Engenheiro de AI/ML com +15 anos em tecnologia, focado em sistemas de Machine Learning e IA Generativa em produção. Da experimentação ao deploy — conectando dados, modelos e decisões de negócio.
Ao longo da carreira participei de projetos para empresas como Ambev, Danone, Fiat, L'Oréal e Globo, criando soluções orientadas por dados que apoiam decisões estratégicas e viabilizam novos produtos digitais.
Meu foco está no ciclo completo de ML — da experimentação e modelagem até sistemas robustos em produção. Tenho experiência profunda em arquitetura de agentes de IA, sistemas RAG, NLP e aplicações de LLMs que resolvem problemas reais de negócio.
Atualmente curso Mestrado em Computação com foco em LLMs e atuo como Professor de ML Engineering na FIAP.
Arquitetura e implementação de Agentes de IA (Agentic Workflows) e soluções de IA Generativa para marketing e otimização de investimentos, incluindo MTA e Marketing Mix Modeling. Ciclo completo de modelos de ML em GCP (BigQuery + Vertex AI) e atuação consultiva em arquiteturas de ML.
Professor Mentor na Pós-Graduação da FIAP, com foco em Produtização de Modelos e GenAI Deployment. Mentoria de projetos práticos e instrução em tópicos avançados de ML Engineering.
Liderança técnica do time de Experience e Analytics. Implementação de modelos de ML (classificação NLP, clusterização semântica) integrados ao produto. Sistema RAG com vLLM + Milvus e fine-tuning de modelos NLP para classificação de comentários.
Pioneiro na integração de análise quantitativa ao processo de produto, estabelecendo cultura data-driven. Pipeline multi-agente (CrewAI) para monitoramento de percepção de marca em LLMs, modelo de clusterização e automação de workflows via APIs (Slack/Notion) com LLMs.
Runtime open-source que transforma arquivos .md em agentes de IA executáveis. Suporte a chat, agendamentos, watch de arquivos, tools nativas e integração MCP. Arquitetura baseada em LangGraph com ReAct graphs.
Implementação educacional from-scratch dos componentes de arquitetura Transformer com PyTorch — tokenização, embedding, mecanismo de atenção, bloco transformer e training loop completo. Modelo publicado no HuggingFace.
Disponível para oportunidades, colaborações e projetos interessantes.