e milestones versionadas a cada evolução

V1.27 — Cognitive Learning ✅
        ↓
V1.28 — Observability 🚧

_{Alguns repositórios públicos do perfil representam exercícios acadêmicos e registros de aprendizado; os projetos de maior destaque refletem trabalhos autorais e de engenharia aplicada.}

Data Science & ML Python · SQL · Pandas/NumPy · Scikit-learn · XGBoost · EDA · Estatística Avançada e Teste de Hipóteses · Feature Engineering · Séries Temporais (Prophet, Statsmodels)

IA, LLMs & RAG LLMs · LangChain · LangGraph (multiagentes) · Protocolos de Agentes (MCP/A2A/AG-UI/BFA) · RAG (arquiteturas avançadas) · Agentes de IA (Function Calling/Tools) · LlamaIndex · Vector Databases · PyTorch (redes neurais, RNN, CNN, Transformers) · Modelos de Difusão · Hugging Face (transfer learning) · NLP (TF-IDF, N-grams, análise de sentimentos) · Chatbots com LLM · Deep Learning (Keras/TensorFlow) · Visão Computacional (OpenCV) · Explicabilidade em IA (XAI)

Engenharia de Dados & Cloud Apache Spark/PySpark · AWS (S3, Glue, Data Lake) · PostgreSQL · SQLite · Arquitetura modular · Testes automatizados · MLOps (deploy, automação e monitoramento de modelos) · Quality Assurance · Metodologias Ágeis (Scrum, XP) · CI/CD · Microsserviços · Git/GitHub · Documentação técnica e ADRs

Automação & Visualização Power BI · Streamlit · Dash · Excel Avançado (tabelas dinâmicas, fórmulas complexas) · n8n · Docker · Integração de APIs

_{Todas as badges são clicáveis e levam aos respectivos certificados.}

🏆 Certificados de Conclusão de Formação

_{Cursando Engenharia de Agentes de IA (Alura) — módulo atual: Nível 3 - MLOps: operando sistemas de IA em produção.}

⭐ Evolução contínua em Ciência de Dados, Engenharia de Dados e Agentes de IA aplicados a sistemas reais. ⭐