Graduado em Engenharia Civil com ênfase em mecânica estrutural pela UFJF (2003), possui Mestrado (2005) e Qualificação ao Doutorado em 2016 em modelagem matemática pela COPPE/UFRJ, na Universidade Federal do Rio de Janeiro.
É pesquisador sênior no Laboratório de Métodos Computacionais em Engenharia, LAMCE/COPPE/UFRJ. Tem experiência na área de Empreendedorismo e Inovação Tecnológica, Ciências de Dados, Sistemas Biológicos e Engenharia. Acumula 20 anos de estudos e trabalhos técnico-científicos em engenharia e modelagem matemática aplicada, incluindo passagem por grandes empresas, universidades e centros de excelência acadêmica, tais como: ODEBRECHT, COPPE/UFRJ, LNCC/MCT, Fundação Dom Cabral. É sócio-fundador da startup PROMEC Engenharia e Modelagem de
Dados, empresa criada na Incubadora COPPE/UFRJ. Desde 2009 empreende na área de modelagem matemática e inteligência artificial, conquistando uma carteira de clientes que inclui: Petrobras, Vale SA, Bunge Alimentos, Eletrobras, VL! Logística, Engie Group, TechnipFMC group, Odebrecht dentre outros, executando mais de 50 projetos inovadores.
Resumo da palestra:
Nessa oportunidade serão apresentadas estratégias de IA para análise estatística e preditiva de variáveis, em particular análise de dados de ensaios experimentais de corrosão. Inicialmente serão apresentados os principais modelos e estratégias de modelagem de dados, incluindo técnicas de detecção de dados espúrios (outliers), incluindo consagrados modelos de aprendizado de máquina por regressão de mínimos quadrados e modelos de agrupamento e segregação de dados como o k-médias e o K-vizinhos. Adicionalmente, serão apresentadas técnicas de modelagem de dados experimentais via redes neurais artificiais (RNA).